# AI 编程已进入主流阶段

<div class="grid grid-cols-2 gap-8 mt-6">
<div class="space-y-4">
<div class="p-4 rounded-xl bg-blue-500/10 border border-blue-500/30">
  <div class="text-2xl font-bold">84%</div>
  <div class="text-sm text-gray-400">受访者已使用或计划使用 AI 工具（Stack Overflow 2025）</div>
</div>
<div class="p-4 rounded-xl bg-blue-500/10 border border-blue-500/30">
  <div class="text-2xl font-bold">51%</div>
  <div class="text-sm text-gray-400">职业开发者每天使用 AI 工具</div>
</div>
<div class="p-4 rounded-xl bg-blue-500/10 border border-blue-500/30">
  <div class="text-2xl font-bold">80%</div>
  <div class="text-sm text-gray-400">新开发者第一周使用 Copilot（GitHub 2025）</div>
</div>
</div>
<div class="mt-4 space-y-3 text-sm">

**过去** → 少数人尝鲜 AI 补全

**现在** → 大量开发者日常使用 AI 工具

**趋势** → AI 编程从"工具能力"变成"研发基础设施"

</div>
</div>

<!--
Stack Overflow 2025 调查显示，84% 的受访者已经在使用或计划使用 AI 工具，其中 51% 的职业开发者每天使用 AI 工具。GitHub 2025 Octoverse 也显示新加入 GitHub 的开发者中，接近 80% 会在第一周使用 Copilot。

这里我们不需要把 AI 神化，但它的普及速度很快，正在改变研发人员的基本工作方式。以前一个工程师的能力更多体现在自己写代码、自己查资料、自己读项目；现在逐渐变成会不会描述问题、会不会给 AI 足够上下文、会不会判断 AI 输出是否可信、会不会把 AI 产出转化成可交付成果。
-->

---

# AI 编程工具三阶段演进

<div class="flex items-center justify-between mt-12 px-4">
<div class="text-center flex-1">
  <div class="w-16 h-16 rounded-full bg-blue-900/50 border-2 border-blue-500 flex items-center justify-center mx-auto text-xl">📝</div>
  <div class="mt-3 font-bold">阶段 1：代码补全</div>
  <div class="text-sm text-gray-400">帮你补几行代码</div>
</div>
<div class="text-blue-400 text-xl">→</div>
<div class="text-center flex-1">
  <div class="w-16 h-16 rounded-full bg-emerald-900/50 border-2 border-emerald-500 flex items-center justify-center mx-auto text-xl">💬</div>
  <div class="mt-3 font-bold">阶段 2：对话助手</div>
  <div class="text-sm text-gray-400">解释、生成、改写</div>
</div>
<div class="text-blue-400 text-xl">→</div>
<div class="text-center flex-1">
  <div class="w-16 h-16 rounded-full bg-amber-900/50 border-2 border-amber-500 flex items-center justify-center mx-auto text-xl">🤖</div>
  <div class="mt-3 font-bold">阶段 3：研发 Agent</div>
  <div class="text-sm text-gray-400">计划·修改·测试·验证·提交</div>
</div>
</div>

<!--
早期的 AI 编程主要是代码补全，你写一半，它帮你补几行。后来变成聊天式助手，你可以问它这个函数是什么意思、这个报错怎么解决、帮我写一个测试用例。现在进入第三个阶段：Agent 化。

Agent 不是简单回答问题，而是可以围绕一个任务执行多步操作：理解需求、检索代码、制定修改计划、改代码、运行检查、解释变更、辅助提交。

GitHub Copilot 已强调 agent mode，Gartner 对 AI code assistants 的定义覆盖生成、分析、调试、测试、修复、重构、文档、依赖搜索、代码评审等研发环节。所以今天我们学习 TRAE，不能只学"怎么让它写一段代码"，更重要的是学怎么让 AI 读懂一个项目、找到正确上下文、追踪调用链路、判断 AI 的回答是否可信。
-->

---

# AI 能效不是单点提速

<div class="grid grid-cols-2 gap-8 mt-6">
<div>

### 不是只看

- 代码写得更快

### 更要看

- 理解更快 · 交接更快
- 测试更快 · 文档更快
- 风险发现更早
- 知识传递成本更低
</div>
<div class="space-y-4">
<div class="p-4 rounded-xl bg-blue-500/10 border border-blue-500/30">
  <div class="text-3xl font-bold text-blue-400">55.8%</div>
  <div class="text-sm text-gray-400">使用 Copilot 完成编程任务速度提升（Microsoft Research）</div>
</div>
<div class="p-4 rounded-xl bg-amber-500/10 border border-amber-500/30">
  <div class="text-3xl font-bold text-amber-400">75%</div>
  <div class="text-sm text-gray-400">预计 2028 年企业工程师使用 AI（Gartner）</div>
</div>
</div>
</div>

<!--
这一页讲的是"能效"。过去讲研发效率通常看个人效率：一个人一天写多少代码、一个需求几天完成、一个 bug 多久修复。但 AI 进入研发之后，能效的核心不只是"写代码更快"，而是新人理解项目更快、老项目维护成本下降、重复性编码减少、测试和文档生成成本降低、跨模块知识获取更快、代码评审和风险识别前置。

Microsoft Research 与 GitHub 的受控实验显示，使用 Copilot 的开发者完成指定编程任务的速度比对照组快 55.8%。Gartner 预测到 2028 年，75% 的企业软件工程师将使用 AI code assistants。

要点：不要把 AI 提效理解成单纯"多写代码"。真正的组织价值在于降低理解成本、沟通成本、质量成本和维护成本。
-->

---

# 积极拥抱，但不盲目乐观

<div class="grid grid-cols-2 gap-8 mt-6">
<div>

**AI 会替代：**

- 重复性编码
- 低上下文任务
- 模板化文档
- 简单测试生成
- 初步代码解释
</div>
<div>

**AI 仍需要人负责：**

- 业务判断
- 架构取舍
- 安全边界
- 质量责任
- 上线决策
</div>
</div>

<!--
这一页要稳。不要制造恐慌，也不要说 AI 没影响。

建议表达：我们不用把 AI 看成一个马上替代所有工程师的东西，也不能把它看成一个可有可无的插件。更现实的判断是——会使用 AI 的工程师，会逐渐替代不会使用 AI 的工作方式；会组织 AI 工作流的团队，会逐渐替代低效率的传统研发流程。

核心表达：被替代的不是"工程师这个人"，而是低效、重复、缺乏判断的工作方式。AI 会替代一部分重复性、低上下文、低判断含量的工作，但不会在短期内替代所有工程判断、业务理解和系统责任。
-->

---

# 工程师角色正在变化

<div class="grid grid-cols-2 gap-8 mt-8">
<div class="p-4 rounded-xl bg-white/5 border border-white/10">

**过去：**

- 主要靠自己写、查、改、测
</div>
<div class="p-4 rounded-xl bg-emerald-500/10 border border-emerald-500/30">

**现在：**

- 会描述任务
- 会提供上下文
- 会拆解问题
- 会验证 AI 输出
- 会把 AI 结果工程化
</div>
</div>

<!--
这是从"编码执行者"向"AI 协同工程师"的变化。

以前一个工程师的核心能力是自己写、自己查、自己改、自己测；现在工程师的核心能力变成会不会把问题描述清楚、会不会把上下文组织好、会不会把大任务拆成 AI 可执行的小任务、会不会判断 AI 输出是否可信、能不能把 AI 产出最终工程化交付。

这是今天我们整门课程要训练的底层能力，也是 AI 时代研发人员的新基本功。
-->

---

# AI 时代

<div class="mt-6 space-y-4 text-sm">
<div class="p-3 rounded-lg bg-white/5 border border-white/10">AI 编程不是单个工具采购问题，而是研发能效体系升级问题</div>
<div class="p-3 rounded-lg bg-white/5 border border-white/10">AI 不只是提升个人编码速度，更重要的是降低组织的知识传递成本和项目理解成本</div>
<div class="p-3 rounded-lg bg-white/5 border border-white/10">未来的差距，不一定是用不用 AI，而是能不能把 AI 嵌入标准研发流程</div>
<div class="p-3 rounded-lg bg-white/5 border border-white/10">不是盲目追求 AI 替代人，而是让 AI 替代低价值重复劳动，让人聚焦业务判断</div>
</div>

<!--
这一页是面向高管和决策层的话术收口。

这四句话比较稳，既能让高管听到能效趋势，也不会让工程师产生强烈抵触。核心表达：AI 编程不是单个工具采购问题，而是研发能效体系升级问题；不只是提升个人编码速度，更重要的是降低组织的知识传递成本和项目理解成本；未来的差距，不一定是用不用 AI，而是能不能把 AI 嵌入标准研发流程；不是盲目追求 AI 替代人，而是让 AI 替代低价值重复劳动，让人聚焦业务判断、架构质量和交付责任。

衔接下一节：所以今天我们不从"让 AI 写代码"开始，而是从"让 AI 帮我们理解代码"开始。因为在企业真实研发里，理解陌生项目、识别调用链路、判断风险影响，是比写几行代码更底层的能力。
-->

---

# 为什么第一天先讲陌生代码库理解？

<div class="mt-6">

企业研发最常见的成本：

- 接手旧项目 · 理解陌生模块
- 追踪调用链路 · 判断影响范围
- 识别风险点 · 沉淀文档

<div class="grid grid-cols-3 gap-4 mt-6">
<div class="p-3 rounded-xl bg-blue-500/10 border border-blue-500/30 text-center font-bold">AI 提效能力</div>
<div class="p-3 rounded-xl bg-emerald-500/10 border border-emerald-500/30 text-center font-bold">工程理解能力</div>
<div class="p-3 rounded-xl bg-amber-500/10 border border-amber-500/30 text-center font-bold">风险判断能力</div>
</div>
</div>

<!--
企业研发里，真正消耗大量时间的，往往不是从零写一个 demo，而是接手旧项目、理解陌生模块、定位调用链路、判断改动影响面、识别风险点、补测试、写交接文档。这些工作恰恰是 AI 最适合辅助、但也最需要人工判断的地方。

所以今天从"理解陌生代码库"开始，是因为它同时覆盖三个能力：AI 提效能力、工程理解能力、风险判断能力。这正是 TRAE 这类 AI IDE 最适合切入的地方，也是工程师最需要掌握的新基本功。

对管理层来说，它关系到组织能效；对工程师来说，它关系到个人能力升级；对公司来说，它关系到研发质量和交付速度。
-->