smart
9.9 KiB
9.9 KiB
AI 编程已进入主流阶段
84%
受访者已使用或计划使用 AI 工具（Stack Overflow 2025）
51%
职业开发者每天使用 AI 工具
80%
新开发者第一周使用 Copilot（GitHub 2025）
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"
AI 编程工具三阶段演进
📝
阶段 1：代码补全
帮你补几行代码
→
💬
阶段 2：对话助手
解释、生成、改写
→
🤖
阶段 3：研发 Agent
计划·修改·测试·验证·提交
AI 能效不是单点提速
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
55.8%
使用 Copilot 完成编程任务速度提升（Microsoft Research）
75%
预计 2028 年企业工程师使用 AI（Gartner）
积极拥抱，但不盲目乐观
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
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
工程师角色正在变化
过去：
- 主要靠自己写、查、改、测
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
AI 时代
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
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
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
为什么第一天先讲陌生代码库理解？
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
AI 提效能力
工程理解能力
风险判断能力