一、前言

编程也可能是最容易被 AI 技术取代的工作之一，软件的构建方式将产生根本性的转变。

今年以来，相信大家都听说过 ChatGPT、New Bing 和 GPT-4。

在网上可能也经常看到关于这些技术的一些炒作，它们因某种原因而不好（“它们是随机鹦鹉”，“它们制造虚假信息”，“它们不能推理”，“它可能取代初级开发人员，但不会取代高级开发人员”），虽然从技术上讲是正确的，但缺少了一个更重要的观点：如果你从事写软件相关的业务，这些东西是非常有帮助的。

事实上，它们的工作效果非常好，以至于我认为我们正在追踪软件构建方式的根本性转变。这将对几乎所有事情产生剧烈影响。讽刺的是编程也可能是最容易被这些技术取代的工作之一。我们处于一个关键时刻，在资本主义替代我们之前，我们程序员需要理解和适应这些技术。我相信大型语言模型是优秀程序员的范式转变，并开始更详细地介绍了我一直在使用这些模型及其周围应用的见解。

我认为我们正处于软件构建方式的巨大革命的起点。我们还不知道如何完全释放这些工具的潜力：就像刚刚发现了外星拖拉机技术。许多批评家试图将其用作普通的园艺耙，因为它们犁过他们的花坛而对其进行驳斥。

我希望分享一些我在使用 LLMs 编程时获得的见解。我发现，开发实践、方法论和工作流对于知识性工作非常关键，无论是软件、写作还是音乐。因为编程与生产性团队合作密切相关（特别是在我们资本主义的背景下），所以这种实践必须被共享。编程涉及协调个人的工作以创建共同的成果，成功取决于我们如何协调。

我认为使用 LLMs 进行编程将会在软件架构、系统架构、编程实践、沟通模式和组织结构方面带来根本性的变革。这是令人兴奋的时代，因为我们正处于塑造未来编程形态的位置。

二、主要内容

LLMs will fundamentally change software engineering 主要讨论了大型语言模型（LLMs）对软件开发的影响。虽然有人认为 LLMs 会取代程序员，但作者认为 LLMs 是一种革命性的技术，可以改变软件架构、编程实践、沟通模式和组织结构。作者介绍了自己使用 LLMs 的经验，并提出了一些方法论的转变，如编写文档和代码审查成为程序员的必备技能。作者认为，LLMs 将会改变软件开发的方式，程序员需要在资本主义之前适应这种技术。

与 GitHub Copilot X 和 ChatGPT 等结对编程。

帮助 Copilot 输出有效代码

方法论转变#1：写文档，编写清晰简洁的注释，给 LLM 提供在训练集中看到的上下文，从而帮助它推断出正确的答案
方法论的转变#2：白板和橡皮图章，Copilot 生成的代码不需要完全正确，它基于大量优质代码生成的模式能给开发提供非常有益的启发，具体使用时再引导就可以
方法论转变#3：建立更多的原型，向 Copilot 询问话题并让其使用选定的编程语言生成一个完全可运行的例子，对例子进行大量修改就可以快速完成任务
方法论转变#4：建立更多的工具，使用 Copilot 可以在一小时内快速根据需求创建定制化工具，整体加速任务的完成

避免无益的聊天会话，基础知识和能力可能同样重要

方法论转变#5：持续代码审查，一个模型可以观察所构建的软件，推断我们的意图和思维结构，并对其中的方法提供反馈。
方法论转变#6：使用 LLMs 的认知影响，借助 LLMs 处理琐事，有效地减少了认知疲惫感，心情愉悦效率高。

GPT-4 结对编程实战，鹅厂一线研发真实使用感受主要介绍了如何利用 ChatGPT-4 和结对编程方法，在研发过程中提高效率。作者在工作中应用 ChatGPT-4 来简化编码、重构代码、实现业务逻辑、改 bug 和写单测、取名字等场景，取得了不错的效果。同时，文章也提醒大家在尝试中要注意信息安全。

虽然 ChatGPT 以及类 ChatGPT 工具并不能完全替代工程师编码，但在很多繁琐且不需要交代太多背景的独立工作上，GPT-4 还是完成的非常不错的。作为一个技术人员，尝试下与 GPT-4 结对编程的方式，有可能在某些方面真的能大大提升自身生产效率。

Twitter 上 @advany 分享了一个 PK 项目，带我们一起看看 AI 给编程和产品开发带来的巨大影响，并对比二人的开发速度、开发工作量、测试工作量、后期运维成本等。

在这里插入图片描述