我的新书《Android App开发入门与实战》已于2020年8月由人民邮电出版社出版，欢迎购买。点击进入详情

2023 年对于生成式 AI，特别是大型语言模型 (LLM) 来说是不平凡的一年。在所有关于生成式人工智能的讨论中，出现了一个熟悉的重复：“这是将取代软件开发人员的技术吗？”

从表面上看，我完全理解。如果您打开 ChatGPT 并给它提示“在打字稿中编写加法器函数”，它将忠实地生成以下代码：

function adder(a: number, b: number): number {return a + b;
}// Example usage:
const sum: number = adder(3, 5);
console.log(sum); // Output: 8

很好！但问题是：生成代码从来都不是困难的部分。

我给工作带来的价值不是生成代码。我的意思是，我想这最终是其中的一部分，但我的价值主要在于生成代码之前发生的工作：诸如需求澄清、谈判、技术设计和权衡分析之类的事情。

我觉得我带来的最好的特质之一是快速了解需求的不足之处：要么是解决方案规定不明确，要么是过于规范。在我的简单adder示例中，模型可能应该问我诸如“需要添加多少个数字？”之类的问题。或“如果没有输入或使用无效输入怎么办？” 甚至在此之前，模型就应该了解用例以确定是否adder真正需要某个功能。一旦确定需要某个adder功能以及如何实现它，那么它可能必须确定如何最好地将该功能集成到大型代码库中。

现在，想象一下这些类型的需求澄清问题和技术设计考虑因素，但规模要大得多：需求通常不是编写一个adder函数，而是编写更复杂的东西并集成到现有的复杂代码库中。

当然，这有点不公平：ChatGPT 是一个生成式 AI 模型，并不是为软件工程师而设计的。但这就是重点——尽管看到代码的生成可能令人印象深刻，但我还没有看到任何人工智能可以做这些其他事情——作为软件工程师真正困难的部分。