掘金2024年度人气创作者打榜中，快来帮我打榜吧～ activity.juejin.cn/rank/2024/w…
大家好，我是每天分享AI应用的萤火君！
最近OpenAI一连搞了十几天的新品直播，虽然热度不是特别高，但是也确实爆出了一些比较有意思的东西，比如GPT o3，据说编程能力已经超过 99.9%的程序员（某程序员竞赛的前200名:codeforces.com/ratings），我等码农是不是要哭晕在厕所了？
程序员的出路在哪里？
AI编程革命
谈到这一轮的AI革命，很多人会类比工业革命。在工业革命初期，随着机器的普及应用，很多手工业者丢了生计，但也有一批手动业者主动进化，学会了机器的操作方法，在新的时代里依然抢手。
所以最新的说法是：AI不会革所有人的命，AI革的是不会使用AI的人的命。
这种说法是站的住脚的。
就我个人而言，写代码已经离不开AI了，遇到不会写的代码就问AI已经是家常便饭，甚至有了什么思路之后，直接就让AI先写一个实现，感觉不好的话，再让AI重写，一般都能得出满意的结果。这比自己苦思冥想、到处去查资料要快上不少，甚至结果也往往更好。当然这里边还有一些前提条件，比如你要把自己的想法清晰的表达出来。
就像人们对商品的需求是广泛且持续存在的，软件的需求也是广泛且持续存在的。使用AI可以提升软件程序的生产效率，如果你花1天时间可以写出100分的程序，那么使用AI，很可能只需要几分钟的时间就能写出至少80分的程序，这里边的生产力差距是很明显的，所以AI对于编程而言，自然也是一场革命。
历史证明，不想被淘汰，只能积极的拥抱新的生产工具。学会使用AI编程，自然也成了程序员在AI时代的必备能力。
AI编程的要点
就像大家都写程序，有的人写的好，有的人写不出来。使用AI编程也是，有的人效率大幅提升，有的人生成的代码没法用，还耽误时间。
为什么会这样？
我个人的观点是：不得要领。
编写代码的要领是：掌握各种编程规则，并在各种解决方案中做好权衡。很多同学以代码能跑起来为最终目标，不管性能，也不考虑维护、扩展，这样很难写出优秀的程序，自然也成不了高手。
AI编程的要领是什么呢？
讲清楚
我们还是在编程，所以编程的要领还是要掌握，但是又增加了AI的方式，就需要结合AI的特性。
这里边最主要的问题就是讲不清楚，程序员们往往知道怎么去实现，但是很难给别人讲明白。而使用生成式AI，一个很重要的工作是编写提示词，也就是把你想要的东西通过文字清晰明白的表达出来。
举个简单的例子，你想要让AI设计一个商城的数据库，如果你只是简单的告诉它：帮我设计一个商城的数据库。
它很大概率上是很难生成直接可用的代码的，因为它不知道你要使用什么数据库，也不知道你的商品和订单是怎么管理的，更不清楚你的订单量是什么样的规模，这些都会影响数据库的设计。AI大概率会给你了一个路边摊的方案，然后被你鄙视一番。
要想让AI输出高质量的内容，我们必须把问题的上下文讲清楚，以AI能够理解的方式告诉它。在数据库的例子中，可能包括：你的商城都有哪些功能，商品品类如何组织，商品有哪些属性，每天的订单量如何，订单的流转过程如何，等等。
有时候对于一个复杂的系统，一轮对话是不够的，可能需要多轮对话，比如先讲一下你的商城功能有哪些、业务规模如何，然后让AI给你一些数据库的选型建议；然后再基于你选择的数据库，通过各个部分的描述，让AI给出具体领域的设计。
好模型
工欲善其事，必先利其器。
AI模型的性能也很重要，这里说的模型性能是AI模型生成结果的质量问题。
了解过大语言模型的同学应该都听说过OpenAI，作为大语言模型的领导者，它的ChatGPT是顶好的，对于同样的问题，ChatGPT往往能理解的更为准确，也能给出质量更高的答案。对于编程来说，就是它输出的代码能正常跑起来，而很多模型给出的答案经常跑不起来，各种报错。
根据我的测试体验，目前 GPT 4o 和 Claude 3.5 Sonnet 在编程方面的能力比较领先，国产的 通义灵码 也不错，但是有时给出的方案还是差强人意，有点路边摊的感觉，输出过多不太重要的东西，沟通效率上差一些，应该还是基础模型的能力不够强。
当下，从效率方面看，使用更好的模型确实可以节约一些时间。
程序员的未来
所有的工作都是基于需求产生的，程序员也不例外。
计算机出现以后，人们需要使用计算机来完成大量繁复的计算任务，随着计算能力的增强和计算范围的拓展，人们又需要使用计算机来运行各种各样的软件程序。但是人和机器打交道特别困难，最开始使用0和1的机器码，这不是一般人能玩的溜的，后来虽然又搞出了各种各样的先进技术和编程语言，但是计算任务的复杂度也进一步提升，对专业人士的需求不减反增，程序员就是这类专业人士。
现在大语言模型来了，AI编程革命愈演愈烈，程序员何去何从？
绝对数量的减少
我们还是从需求出发。
首先假设计算任务的需求并没有明显减少，也没有明显增多，也就是程序的需求没有减少；但是使用AI之后编写程序的效率会提升，也就是说个体生产力会提升；在总体需求不变的情况下，个体生产力的提升就会减少对个体数量的需求。在这个假设中，一些程序员不得不出局。
那么这个假设是否成立呢？
当前国内有一个现象很突出，很多厂子经历了一轮又一轮的裁员，很多同学离职后有很长时间的空窗期，整个社会对程序员的需求明显在减少。但是AI的发展必然又带来新的工作机会，比如提示工程师、模型训练工程师、AI应用开发工程师，如果我们把这些新的岗位也划到程序员的行列，但是它们足以抵消社会对传统程序员的需求减少吗？
我想不能够，因为使用AI的效率更高，则需要人贡献的力量就会更少。也许AI会创造更多的其它工种，但是对以编程为生的程序员的需求一定是减少的。
需求和技术的平衡
随着AI模型能力的持续增强，手写代码的机会越来越少，但是AI的能力长时间内始终有所欠缺，比如：理解用户的需求，在各种技术方案中做出权衡等，而且AI的伦理问题一时半会也很难解决，程序出了问题还要有人来背锅。
所以程序员的大部分工作将是：
理解用户需求，然后让AI实现用户的需求，并对生成的结果进行调整和把关。
理解用户需求：注意这里说的是理解用户需求，而不是理解产品经理给出的产品设计。当下，程序员编写程序本来也是需要理解产品设计的，但是好的程序只是理解了产品经理的输出还是不够的，产品经理的主要问题是缺乏技术的敏感度，这需要程序员来补齐，并在产品中有所体现。而且如果程序员写代码的时间少了，那老板自然不会让你闲着，直接对接用户可能是一个方向。
让AI实现用户的需求：这里关注的是程序员的语言表达能力，你得能把问题说清楚，知道如何与AI进行交互，让AI更好的完成编码工作。这是一项需要重点打造的能力。
对生成的结果进行调整和把关： AI对整体的把握能力仍然十分有限，虽然很多模型都号称支持多少K的上下文，但是真正用于实际的时候还是会丢三拉四，不够可靠。人要来把关的话，对技术的理解仍然十分钟重要，因为人要做决策，什么能做，什么不能做，什么情况适合采用什么样的方案，都要考虑清楚。
现在也有一些公司在做AI程序员，让一帮AI来扮演各种角色，来实现一个软件程序的开发。似乎程序员马上就要失业了，但是对于一个有着几年开发经验的同学来说，应该能够理解：一个包含各种复杂逻辑的业务系统，AI还是很难搞清楚的，短期内也很难代替人来做决策。
总结
AI的引入显著提高了编程效率，使得高质量代码的生成速度大大加快。面对未来，尽管传统编程岗位的需求可能减少，但新的职业机会也在不断涌现，程序员同学们要积极适应变化，充分利用AI的优势，掌握清晰表达需求的能力，了解如何有效沟通以获得最佳的AI输出，同时还要持续提升自身技术素养，以便更好地理解用户需求、指导AI工作及审核最终结果。
