譯者 | 核子可樂

審校 | 重樓

企業(yè)在積極引入AI的同時，也希望雇用更多工程師，期望開發(fā)者能夠借AI之力將產(chǎn)出“提升10倍”。但要真正高效運用AI編碼助手，其中也有不少門道。

首先是AI編碼助手的固有局限，其存在大量不確定性，因此容易引發(fā)種種難以避免的意外行為，例如隨機刪除代碼或引入邏輯錯誤。

此外，驅動編碼助手的大模型本身也有問題。一旦使用不當，大模型也可能成為代碼刪除或者安全漏洞的來源。此外，AI智能體還經(jīng)常陷入遞歸循環(huán)乃至無休止的測試循環(huán)當中，嚴重影響生產(chǎn)效率。

那么對于AI輔助開發(fā)這一未知領域兼全新技能類型，開發(fā)者和技術領導者們該如何破局？以下七種方式也許能夠帶來一點啟示。

1.改善提示詞技巧

Sonar公司首席業(yè)務增長官Harry Wang認為，“有效運用AI編碼助手的第一步，是從清晰、定義明確的提示詞開始，這也是解開代碼庫復雜性的鑰匙?！?/span>

• 元提示：在提示詞中嵌入指令，幫助模型完成任務。
• 提示詞鏈：創(chuàng)建鏈式提示詞工作流，改善規(guī)范與規(guī)劃效果。
• 一次性提示詞：在提示詞中包含輸出參考，例如示例代碼結構。
• 系統(tǒng)提示詞：更新底層系統(tǒng)提示詞以反映項目特定需求。

低質量提示詞往往成為安全隱患的來源，因此必須認真磨練這項技能。相關研究發(fā)現(xiàn)，在十項常見弱點枚舉（CWE）攻擊方法中，低效提示詞至少會被其中四項攻破。

2.保持人類參與

根據(jù)BlueOptima發(fā)布的2024年《生成式AI對軟件開發(fā)者績效影響》報告，“適度”使用生成式AI的開發(fā)者表現(xiàn)最佳（報告分析了來自21萬8354名企業(yè)軟件開發(fā)者的總計8.8億項提交成果）。

報告指出，最佳結果源自AI輔助與人類專業(yè)知識間的最佳平衡。在實踐中，代碼編寫和驗證工作可以交給AI，項目設計與最終審批則更適合人類。

3.為工作內(nèi)容選擇正確的大模型

只有在準確性、速度和成本等指標上綜合最優(yōu)的大模型，才是最適合特定需求的選項。

在LLM Stats公布的排行榜中，Anthropic Claude 3.5 Sonnet的編碼能力在HumanEval基準上得分最高。此外，Claude在安全性方面同樣名列前茅。研究發(fā)現(xiàn)，Claude 3.7 Sonnet生成的代碼比OpenAI GPT-4o和谷歌Gemini的輸出結果更安全。

與此同時，OpenAI o3的知識儲備最為豐富，DeepSeek R1的推理能力則一舉登頂。此外，Gemini 1.5 Pro提供最大的token窗口，Lambda擁有最高的性價比。

4.以迭代方式編程并測試

專家建議逐步開發(fā)AI代碼。Honeycomb公司聯(lián)合創(chuàng)始人兼CTO Charity Majors表示，“一定要將代碼變更的規(guī)?？刂频帽M量更低。千萬不要一次性生成整個網(wǎng)站、API或者功能?！?/span>

Layered Sysetm公司API策略師Kevin Swiber則提到，如果大家正在處理一個3000行的代碼文件，那一定要進行拆分。這時候直接使用AI重構將帶來巨大風險，因為AI經(jīng)常會無故刪除或者移動代碼，所以“一定保證只用AI對細節(jié)做優(yōu)化，阻止直接把大問題交給它?！?/span>

因此，Majors建議從端點、組件或者任務著手，之后逐步由AI生成測試、運行測試并生成更多代碼。

5.提前規(guī)劃

除了直接在代碼編輯器中使用GitHub Copilot、Cursor或者Continue等工具獲取建議，開發(fā)者也可以在行動之初就規(guī)劃好一切。Swiber建議使用Markdown文件為AI助手編寫一份完整計劃，借此明確項目目標并詳細說明進度安排。另外，最好能備份原始文件，以便隨時恢復到之前的可用版本。

Swiber強調(diào)，“要提前規(guī)劃并留下線索，方便自己和智能體靈活參考?！痹儆?，可以使用明確的行內(nèi)注釋為智能體提供指引，例如“不要修改這些代碼行?！?/span>

6.測試、測試、還是測試

對于將要投入生產(chǎn)的AI生成代碼，一定要進行徹底審查。Majors強調(diào)，“永遠不要發(fā)布自己不理解的東西?！?/span>

Sonar公司的Wang表示，“哪怕代碼是由AI生成，最終也還是要由人類對其質量和安全性負責?！?/span>

Graphite公司CEO兼聯(lián)合創(chuàng)始人Merrill Lutsky認為，“AI生成的代碼更需要嚴格審查和測試，以保證其正確性、高性能與安全性?！?/span>

在這方面，Lutsky認為AI造成的問題也完全可以由AI來解決。他認為可以使用AI智能體簡化DevOps流程、自主完成審查及測試流程，并根據(jù)需要引入人為干預，借此不斷提升CI/CD的執(zhí)行效率。

7.關注數(shù)據(jù)訪問

另一項重點，是為AI提供適當?shù)纳舷挛?。Cockroach Labs公司CEO Spencer Kimball表示，“只有AI獲得了足夠的信息，才能做出合理的判斷?！碑斍澳Ｐ驮谏舷挛拇翱诤屯獠繑?shù)據(jù)訪問能力方面仍有局限，但開發(fā)者可以直接用內(nèi)部數(shù)據(jù)、文檔乃至整個項目作為素材進行大模型微調(diào)，借此確保公共大模型也能體會項目中的細微差別。

更重要的是，Kimball認為這將成為以開源為核心的年輕技術企業(yè)們的絕佳機遇，因為他們的源代碼和設計文檔都會公開交付給大模型。

大模型在連接性方面也取得了重大進展。例如，OpenAI的智能體SDK與Anthropic模型上下文協(xié)議（MCP）在將AI與工具、數(shù)據(jù)源及其他AI對接方面取得了長足進步。

未來展望

AI編碼應用正邁向成熟期，每位開發(fā)者都應當盡早體驗這些工具。Swiber強調(diào)，“在擅長的方面，AI編碼助手確實能節(jié)約下大量時間?！?/span>

如今的AI編碼助手不再是實驗室里的玩具，而開始成為企業(yè)開發(fā)流程中的標準。Gartner預計到2028年，75%的企業(yè)軟件工程師將使用AI編碼助手。

中小型企業(yè)將在這波浪潮中獲得顯著推動。Kimball認為在AI時代下，十幾個員工支撐起年度經(jīng)常性收入高達1億美元企業(yè)將不再是夢想。

但要讓這一切成為現(xiàn)實，開發(fā)者必須掌握新的工具駕馭智慧、建立真正高效的新型工作流。希望以上七條建議，能夠成為大家擁抱AI編碼時代的起點。

原文標題：7 ways to improve your AI coding results，作者：Bill Doerrfeld