大语言模型开发工具与助手的年度回顾

发表时间: 2023-12-24 10:09

今年对于大语言模型来说是个重要的一年。对于开发者而言,LLM的影响主要体现在人工智能开发工具和助手领域。

译自Large Language Models in 2023: Tools and Assistants for Devs,作者 David Eastman 曾是一位在伦敦工作的专业软件开发者,曾在 Oracle Corp. 和英国电信(British Telecom)任职,并作为顾问帮助团队更敏捷地工作。他撰写了一本关于 UI 设计的书籍,此后一直在撰写技术文章...

今年对于大语言模型(LLMs)来说是突破性的一年。但是开发者仍然处于充分发挥其力量的早期阶段。

当有人告诉我一位潜在的面试候选人在回答基于网络的问题时使用ChatGPT时,我心情复杂。这有点像学生第一次获得手持计算器的使用权时的感觉。如今,在数学考试中使用计算器已不再被视为问题 —— 它们可以自由使用。最终,算术只是数学的一小部分,而计算器绝对只是一个工具。然而,使用ChatGPT来替代自己的技能和知识似乎既不必要又令人感到绝望。但今年的证据表明,对于开发者来说,人工智能主要体现在工具或助手的形式中

LLM的核心在于那个第一个词:Large。只有在吸收了大量数据后,它们才能表现得如此出色。我尝试使用类似的技术,但没有神经网络的支持,结果没有产生出任何像样的诗歌,但确实展示了吸收文本语料库的过程。

通过Stable Diffusion获取的图像;提示:“一个巨大的机器人从眼睛中发射激光,所有人都在惊恐奔逃”

ChatGPT 在回答查询时整合信息的能力是无价的。(尽管对于回答许多查询,你可能会发现Perplexity.ai有更好的体验)许多开发者被他们能够迅速将一个完全解释的代码示例快速引入到他们的项目中的方式所吸引。但作为工具的优势在于它们能够以最小的摩擦提高开发者的效率。

AI 开发工具

今年主要是关于开发工具,通常包括 AI。Rust 在构建更快的全屏工具方面发挥了作用,Zed和Warp都是强有力的例子。Zed 是一个功能齐全的“多人”编辑器,专为速度而建。Zed2 应该很快就会发布,我注意到他们在Tailwind补全方面的工作。Warp 在命令行方面持续创新。

在工具中采用 AI 对许多努力至关重要。首批大浪潮来自 Visual Studio 中的Copilot。我还看了看Replit的Ghostwriter,以及CodiumAI的测试生成器。Cursor拥有以 AI 为先导的编辑器。

其中许多只是对代码示例进行 AI 封装请求而已。但 Copilot 能够在仅看到签名的情况下完成一个类方法,如果方法名相当规范的话。我对像这样直接在代码窗口内部输入代码的功能印象更深,而不是在单独的窗口中输入文本。目前 Microsoft 似乎有更好的方向,但随着其他项目的成熟,这将会改变。

CodiumAI的测试生成器确实证明了人工智能可以直接在开发周期中发挥作用,通过根据现有的编码方法生成明智的单元测试。在编码周围有许多辅助任务,人工智能可以提供帮助。

但完整的开发周期呢?

这就是我们需要解决代码涉猎者和专业开发者不同需求的地方,以及为什么目前的设计对两者都不太适用。我坦率地认为,完整的开发周期仍然对于涉猎者来说过于棘手,人工智能工具尚不能改变这一点。

请记住,一个缺失的引号仍然可能导致整个代码文件无法编译。但另一方面,每天编码的人们正在寻找许多小而持续的辅助,而不是从网络上获取大块的代码。这些智慧可以由大语言模型得出,但对编辑器界面的精准控制是至关重要的。如果它打断了我的工作流程,任何建议都是无用的。

今年我们看到了一些平台,它们帮助开发者间接地使用大语言模型。我认为现在谈论它们还为时过早,因为来自OpenAI的进一步进展可能会轻松削弱它们的效用。我接触过的一个例子是Fixie,它使用一种代理方法来利用大语言模型。

开发者应该担心失业吗?

那么关于大语言模型工具编写整个项目呢?开发者的工作是否面临风险?我们现在都必须作弊吗?

开发者有两项每天都在使用的技能,推动工作的进展:建立联系和理解过渡。这对于大语言模型(LLMs)来说几乎是不可及的,但目前这些仍然是特定的人类特质。

项目的过渡需要对员工、组织的财务状况、商业环境等的理解。从关系型数据库转变到Redis键值存储,然后再转移到云上的新系统,理论上ChatGPT可能会提出这样的建议,但没有人会完全信任那种意见 —— 毕竟,你不能解雇或降职一个网站。

建立联系是需要日常观察生活的,但在技术上并非AI无法做到。Xerox PARC的WIMP视觉界面就是因为设计者脑海中产生了桌面隐喻而诞生的。目前,LLMs主要是响应性的 —— 它们不会突然在浴缸里有所启发。

我对那些认为通用人工智能(AGI)和灾难就在眼前的人有点同情,仅仅因为LLMs的强大给人们带来了惊喜。但实际上,对此几乎没有证据。模式识别对我们来说非常重要,因为这是我们在世界中导航的方式。但硅中的语言理解对我们来说只是一种工具。正如Michael Wooldridge教授所说:“从任何有意义的角度来看,它并不意识到世界。”

我将在我的下一篇文章中写一下我们可能在明年看到的趋势。

#文章首发挑战赛#