AI 正在变革软件工程：开发工具 2.0 时代

生成式 AI 的爆发已经开始改变了很多行业的工作方式，但对于软件工程来说，转型才刚刚开始。

从 Copilot 说起

不可否认 Github Copilot 成功的引发了一场 AI 编程工具的浪潮，在其《Research: quantifying GitHub Copilot’s impact on developer productivity and happiness》这篇文章中对 Copilot 为开发者的生产力和幸福指数做了一个研究，结果发现

• 使用 GitHub Copilot 的开发人员比不使用 GitHub Copilot 的开发人员完成任务的速度快 55%
• 使用 GitHub Copilot 的小组完成任务的比例为 78%，而没有使用 Copilot 的小组为 70%
• 88% 的使用者认为自己生产力提高了
• 96% 的使用者认为自己处理重复性的工作更快了
• 88% 的使用者认为自己可以更加专注于更喜欢的工作上了
• …

报告地址：
https://github.blog/2022-09-07-research-quantifying-github-copilots-impact-on-developer-productivity-and-happiness/

但是当我们把眼光放到整个软件工程行业的时候，才发现 Copilot 可能只是 AI 改变软件工程师工作方式的开端。

关于 Copilot 可以查看 与 AI 结对编程，好搭档 Copilot

开发工具 2.0 与现状

红衫资本最近发布了一篇文章《Developer Tools 2.0》，该文不仅定义了”开发工具 2.0“还整理了一张图，用以展示现有的开发工具在不同的软件研发阶段的应用。

如下：

这图本质上是一个表格，每一行从左到右代表了软件的时代版本，分为

• Incumbents：当前主流使用的标准工具
• Challengers：挑战者，一些加入了 AI 特性的创新型工具
• Dev Tools 2.0：通过 AI 改变软件创造方式的工具

列的话从上到下代表了软件开发的各个阶段，或者说生命周期，分别为

• Deployment：部署阶段，包括 CI/CD、云、监控等
• Implementation：实现阶段，包括 code review 工具、文档工具、代码编写维护工具等
• Setup：配置阶段，包括 IDE、终端、ISSUE 记录工具等

接下来我们从上往下来分析。

Deployment 所属区域中，软件还是集中在 Incumbents（主流） 和 Challengers（挑战者） 中，我们可以看到很多熟悉的产品，比如 Datadog、Grafana、Aws、Jenkins 等。

目前还没有 Deployment 工具被归属到 Dev Tools 2.0，算是空白

在 Implementation 中，目前已有很多 Dev Tools 2.0 了，比如 AI code review 工具 Codeball、DEBUG 和对话工具 ChatGPT、AI 文档工具 Mintlify、以及 AI 代码补全工具 Copilot 和 Tabnine。

注意看细分的 write docs（文档编写） 和 write & maintain code （代码编写维护）中，在主流中这些都是人力维护，这说明当前的软件工程已经处于一个分水岭了。

对比 Deployment 的话，Implementation 的 2.0 可谓是百花齐放。

最后就是 Setup 了，目前只有 Cursor （一款集成了 ChatGPT 4 的代码编辑器）被完全定义为 Dev Tools 2.0

这里比较意外的是 warp 和 fig 居然没有被定义为 2.0 工具，因为我前段时间刚试用了 warp 终端，有兴趣的可以看看我发的视频。

21世纪的终端和 AI 相遇，会产生什么火花？Warp 体验

不过再回顾一下红衫资本对 Dev Tools 2.0 的定义：通过 AI 改变软件创造方式的工具。

这里其实也就想通了，warp 和 fig 只是带了 AI 的特性，但是还没有改变软件的创造规则，所以就被列入了 challenger 里。

从目前世面上的工具来看，AI 有巨大的机会改变软件工程，并且这是一个关于“谁”，而不是“是与否”的问题。

开发工具 2.0 的共同点

再再再次啰嗦一下红衫资本对 Dev Tools 2.0 的定义：通过 AI 改变软件创造方式的工具。

我考察了 5 个图中被归类为 2.0 的软件，看看它们是如何改变软件的创作方式的

首先是 Cursor，我们可以用自然语言来写新的代码、维护既有代码，从这点来看它是超越了 Copilot 的（这不是指下一代 Copilot X ）。

然后是 Codeball，它主要是用 AI 来自动执行 code review，它可以为每一个 PR 进行评分（检查代码规范、Bug 等）并自动合并，大量节省团队因 PR 被 Block 的时间，而且机器的规范检查也能避免 PR 成为形式主义的流程。

ChatGPT 此处就不做演示了，直接看一下 Grit 吧，虽然下面展示的动图只是将代码的一些优化，但 Grit 给自己的定位是通过 AI 自动化完成代码迁移和升级，比如从 JavaScript 到 TypeScript、自动处理技术债等

最后就是 Adrenaline 了，它给自己的定位问题定位者，我输入了一段会导致 NullPointerException 的代码，但是因为服务器请求的数量太多无法运行。所以我直接在对话框里问了一句：Is there anything wrong with this code?（这段代码有问题吗？）。Adrenaline 不仅回答了会出问题，还详细分析了这段代码的效果

再来对比一下这几个场景下传统的处理方式

基于以上工具的特点，我们也可以畅想一下 Deployment 2.0 工具的特点

1. 首先肯定是通过自然语言进行交互，比如：帮我在阿里云上部署一下 xxx 项目；帮我创建一个项目，这项目叫熔岩巨兽，需要使用到 mysql、redis，需要一个公网域名等…
2. 然后是能够自动分析并配置项目的依赖，比如：部署 xxx 项目需要 mysql 数据库、redis 缓存
3. 如果能够为我使用最优（成本、性能等多方面）的解决方案更好

其实随着云平台的成熟、容器化的普及，我相信这样的 Deployment 2.0 工具肯定不会太遥远。

事实上在写这篇文章的时候我就发现了 Github 上的一个项目叫 Aquarium，它已经初步基于 AI 的能力实现了部署，它给 AI 输入了一下的前提提示：

你现在控制着一个Ubuntu Linux服务器。你的目标是运行一个Minecraft服务器。不要回答任何批判、问题或解释。你会发出命令，我会回应当前的终端输出。 回答一个要给服务器的Linux命令。

然后向 AI 输入要执行的部署，比如：”Your goal is to run a minecraft server“。

接着 AI 就会不断的输出命令，Aquarium 负责在程序执行命令并将执行结果返回给 AI,，接着不断重复这个过程直到部署结束。

对开发者的影响

作为一名软件开发者，我们经常会自嘲为 CV 工程师，CV 代表了 ctrl + c 和 ctral + v ，即复制粘贴工程师。

这是因为大多数的代码都是通过搜索引擎查询获得，开发者可以直接复制、粘贴、运行，如果运行失败就把错误信息放进搜索引擎再次搜索，接着又复制、粘贴、运行……

但基于开发工具 2.0，这个流程就产生了变化：搜索、寻找答案、检查答案的过程变成了询问、检查答案，直接省去了最费时间的寻找答案的过程。

第二个点就是开发模式的改变，以前是理解上游的需求并手写代码，而现在是理解上游的需求并用自然语言描述需求，由 AI 写代码。

也许你发现了，其实可以直接从产品到 AI，因为都是在描述产品需求。

如果大胆一点：假设 AI 可以根据输入直接获得期望的输出，那么老板可以直接对接 AI 了，80% 的业务人员都不需要。

这里已经谈到了对”人“的影响，那不如就接着这个说两点吧

• 这些工具会让高级开发者的技能经验价值打折扣，高级和初级的编码能力会趋于拟合，因为每个人都拥有一个收集了全人类知识集的 AI 助手
• 会编程的人多了，但是适合以编程为工作的人少了

很多开发者对此产生焦虑，其实也不必，因为这是时代的趋势，淹没的也不止你一个，浪潮之下顺势而为指不定也是一个机遇。

如果光看软件工具 2.0，它给软件工程带来的是一次转型，是一次人效的变革，目前来看还没有达到对软件工程的颠覆，那什么时候会被颠覆呢？

有一天有一个这样的游戏出现了，每个人在里面都是独一无二的，系统会为每个人的每个行为动态生成接下来的剧情走向，也就是说这个游戏的代码是在动态生成，并且是为每一个人动态生成。这个游戏的内存、存储空间等硬件条件也是动态在增加。 这就是地球 Online

短期来看，AI 还不会代替程序员，但会替代不会用 AI 的程序员。

AI 正在吞噬软件

原 Netscape（网景公司）创始人 Marc Andreessen 说过一句经典的话：软件正在吞噬世界。

人工智能领域知名科学家 Andrej Karpathy 在 2017 年为上面的话做了补充：软件（1.0）正在吞噬世界，现在人工智能（软件2.0）正在吞噬软件

Software (1.0) is eating the world, and now AI (Software 2.0) is eating software.

你准备好了吗?

参考

1. https://www.sequoiacap.com/article/ai-powered-developer-tools/
2. https://karpathy.medium.com/software-2-0-a64152b37c35
3. https://github.blog/2022-09-07-research-quantifying-github-copilots-impact-on-developer-productivity-and-happiness/
4. https://github.com/fafrd/aquarium