AI妄图替代程序员,这一次它踢到铁板了!

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

最近有个朋友说:“我有种不详的预感,AI编程按照现在这个速度迭代下去,程序员失业的日子就在未来几年。”

我明白他说的意思,2025年,各个大厂、小厂的程序员们都在发疯似地推出自家的AI编程工具,有股不把自己干掉就誓不罢休的劲头儿。

AI编程工具效果也越来越好,尤其前端开发,那理解力和生成的效果让我惊叹,后端可能要更安全一些,但以后也不好说。

但是我倒不恐慌,因为我觉得AI编程能不能保持现在的速度持续迭代,还是要打上几个大大的问号:

这些看起来“吓人”的工具是不是已经触及了大模型的能力极限?

是不是无论怎么反复折腾,依然在一个框框内无法突破,依然是个半吊子的程序员?

01

这一波AI热潮的起点是ChatGPT,到现在为止也没有很大的改变,它的最大问题就是输出的东西不能保证正确性。

所以你会看到大模型厂商都得用小字儿“偷偷”声明:

内容由 AI 生成,请仔细甄别

ChatGPT 也可能会犯错。请核查重要信息。

服务生成的所有内容均由人工智能模型生成,其生产内容的准确性和完整性无法保证,不代表我们的态度或观点

所以,你要胆敢直接把它的回答拿到“正式场合”,“生产环境”,跌了大跟头,人家厂商是不负责任的。

但是,人工智能这个“二把刀”在很多场景下确实能发挥作用,比如写个“八股文”,起草个“讲话稿”,写一段代码,查找一下资料,润色一下文章,翻译一篇英文,简直就是一个神器。

这些场景的最大特点就是,最终都有人站在最后一关做“终审判决”。

人会检查它做得对不对,讲话稿中领导称呼错了,改过来就是;生成的图片背景不对,重新生成。代码错了,程序员能改过来。

但人类从来不满足于一个“二把刀”。

他们开始野心勃勃地把多个二把刀串联起来,想要搞定更复杂的任务。

但是要命的事情来了,即使一个“二把刀”的准确率是90%,把10个“二把刀”串联起来,完成一个复杂任务,最后的准确性一下子降低为34.87%,可以说是惨不忍睹了。

我们拼命提高一个二把刀的准确率,提升到95%,最终的结果是59.87%,依然不及格。

如果把二把刀的准确率提升到99% ,结果会好一些:

但是,如果二把刀再多一些(达到20个),准确率又迅速下跌:

在计算机系统的设计中,为了防止一个组件失效,我们通常会采用并联的方式提高可用性。

两个组件并联,可用性计算方法是:

假设一个组件的可用性是90%,并联后的可用性是:

一下子达到了99%,提高了很多啊!

人工智能的二把刀能这么干吗?

不能,因为准确率不等于可用性。

准确率是一个“判断对不对”的统计属性。两个系统可能都犯错,甚至错得一模一样。

如何提高多个二把刀的准确性呢?我在这方面也不是专家,问了一个朋友,他给我说了一堆方法,比如DyLAN(优胜劣汰的竞争机制),就是让多个“二把刀”并行解决同一个问题,然后由一个决策者评估每个“二把刀”的表现,保留好的,淘汰差的......

但是决策者如何自动评估每个“二把刀”的表现呢? “决策者”本身也是个“二把刀”啊!它的正确性怎么保证呢?

可以用多个决策者,然后再引入一个决策者的决策者......

这就变成鸡生蛋,蛋生鸡的问题了....

当然,还有其他手段和机制来提升复杂AI系统的准确率,但也是“修修补补”,结果依然是:

“内容由 AI 生成,请仔细甄别”

人,依然是最终的审判者。

02

不过没关系,AI找到了一个非常适合自己的领域。

在这个领域,无数人不但自己要创作,还要“审判”自己创作的正确性。

这些人被称为程序员。

他们使用的是一种叫编程语言的东西,相比自然语言,它非常简单,非常规范,用一堆BNF就能精确定义,语法出错了,马上就能检查出来。

程序员还非常慷慨,把自己的劳动成果都放到了一个叫做GitHub的地方,AI可以轻松学习,量大管饱。

然后,AI就可以干活了, 它可以用多个Coding Agent来并行生成代码,然Review Agent来做代码静态分析,找出潜在逻辑缺陷,让Test Agent自动生成测试,执行验证,让Fix Agent来进行多轮修复,最后再裁决,输出一份最终结果。

准确性怎么办呢? 

不用担心,反正有程序员最终负责。

“我都帮你生成这么多代码了,审查下正确性又怎么了?”

简直是完美。

于是,大量的公司开始向这个领域发起冲锋了,各种各样的编程助手让人眼花缭乱。

不过,程序员们也不用担心,适应变化,密切关注它的发展,在这些武器库中挑选自己趁手的工具就行了。

如果真有那么一天,AI把程序员都能替换掉了,它肯定也把无数行业的人都替换掉了。

智谱开放平台(bigmodel.cn)近期推出了多款专精于语言翻译功能的Agent,它不但支持通用的多语种翻译,还支持专业文档翻译,文学翻译,影视字幕翻译和社交媒体翻译。

我也尝试用它开发了一个VS Code 的翻译插件,感觉效果相当不错,建议大家也去看看,发挥你的想象力,也许可以用它开发出更有创意的应用/网站,甚至出海去赚钱呢!

告别串口助手!手把手教你用Matlab直接读取STM32的传感器数据(附完整代码) 本文详细介绍了如何利用Matlab直接与STM32进行串口通信,实现传感器数据的实时采集与分析。通过完整的代码示例和系统架构设计,帮助开发者告别传统的串口助手工具链,打造高效、自动化的数据采集系统。文章涵盖了从硬件配置、通信协议设计到Matlab数据处理与可视化的全流程,特别适合嵌入式开发与数据分析结合的实践场景。 阅读详情

相关推荐

别再手动写JSON了!用Node-RED OPC UA节点5分钟搞定楼宇温湿度数据采集

本文介绍了如何利用Node-RED和OPC UA节点快速实现楼宇温湿度数据的自动化采集与JSON格式转换。通过可视化工具Node-RED,开发者无需编写复杂代码,5分钟内即可完成从传感器到数据输出的全流程配置,大幅提升智慧楼宇和工业物联网项目的实施效率。

weixin_30368405的博客 433

效率倍增秘籍:程序员不可或缺的5大AI编程助手

以下是五款备受推崇的AI编程工具,它们正改变着我们的编程方式。灵办作为 2024 年最新版的全能助手,不仅能让你体验到人工智能的魅力,还能在任何网页上提供智能对话,协助你完成多种任务

Helloworld11_的博客 2044

营销反作弊之 异常行为分析模型(一),附带python代码

通过对用户行为进行深入的分析,识别出与常规模式不符的异常行为,可以有效检测并阻止虚假广告点击、刷单、点击欺诈等欺诈行为。本文将详细探讨营销反欺诈中异常行为分析的方法,介绍如何通过数据采集、清洗、行为建模与异常检测,准确识别潜在的欺诈行为,并提供 Python 实现代码示例。**监督学习 (Supervised Learning):**在标注数据的帮助下,训练机器学习模型使其能预测未知数据的结果。营销反欺诈异常行为分析的整体流程涉及多个环节,确保通过对用户行为的深入分析,及时识别潜在的欺诈行为。

viviwiky的博客 1231

10 款能几乎取代整个开发团队的 AI 工具

直接问 ChatGPT。如今,你不再需要一个 10 人的团队来构建优秀的产品。AI 并不会完全取代开发者,但它会取代那些不使用 AI 的开发者。学会将工作交给 AI,它就像是一个全天候工作的实习生,完全不需要薪水。但如今,我们已经进入了 2025 年,AI 已经成为独立开发者、个人创客和技术创作者们的无形但强大的合伙人。GitHub Copilot 从写模板代码到建议完整的函数,几乎能完成你代码中的所有想法。今天,带你了解这 10 款 AI 工具,它们正在替代开发者、设计师和测试人员完成大部分繁重的工作。

粉丝们务必加入微信粉丝群 1417

夏令营纪实——东南大学计科院&PALM实验室面试全解析

本文详细解析了东南大学计科院与PALM实验室夏令营的面试全流程,包括前期准备、技术考察、项目经验深挖等关键环节。特别针对自然语言处理(NLP)和机器学习(ML)领域的高频问题提供应对策略,帮助申请者提升面试表现。文章还分享了实用的准备技巧和面试经验,为有意向参加该夏令营的学生提供宝贵参考。

convnet3designer的博客 459

SAP MM 物料描述MAKTX 40个字符不够用的问题处理

SAP物料描述表,长度40个字符一般情况下,40个字符在描述中也够用了,但是要加上规格之类的额外描述就不一定了,特别是对于辅助件-刀具。解决方案一:对maktx增强,换成CHAR80或者CHAR100的,但是风险较大,涉及到好多地方,另外SAP+ 算号器 也不支持。解决方案二:增强字段。内部顾问,建议在 那就在这里加一个字段,具体过程如下:1、创建域2、创建架构3、附加架构4、GUI 设置 5、后台设置6、MASS/MM17字段新增。过程1、创建域 SE112、创建结构 se11 3、MARA附加架构

GAVIN 4732

程序员如何选择和运用AI助手以及选一个免费的AI

下面是一个我用着非常得心应手的AI工具集合。代码补全和提示 - 像GitHub Copilot这样的AI工具可以根据上下文提供代码建议,但程序员仍需要判断建议的准确性和适用性。2. 请按步骤分析我的代码:检查错误,评估思路,审阅注释,分析优缺点,提供改进建议,重新设计优化,并添加详细注释。20. 请检查代码中的依赖管理,评估第三方库的使用是否合理,并提供优化建议。5. 请分析我的思路,指出正确和错误之处,提供修正建议,并给出整体讲解。13. 请分析代码的可扩展性,讨论未来可能的发展方向和需要注意的问题。

qq_51263863的博客 1657

卡尔曼滤波与目标追踪

卡尔曼滤波与目标追踪为什么要学卡尔曼滤波?卡尔曼滤波是什么?一些概率论的知识基础卡尔曼滤波完整推导状态估计计算卡尔曼增益预测和更新 卡尔曼滤波部分我打算分三节(三次博客的内容): 卡尔曼滤波与行人状态估计 扩展卡尔曼滤波(EKF)与传感器融合 过程模型,无损卡尔曼滤波(UKF)与车辆状态轨迹 为什么要学卡尔曼滤波? 卡尔曼滤波以及其扩展算法能够应用于目标状态估计,如果这个目标是行人,那么就是行人状态估计(或者说行人追踪),如果这个目标是自身,那么就是车辆自身的追踪(结合一些地图的先验,GPS等数据的话就

qq_43232556的博客 4176

AI —— 一看就懂的代码助手Copilot获取教程

介绍人工智能代码助手copilot的申请与使用方式。

看了就会暴富的博客! 4971

影楼精修-肤色统一算法解析

本文介绍了影楼精修中肤色统一算法的实现方案,并以像素蛋糕软件为例进行详细分析。肤色统一旨在通过调整人像照片中皮肤区域的颜色,使其看起来更加均匀一致。像素蛋糕软件提供了AI肤色统一和传统肤色统一两种功能,分别适用于不同需求。传统肤色统一算法通过皮肤分割、人脸检测、亮度统一和颜色统一等步骤,实现了对皮肤区域的精细调整。文章还提供了亮度统一的核心代码,并对比了传统算法与AI算法的效果,指出AI算法在自然度和亮度矫正方面表现更优。整体而言,本文为影楼精修中的肤色统一提供了实用的技术参考。

Trent1985的专栏 2070

TurboQuant: Online Vector Quantization with Near-optimal Distortion Rate

这篇被 ICLR 2026 接收的论文提出了一种名为TurboQuant的全新在线向量量化(Vector Quantization, VQ)算法。该研究的核心目标是解决大语言模型(LLM)在长上下文推理时面临的 KV Cache 显存消耗瓶颈,以及大规模向量数据库在近似最近邻检索中的存储与延迟问题。有别于现有技术,TurboQuant 是一种无需任何校准数据、无需训练的在线算法(Data-oblivious)。

c_cpp_csharp的专栏 121

程序员都应该了解的7款AI 工具

AI不知不觉地影响着我们的生活,作为开发者,为了应对这种变革,我们也不得不跟上步伐。

AAI666666的博客 8216

构建基于知识图谱的金融风险关联网络

在金融领域,风险的识别和管理至关重要。传统的风险分析方法往往只能处理单一维度的数据,难以全面捕捉金融市场中复杂的风险关联关系。构建基于知识图谱的金融风险关联网络的目的在于整合多源异构的金融数据,通过知识图谱的方式清晰地展示金融实体之间的复杂关系,从而更准确地识别潜在的金融风险,为金融机构的风险管理决策提供有力支持。本项目的范围涵盖了从金融数据的收集、预处理,到知识图谱的构建,再到金融风险关联网络的搭建和分析。

SuperAGI2025 1421

2025 年 AI 开发工具 TOP 榜:程序员摸鱼赶工都靠它

在代码审查环节,飞算 JavaAI 开发助手可智能检测代码中的潜在问题,包括性能瓶颈、安全漏洞、代码规范不符合等,提供详细的修改建议和优化方案,帮助开发者提升代码质量。同时,它还具备智能代码补全功能,能根据上下文和开发者的输入习惯,提供高匹配度的代码片段,减少重复输入,显著提高 Java 开发效率,尤其适合 Java 项目的快速迭代与大规模开发。此外,它还有强大的 Bug 诊断能力,能自动分析错误信息,定位根源并提供修复方案,结合自然语言代码搜索功能,让查找和理解代码更轻松。

CalEx_Tech的博客 1083

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

智能编程新纪元:腾讯AI代码助手的高效编程体验

总结下来,我相信随着技术的不断进步,腾讯Al代码助手将更加智能,能够理解复杂的情感和语境,提供更加精准和个性化的服务。同时腾讯云AI代码助手是一款极其高效的编程工具,借助于它的智能功能,能够为程序员带来极大的便利和编程上的帮助,我认为,在未来的一天,这款AI自能工具将会成为更多程序员的辅助工具,便利于更多、更广阔的用户群体。腾讯云AI 官网链接在线体验链接别等了,现在就来体验腾讯云AI编程助手的便利功能吧,让智能技术为你我的成长之路上提供强大助力。

smile_sundays的博客 1万+

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

盘点3款AI编程助手,开发效率翻倍

虽然 AI 写代码已经很强了,但有多少同学能真正用好它?今日分享,就给大家展示下如何应用 AI 编程助手,提高开发效率。

u010522887的专栏 3899

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

探索人工智能助手在软件开发中的应用

AI助手在软件开发中的应用潜力巨大。通过学习如何构建有效的提示,我们可以开启AI助手的无限潜力,让它成为我们工作中的得力助手。Prompt是解锁这一潜力的关键,值得我们每一个人深入学习和实践。如果你有任何反馈或建议,请随时与我分享。让我们一起在技术的道路上不断前行,创造更多的可能。

码途探索 773

Cursor:程序员的AI助手,开启智能编程新时代

无论你需要的是复杂的算法实现,还是简单的前端组件,只需几句话的描述,Cursor 就能为你生成相应的代码,大大减少了手动编码的时间。无论是变量名、函数,还是复杂的代码结构,Cursor 都能预测并提供适当的补全选项,减少输入错误并加快编码速度。无论你是前端开发、后端开发,还是全栈工程师,Cursor 都能够符合你的需求,成为你开发过程中的得力助手。无论你是经验丰富的资深程序员,还是刚刚踏入编程世界的新手,Cursor 都能为你带来前所未有的编程体验。或者,使用 Ctrl K 生成新代码,而不选择任何内容。

m0_59328104的博客 699

视频隐私脱敏工程化:CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中,动态遮挡(Dynamic Masking)是高频且高耗时的环节。传统手动关键帧打码不仅效率低下,且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度,解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 352

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 280

AI Agent之核心框架

A: 显式 Thought 有三类价值:可解释性(便于人类审计)、可调试性(定位哪一步选错工具)、学习信号(可做监督微调或评估中间步骤质量)。ReAct 把推理与 可执行行动 绑定,每一步行动后都有 真实 Observation 反馈,从而用工具结果约束生成,降低闭卷幻觉。做完不等于结束——还要 评估做得好不好,把 教训 记下来,下次 带着教训重试,反思作为 记忆,影响后续尝试的策略。工作流程:Action → Evaluation → Reflection → Retry。A: 普通 CoT 只在。

剑雨巍巍的博客 254

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 191

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 563

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 619

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 160

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 294
上一篇: 智能体开发,这家巨头已经悄悄领先了(含手把手搭建教程)!
下一篇: 从这3个项目,看到了国内程序员和国外的巨大差距!
码农翻身
码农翻身 《码农翻身》作者 《码农翻身》作者
博客等级 码龄8年 3万+粉丝 1084原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值