为什么AI不会夺去软件工程师的工作？

▼

自从AI大模型爆火以来，我每天的工作中，已经有大量的真实代码是通过AI完成的。人工智能辅助下的编程，确实大幅减轻了我的工作负担，大大提高了生产力。

大语言模型是如此成功，以至于无可避免地在开发者社区中引起了各种猜测，其中特别让人关心的莫过于：

人工智能是否能够彻底改变我们的行业？程序员的工作是否会彻底被人工智能所代替？

我的观点是：

我们的行业将被大模型彻底改变，这毋庸置疑。但是，它只会让真正的软件工程师更加高效，而不是会取代工程师的工作。

这不是盲目自信。这个观点来自于一个更为本质的原则。这就是本文我们想讨论的真正的主题：

软件工程师的工作不是写代码，而是探索与发现。

01 软件工程师的工作不是写代码

很多软件工程师都戏称自己是“码农”， 这不难理解，毕竟代码才是我们真正的工作制品，可以工作的功能通过代码得以表达和体现，脱离了代码，文档等等都并不能真正的表达软件的价值。但是，需要注意的是：软件开发绝不仅仅是编码，编码其实是软件开发中的次要部分。它不过是“开发”活动的最终表达。软件开发的核心，就如同它的名字所表达那样，是“开发”，是从无到有的过程，是持续地探索和发现。

我们的开发工作中，有一半以上的时间，是用来探索我们原本不知道的东西，只有不到一半的时间，是去完成实际的“建造”——无论这个建造指的是文档还是代码。

探索和发现包含哪些事情呢？随便列举一些：

• 理解真实的业务目标

• 思考能满足业务目标的产品方案

• 理解用户需求中模糊的细节

• 思考架构设计的方案

• 理解既有代码中已经实现了哪些功能，有哪些可复用的资产，有哪些约束和陷阱

• 学习不熟悉的技术框架以及它们的特性

• …

上面的这些事情， 都是探索起来非常费力，但是一旦弄明白就很容易做的事情。这也很类似于缺陷修复中常见的场景：定位3小时，修复10分钟。

下面的图表达了软件开发中的核心内容：

软件开发有3个核心问题：

1. 弄清楚解决什么问题

2. 设计出合理的解决方案

3. 把它构建出来并交付使用

上图的横轴代表时间，纵轴代表知识，我们在整个的开发过程中，关键问题是知识的增长，也就是“探索和发现”。在上述3点中，前两点都是“探索与发现”，只有第3点，是“建造”。这也是当前的人工智能模型最擅长的地方，也是很可能成为工作主体的地方。前两点，大语言模型能够很有帮助，但是它更多还是辅助角色，成不了主体。

02 最大化探索和发现的效率

大家都在讲研发的提效。真正的提效，不是“建造”的速度有多快，而是在探索与发现上，节省了多少时间。用下图来表示：

---

上方的曲线和下方的曲线代表来完全不同的两类组织。第一类组织，在项目早期就快速定位了各种问题，从而降低了项目的开发周期，提升了开发质量。第二类组织，往往在项目早期风平浪静，一切看起来都很正常，直到开始进入集成测试甚至是临近上线阶段，问题大量爆发，项目延期，开发团队和客户都叫苦不迭。

---

我们肯定都希望能形成第一类组织，而不是第二类组织。但是现实的情况恰恰相反，第二类组织仍然是当前的主流。 只要看一下下面的漫画在现实中的普及程度，就知道现状究竟如何了：

---

最大化探索和发现的效率，是研发效能提升的关键。

03 大模型能帮我们做什么？

我们已经看到了很多通过大模型支持软件编码的工作。这属于软件工程中的“建造”部分。但是，没有好的设计能力，“建造”并不靠谱。

---

在软件工程的历史上， “设计”和“建造”的关系，我们是走过弯路的。在敏捷运动之前，软件工程专家们根据建筑业中的“设计”和“建造”是分离的，就认为软件中的“设计”和“建造”也是可以分离的。这个认知是完全错误的。

为什么建筑行业更多的时候可以区分“设计”和“建造”，而软件几乎完全不可能？ 这里有两个根本原因：

• 软件的复杂性远远超出一般的人类制品。

• 软件价值本质上来自创新，而不是生产。

这个话题很宏大，我们不在这里展开，仅仅简单描述。 建筑也很复杂，但是大多数情况下的建筑，都有较为成熟的样本，但是它必须被一次次的生产，才能带来价值。你买了一套房子，所购买的是物质的房子，而不是作为信息的设计师图纸。但是软件不同。软件本身就是信息，本质上软件的生产过程，是信息生产过程。如果收走了“编码”，就好比一个作曲家没有乐器，一个烹饪专家没有烹调过程来检验菜品设计的效果一样——它减缓的是学习过程和迭代速度。

敏捷运动更加强调了代码的价值，这是非常正确的。但是，不可否认，编码还是一个非常琐碎的活动。

编码对于设计师的价值不在于编码活动本身，而是编码带来的学习过程。

那么，究竟有没有办法，在享有编码带来的反馈和学习的同时，可以降低在编码活动上的投入呢？ 人工智能辅助编程之前，我认为没有这个可能性，但是，今天， 这件事已经是完全可能的了：

---

让人工智能完成大多数的编码工作，提升学习和反馈速度，让软件工程师成为真正的软件工程师，而不是软件建造师。

04 让你的能力和大模型相匹配

能把程序员从“编程”的具体活动中解放出来是一件好事情。但是，它也提出了新的要求。过去，如果我们对编程框架、语言都比较熟悉，本身就具备了价值。但是，今天这种价值，是很容易被人工智能取代的。

如何最大化探索和发现的能力？ 大模型具备的知识其实比我们每个人能掌握的都多得多，但是，大模型不具备我们要解决的特定问题的上下文，它的能力能发挥多少，取决于使用大模型的那个人的能力。

今天的程序员，应该升级我们的技术栈，这包括了如何高质量的分析需求、如何掌握软件设计的原理，如何更快的理解和学习技术框架等等，同时，也需要理解如何更好的和大模型沟通。

所以，真正的软件工程师不会失业，也不会蜕变为“提示工程师”。 它还是它原来的意思，“工程师”——只不过有了大模型的助力，这种探索和发现会更加高效和重要。

​

如何学习AI大模型？

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。