
人工智能助力高弹性应用程序开发
无论是相互竞争还是相互补充,都有很好的方法将氛围编码(vibe coding)和规范驱动开发(spec-driven development,SDD)这两种基于人工智能的方法融入到开发高弹性应用程序中。DevOps 团队利用人工智能来开发应用程序的所有代码,关于在不同用例中应采用哪种方法,有很多讨论,并且有许多功能和体验各异的平台可供选择。
一些专家质疑人工智能能否开发出可靠、可维护的应用程序,而另一些人则认为,在某些时候,人工智能可以主导端到端的软件开发过程。但 IT 组织面临的一个确定情况是,对应用程序、集成和分析的需求超过了敏捷团队和 DevOps 工程师的供应。再加上企业需要优先解决应用程序安全漏洞、将应用程序迁移到云端以及处理技术债务等问题,这就导致在确定工作优先级和提高软件开发生命周期效率方面面临艰难抉择。
甚至在人工智能代码生成器出现之前,IT 领导者就一直在寻求提高开发人员生产力的方法。像 4GL、低代码/无代码和可配置 SaaS 这样的平台帮助 IT 部门开发更多应用程序,降低发布增强功能所需的开发人员技能要求,并提高软件质量。这些工具使 IT 部门能够开发出通过 Java、.NET 和其他编程语言难以轻松或低成本构建的各类应用程序、分析和集成。
Domo 的首席设计官兼未来学家 Chris Willis 表示:“长期以来,软件一直被视为基础设施:经久耐用、难以更改且替换成本高昂。但这种模式正逐渐被一种未来模式所取代,未来会有更多小型、快速构建且专为解决特定问题而设计的应用程序。”
1. 代码生成、氛围编码还是编写规范?
生成式人工智能(GenAI)模型是软件开发的下一波加速器。最初的工具是用于编码辅助的副驾驶工具,随后出现了用于生成代码片段的大语言模型(LLM)。有人曾使用代码生成工具来开发正则表达式、从网页中提取信息以及对数据进行分类,作为应用程序迁移的步骤。它们生成的代码是自己没有时间或技能去开发的,但仍然需要大量工作来修复缺陷和解决集成问题。
现在正处于人工智能软件开发的第二代阶段,有 Amazon Q Developer、Appian AI - Assisted Development、Bolt、Claude Code、Cline、Cursor、Gemini Code Assist、GitHub Copilot、Kiro、Lovable、OpenAI Codex、Pave 和 Replit 等平台。所有这些平台都能生成代码,但它们提供不同的开发体验,用于处理不同范围的工作。它们可以分为三类:
- 代码生成工具:根据工程师的请求编写代码,增强开发人员的体验,并且通常集成到现有的开发工具中。
- 氛围编码:通过基于迭代提示的体验生成原型、功能和可投入生产的应用程序。
- 规范驱动开发(SDD):在生成应用程序之前创建一个中间步骤,允许开发团队通过提示迭代地确定产品需求并编写其他设计文档,然后根据这些文档生成代码。
如果你正在开发新的 API、重构现有代码、增强工作流或构建新功能,那么代码生成器可能就足够了。开发人员的工作从编写代码转变为表达需要编写的代码、需求、开发平台和其他非功能性验收标准。但如果你想开发新的应用程序、集成、数据管道或强大的 Web 服务呢?接下来将探讨开发团队如何使用氛围编码和规范驱动开发平台来构建和支持应用程序。
2. 氛围编码的优势
氛围编码体验使开发人员能够提出他们想要构建的内容,并观察人工智能生成代码的过程。像 Bolt、Lovable 和 Replit 这样的氛围编码平台可以从单个提示开始开发,但当开发人员进入规划模式时,它们会展示出更多功能。在规划过程中,氛围编码平台可能会重复它所理解的需求,提出问题以进一步明确需求,并在需求未明确时提供选项。从这些平台中获得的“氛围”是,它们希望帮助开发人员快速将想法转化为可运行的应用程序。开发人员随后可以提示平台完善需求并请求更改。而且不仅仅是开发人员,企业所有者、非技术型初创公司创始人以及其他普通开发人员也在进行氛围编码,不过他们必须学习安全最佳实践。
Vultr 解决方案工程副总裁 Duncan Ng 表示:“氛围编码使组织内的团队能够创建最小可行产品或小型工具,从而大大提高他们的生产力。例如,从你想展示给潜在消费者以获取产品市场契合度反馈的概念验证,到可以简化以提高效率和速度的繁琐流程。”
3. 氛围编码能否用于生产?
概念验证(POC)或最小可行产品可能是开发人员所需要的全部,但有些人质疑通过氛围编码开发的应用程序是否适合投入生产。Genpact 副总裁兼人工智能实践负责人 Rajesh Padmakumaran 表示:“氛围编码加速了概念验证、快速实验和创意探索,但它缺乏确定性,从根本上不适合需要长期维护、扩展或支持的系统。”这种负面看法不仅针对氛围编码,也针对一般的人工智能生成代码。低代码和无代码平台在早期也面临着围绕安全、架构、性能和运营弹性的类似担忧。成功的平台供应商通过透明度建立了信任,IT 部门也了解了扩展低代码和无代码开发所需的支撑、流程和文档。氛围编码平台可能也会经历类似的转变。
Algolia 首席生态系统官 Piyush Patel 表示:“氛围编码加速了实验,但如果没有明确的架构约束、可观测性和性能护栏,它会引入可变性,从而破坏 DevOps 和 IT 运营中的下游系统。首席信息官(CIO)应该将氛围编码视为前端加速器,同时将系统锚定在明确定义的规范上,这些规范作为人类和人工智能的‘提示层’。”
4. 从需求开始
另一种使用人工智能开发应用程序的方法是规范驱动开发。与直接使用提示来引导人工智能进行应用程序开发不同,SDD 平台将流程前置,帮助工程师记录需求。然后,SDD 平台根据这些需求开发应用程序。
AWS 代理人工智能高级首席工程师 David Yanacek 表示:“规范驱动开发注重结构和责任。你需要花时间讨论你想要的东西以及理想的状态是什么样的,然后它会给出需求、技术设计和开发任务的分解。”Yanacek 是 AWS Kiro 开发团队的顾问。就像非人工智能开发项目从设计、产品需求文档和敏捷用户故事开始一样,SDD 强调在开始编码之前,业务和技术利益相关者之间进行协作的必要性。两个成功的用例是一个药物发现人工智能代理在三周内部署到生产环境,以及一家科技公司加速了云迁移。
Yanacek 补充道:“创建这些文档可以让人工智能专注于高质量的输出,这样我就可以回过头来验证它是否完成了我要求的任务。例如,设计文档详细描述了系统的行为,包括代码片段和数据库架构。当你完全明确系统或功能应该如何运行时,代理可以生成更多更好的测试来验证其输出。”
SDD 在 DevOps 团队中越来越受欢迎,这些团队认识到与利益相关者就功能和非功能需求进行协作的重要性。Fastly 开发者营销高级总监 Austin Spires 表示:“规范驱动开发是氛围编码的自然成熟和演变,团队可以充分利用其代理的上下文窗口。规范驱动的氛围编码迫使工程师和团队比早期的氛围编码有更清晰的愿景、更明确的需求和更强的写作能力。”
New Relic 首席技术策略师 Nic Benders 补充道:“生产软件不是从编码开始的,而是从思考问题、明确需求并与团队沟通开始的。规范驱动开发为这种思考和写作赋予了一个名称,但借助了人工智能工具。”
5. 竞争还是互补?
SDD 和氛围编码是相互竞争的方法吗?企业会支持两种不同的方法吗?还是 SDD 是氛围编码体验的演变?
Cloudways by DigitalOcean 工程高级总监 Ayaz Ahmed Khan 表示:“氛围编码和规范驱动开发不是相互竞争的方法,而是互补的方法,在开发生命周期中各有独特的作用。使用氛围编码进行探索和原型设计,使用基于人工智能的规范驱动开发来完善和交付产品。成功利用生成式人工智能的团队是那些通过持续反馈来精心引导它,以构建可投入生产的软件的团队。”
其他人则认为,氛围编码和 SDD 将继续满足不同的业务需求和实施策略。Tiugo Technologies 首席技术官 Wiktor Walc 表示:“氛围编码,特别是与强大的代理系统结合使用时,对于面向用户的原型(如内部工具或首次概念验证)能提供极高的速度,因为在这些场景中,缺陷的影响范围较小。但当你处理大型生产环境、分布式状态或事务完整性时,你会从服务之间基于规范的契约中受益——这不是因为当前的模型无法处理复杂系统,而是因为目前没有代理工作流能提供生产关键基础设施所需的确定性正确性保证。”
6. 关注弹性发布
规划和编码只是构建和支持应用程序的两个步骤。在软件开发生命周期中,还有其他使用人工智能开发人工智能代理的机会,包括构建可观测性、集成模型上下文协议服务器和进行强大的人工智能代理测试。
一流的 IT 部门需要考虑氛围编码和 SDD 如何推动业务价值、创新和可靠性,而不仅仅是改进应用程序交付的编码方面。人工智能在多大程度上能够开发出满足业务需求并提供卓越用户体验的解决方案?
Pegasystems 首席技术官兼营销与技术战略副总裁 Don Schuerman 表示:“氛围编码和 SDD 都假设业务和 IT 利益相关者已经就正确的需求达成了一致,尤其是当企业希望重新构想和重新设计其许多核心工作流程以利用人工智能时。人工智能的真正机会不仅仅是加速代码编写,而是提供一个协作平台,让业务和 IT 团队可以共同为真正重新构想的应用程序生成设计和需求。”
如今,人们对人工智能如何加速应用程序开发和提高开发人员生产力感到兴奋。但人工智能开发的应用程序的部署过程和运行基础设施又如何呢?一个新兴趋势是人工智能应用程序开发平台与云部署基础设施和业务流程自动化服务捆绑在一起。Appian 的 AI - Assisted Development 通过其业务界面 Appian Composer 和 Claude、Codex、Kiro 等开发工具支持规范驱动开发。Pave 是一个氛围编码平台,它部署在与 Quickbase 相同的安全基础设施上,并利用其治理功能。这两个例子说明了低代码开发和流程管理平台如何演变以融入人工智能能力。
专家提醒 IT 领导者,无论你采用编码、氛围编码还是 SDD,重点都应该是交付高弹性的应用程序。Saritasa 开发总监 Sergei Kondratov 表示:“重点应该放在工程规范和系统设计上,而不是让氛围编码和规范驱动开发相互对立。如今,任何人工智能辅助开发的成功都取决于任务的分解和控制情况。如果做得不好,两种方法都会失败。”
其他专家指出,人工智能生成代码的质量以及维护人工智能开发应用程序的难易程度仍是有待解决的问题。Anyscale 现场首席技术官 Christian Stano 表示:“规范驱动开发使团队朝着正确的业务和技术成果前进,而人工智能编码则提高了速度。重要的是生产软件实际交付的接口,在这个接口上,重点应该解决真正的瓶颈:审查流程、基础设施和护栏能否跟上步伐。关键指标不仅仅是速度,还包括团队在不牺牲可靠性或积累隐藏技术债务的情况下是否实现了加速。”
Dataiku 575 实验室主任 Hannes Hapke 补充道:“虽然氛围编码可以缩短首次演示的时间,但人们对债务、安全和可审计性存在重大担忧。规范驱动开发保持了规范性,但增加了额外的工作量,关键机会在于将两者结合起来。CIO 需要通过发布时间、缺陷率、重构频率和开发人员满意度来衡量影响,而不仅仅是速度。”
毫无疑问,氛围编码和 SDD 将会不断发展,而且很有可能这两种实践会融合成一个通用的人工智能编码环境。例如,GitHub 的 Spec Kit 与 GitHub Copilot、Claude Code 和 Gemini CLI 配合使用,将规范编写作为氛围编码和代码生成的前提条件。随着人工智能开发能力的提高,IT 部门需要考虑如何改进端到端的开发过程,并确保新能力不仅仅是提高速度和生产力。



被折叠的 条评论
为什么被折叠?



