
自主智能体 AI 带来的期待
自主智能体 AI 让编写代码变得轻而易举,有理由期待它改善开发人员工作中剩余 60% 到 70% 的部分。图片来源:Greg Lobinski
SDLC 与自主智能体编码的改变
在软件工程入门课程第一天就了解 SDLC(软件开发生命周期),开发高质量软件不止编写代码并部署到生产环境这么简单。对 SDLC 全方位研究后,清楚时间花费环节和方式。编码是 SDLC 中有趣部分,占进度表最大时间,但自主智能体编码改变了这一切。
探讨下游工作影响
今年早些时候曾写过编写代码不再是瓶颈时对编码上游环节的影响,现在探讨智能体负责编写代码后对开发人员下游工作的影响,即代码编写完成后会发生什么。
编码下游环节
甚至在自主智能体编码出现之前,开发人员花在读代码和维护代码上的时间就远超编写代码时间。维护代码和支持产品是项目生命周期主要成本。既然瓶颈从编码过程转移,就会寻找在代码编写完成后下游环节应用 AI 智能体的方法。所以,就像自主智能体 AI 让编写代码变轻松一样,也可期待它改善工作中剩余 60% 到 70% 的部分。
代码维护是真正挑战。常见情况是收到客户关于问题的模糊报告和大量日志,不得不深入理解复杂情况。应用程序有数百个设置和选项,潜在代码路径几乎无穷无尽。可能有客户数据库副本及精确设置,也可能只知道特定设置;可能复现问题,也可能不能。情况往往模糊又令人困惑。
这正是智能体发挥作用之处。通常大量日志是难题,普通人无法筛选强大日志记录工具生成的数千条条目,但 Claude Code 能愉快处理并迅速找出问题所在,“迅速”通常指几分钟甚至几秒钟。
下一个瓶颈
Resolve AI(专门开发用于解决生产问题的智能体工具的公司)首席执行官 Spiros Xanthos 表示:“真正的机会在于专门设计的 AI,它能够承担更多生产过程中的认知负担……如果能做好这一点,开发人员就可以减少手动拼凑问题原因的时间,而将更多时间用于构建和改进他们负责的系统。”
处理生产问题对人类和智能体而言都比编写代码更具挑战性。智能体有庞大上下文信息和无限耐心,人类却没有。代码是有边界系统,智能体可在大量展示各种编码技术的数据上训练。而生产环境,如 Xanthos 所说,实际上无边界,变化极大,对每个产品和每家公司都是独特、动态的系统。
应该始终关注最紧迫的瓶颈,然后转向下一个。已经解决编码瓶颈,现在需将注意力转向下一个——解决生产问题。这是开发人员工作中不可小觑的一部分,所以 AI 智能体比人类做得更好,也就不足为奇了。
软件开发、生成式 AI、人工智能
相关领域涵盖软件开发、生成式 AI、人工智能。
330



被折叠的 条评论
为什么被折叠?



