别神话AI Coding了

寂静回声

4 月，Lovable推出“可视化编辑”功能，允许用户通过可视化界面修改 AI 生成的界面；5 月起，Anysphere 逐步让 Cursor 脱离 IDE，推出“后台代理”，支持 Slack 集成，并可通过移动或 Web 浏览器发送自然语言指令，实现功能开发或修 bug。
AI Coding 类产品，在演进的第一阶段，已经完成了对专业开发者的提效；但在第二阶段，服务于“公民开发者”时，情况发生了变化。
项目管理协会 (PMI) 将“公民开发者”定义为：无需编码知识即可构建应用程序的人，全称是：Citizen Development，简称 CD。
企业需要在不增加成本的情况下，加快交付速度，这里最优的解决方案就是培养“公民开发者”，只需要 IT 提供支持，“公民开发者”就可缓解企业 IT 团队的沉重压力，在 GenAI 能力成熟后，“公民开发者”群体的兴起几乎已是既定事实。
然而“公民开发者”不懂代码，因此 AI Coding 产品正试图让自己变得更“亲民”，尽量减少人与 AI 交互过程中的“代码含量”。

但是企业开发往往是团队作战，很多问题并非技术能解决的，而是人的问题。例如，前端的业务需求变化和后端技术实现如何高效对齐；各个部门之间的数据、业务系统如何打通；数据安全如何保证；有限的项目预算和客户预期如何平衡等等。任何一个环节出错，都可能给企业造成大量损失。
对于这些问题，现有的 AI Coding 产品仍有诸多“不稳定因素”。
DevOps 在 6 月 19 日发布的报告中指出，尽管许多 AI 工具可以生成源代码，但它们很少考虑应用程序的设计和架构，或者架构组件之间的关系；无法像人类开发者那样，在生成代码时充分考虑可维护性、可重用性、可扩展性和性能；此外，AI 生成的代码通常不安全且包含错误。而早在 2022 年，斯坦福大学就有研究表明，相当一部分人工智能生成的代码包含安全漏洞，这对企业来说更为致命。

企业为“公民开发者”提供的 IT 支持方案，应该是 Code + GenAI 吗？无论是代码完成、编程任务还是项目的一些自动化，包括 Cursor、Github Copilot 等在内的很多工具已经可以大幅度提升代码编码效率，甚至重塑开发者的工作流程。未来，“生成、确认和验证”成为新常态，即“AI 生成 80% 的内容，人来完成 20% 的确认和验证工作”。
可就是这 20% 的确认和验证，实际上需要相当强的专业能力。我们先来看看市面上 AI Coding 类产品的定位和分类。
针对面向的是专业开发者还是公民开发者，以及从软件工程智能化程度两个维度，目前的市面上的产品，当然很多还不能称为产品只能说是实验品，大体可以分到四个维度。目前比较成熟的也比较热的是左下象限，即面向专业开发者的 Copilot 型的 AI Coding 工具，Anysphere 的 Cursor、Codeium 的 Windsurf 以及微软的 Github Copilot 是典型代表，它们可以完成包括代码完成、编程任务以及项目自动化等任务，大大提升了跟代码相关的很多任务的效率和质量。但在企业级应用软件定制交付中，如果我们仍然用编码的形式去完成定制任务，那么，下面这些问题仍然是巨大的挑战：

复杂业务逻辑的实现：大模型并不能完成诸如多系统集成、强合规性和类似物联对接等私有场景的一些编码任务，这在定制中是最常见的。
数据安全和合规风险：敏感业务数据输入公有的 AI 模型可能泄漏隐私，此前就有报道称，用户使用 Loveable 开发的 web 应用中，超过 10% 有安全问题。
问题修改和缺陷修复：如果代码有问题要去修改问题，可能需要去理解生成的完整代码，或者要去关注到散落在各处的代码相关性。
需求的歧义和幻觉：需求歧义会导致生成功能偏差，模型幻觉也会导致结果答非所问。
企业的规则和最佳实践：如果我们需要定制代码能够遵循企业自己的一些规则，或者能够习得历史的最佳实践，我们需要给大模型很多对齐的工作，大部分 AI Coding 工具甚至不支持这些功能。
在企业中，“可信性大于创造性，凡是不能被验证的，就是不能被使用的”。从这个意义上来说，这类 AI Coding 工具仍然是软件工程人员最好的工具，需要人和工具协同来提升效率，短期内很难完全取代编码人员了，或者将软件定制交付的效率提升数倍、乃至数十倍。

另外，在真实的企业场景中，企业应用软件成功开发只是第一步，要让这个软件丝滑融入企业的业务流程，解决客户问题，还需要大量琐碎的需求沟通、代码检视、代码修改、部署、运维、文档撰写和维护等工作，这是个“软件工程”问题，传统意义上，是一个需要产品经理、架构师、开发人员、测试人员以及运维人员的一个混合团队才能完成的事情。
因此，已经有业界头部的 AI Coding 企业开始探索新尝试。例如，Loveable 就在近期发布了可视化设计器。此外，业内也出现了类似 Devin 这种覆盖软件工程更多领域的、更自动化的工具。只是，这些工具大部分还处于实验阶段，还不能真正用于大型企业的商业化应用软件交付中。