2024 年 AI輔助研發(fā)趨勢：全面探索、規模試點(diǎn)、領(lǐng)域特定智能生成
從 2024 年的視角回顧，與 2023 年相比，AI 在軟件工程中的應用已經(jīng)變得更加廣泛和深入。這一趨勢體現在A(yíng)I編程工具的進(jìn)化上，主要體現在以下幾個(gè)方面：
全面探索：從輔助開(kāi)發(fā)人員到全生命周期
演進(jìn)路徑：個(gè)體、團隊、組織
形態(tài)變化：從本地 AI IDE 到領(lǐng)域特定的智能代碼生成
站在全球來(lái)看，在不同的國家、區域人們的關(guān)注點(diǎn)是不一樣的，比如在中國，人們更關(guān)注于如何提高軟件工程師的工作效率，而在其它一些區域，人們更關(guān)注于如何 提高軟件工程的質(zhì)量、如何輔助進(jìn)行遺留系統的遷移。除了各自所處的數字化階段、水平不同，還存在一些技術(shù)人才數量、質(zhì)量、分布等方面的差異。
全面探索：從輔助開(kāi)發(fā)人員到全生命周期
AI 技術(shù)已經(jīng)從簡(jiǎn)單的輔助開(kāi)發(fā)人員發(fā)展到涵蓋軟件開(kāi)發(fā)的整個(gè)生命周期。在這一過(guò)程中，AI 工具的應用范圍不斷擴展，從需求分析到運維管理，每個(gè)階段都得到了顯著(zhù)提升。
單工具 Copilot
下圖是，Thoughtworks 在 2023 年初對 AI 輔助軟件工程的流程分析，即在軟件開(kāi)發(fā)的不同階段，AI 可以提供哪些輔助功能：
AI DevOps 流程
從 2022 年 GitHub Copilot 的發(fā)布，我們可以看到越來(lái)越多的 AI 工具開(kāi)始涉足到軟件開(kāi)發(fā)的不同階段。
需求階段的 Jira/Atlassian Intelligence
原型設計的Vercel V0
編碼階段的 GitHub Copilot
運維階段的Dynatrace Davis AI
就 2023 年的結論而言，基于人工智能的工具與基礎大語(yǔ)言模型可以增強軟件開(kāi)發(fā)在設計、 需求、測試、發(fā)布和運維等各個(gè)環(huán)節中的能力，提高質(zhì)量和效率。但是，這些工具往往是破碎、割裂的，還可能并不適合我們現有的研發(fā)流程。
AI 原生的研發(fā)工具
在市場(chǎng)上，我們也可以看到市面上的主流研發(fā)工具，如 JetBrains、GitHub（網(wǎng)站）等，都在逐漸加入 AI 功能，使得 AI 功能逐漸融入到我們的日常工作中。
AI Native 工具
在 IntelliJ IDEA 中，我們可以看到 AI 功能的加入，如：
原生的向量化模型
基于語(yǔ)義化搜索（SearchEverywhere）
結合補全統計的機器學(xué)習補全插件：Machine Learning Code Completion
適用于單個(gè)代碼行的 Full Line Code Completion
等等
而除了 GitHub Copilot 工具本身，其也開(kāi)放了其插件能力，使得我們可以定義自己的 AI 智能體，以適應我們自己的工作流程：Chat extensions
多階段協(xié)同
在 2024 年，我們可以更多的變化，諸如：
在智能運維領(lǐng)域，AI 可以結合判別性 AI 分析日志，生成式 AI 分析原因，再結合智能體跟據運行錯誤，自動(dòng)修代碼復問(wèn)題等
在測試領(lǐng)域，AI 除了輔助進(jìn)行測試用例的生成，還可以生成對應的單元測試代碼，甚至是自動(dòng)化測試代碼。
在 UI 設計領(lǐng)域，AI 可以直接生成對應的代碼，基于提示詞來(lái)修改 UI，所生成的是最終的 UI 代碼，而不是設計稿。
如下是 Dynatrace 的 Davis AI 示例：
hypermodal AI
Dynatrace 的 Hypermodal AI（超模態(tài)人工智能），是一種將多種類(lèi)型的人工智能整合在一起，以增強可觀(guān)察性和安全解決方案的高級方法。這個(gè)概念結合了三種不同的AI模式：
預測AI：使用歷史數據和觀(guān)察到的模式來(lái)預測未來(lái)的行為和需求。這對于在問(wèn)題發(fā)生之前預見(jiàn)并防止潛在問(wèn)題至關(guān)重要。
因果AI：專(zhuān)注于實(shí)時(shí)分析富有上下文的數據，以確定問(wèn)題的根本原因并自動(dòng)化風(fēng)險緩解。這種類(lèi)型的AI通過(guò)理解系統內的依賴(lài)關(guān)系和交互，提供精確的答案。
生成AI：利用高級算法來(lái)創(chuàng )建針對特定問(wèn)題的建議和解決方案。通過(guò)提供上下文相關(guān)的建議和使用自然語(yǔ)言處理自動(dòng)化任務(wù)，這種AI增強了用戶(hù)互動(dòng)。
通過(guò)融合這些AI功能，超模態(tài)AI為管理復雜的軟件環(huán)境提供了更全面和有效的解決方案。Dynatrace 的 Davis AI 平臺通過(guò)整合預測 AI、因果 AI 和生成 AI， 提供實(shí)時(shí)洞察、自動(dòng)化和增強的數字服務(wù)安全性。
諸如此類(lèi)的變化，使得 AI 所能輔助的范圍更加廣泛，從而使得 AI 在軟件工程中的應用更加全面。
演進(jìn)路徑：個(gè)體、團隊、組織
從企業(yè)采用 AI 的路徑來(lái)看，我們會(huì )發(fā)現：越來(lái)越多的組織開(kāi)始探索在組織層面使用 AI 輔助整體軟件研發(fā)。因而，AI 輔助研發(fā)組織的技術(shù)藍圖便也逐漸清晰起來(lái)：
AI for Org
從形態(tài)上可以分為：帶擴展能力的 IDE 插件、團隊 AI 助手、 結合 AI 的內部 IM，以及作為基礎能力的 Chatbot。
個(gè)體輔助 IDE 插件示例：AutoDev
AI 編程工具應該怎么設計才能提效？在當前來(lái)說(shuō)，國內的環(huán)境下，由于我們的目標是實(shí)現可見(jiàn)的效率提升，即要通過(guò)可度量的指標。因而，可以看到一些明顯 的變化：
代碼補全與生成是最容易度量的指標，并且市面上也以此類(lèi)為主。
在不同環(huán)節，從時(shí)間角度來(lái)計算，如代碼審查、代碼測試等。
結合代碼的問(wèn)答，以減少工具切換、復制粘貼，提高效率。
如下是我們開(kāi)源的 IDE 插件 AutoDev 的能力全景圖：
AutoDev 能力全景
由于過(guò)去的 AI 編程工具主要面向的是個(gè)體開(kāi)發(fā)者，而隨著(zhù)探索進(jìn)入一些深入區，以及實(shí)踐的不斷推進(jìn)。所以，在結合組織能力的情況下，我們可以看到：
多樣的 AI 工具正在融入自己的開(kāi)發(fā)流程中
AI 工具開(kāi)始融入內部的一系列規范
不斷結合內部知識庫，提升內容生成的質(zhì)量
開(kāi)始構建自己的場(chǎng)景化能力
故而，我們將其總結為，從個(gè)體到團隊，再到組織，并開(kāi)始思考如何擴大 AI 的應用范圍。
團隊 AI 助手示例：Haiven
在設計團隊 AI 助手時(shí)，我們需要考慮到團隊的拓撲結構，以及團隊的工作流程。如下圖所示：
團隊拓撲
在一個(gè)組織中，必然會(huì )有大量的不同類(lèi)型的團隊，每個(gè)團隊受限于業(yè)務(wù)盈利模式等因素，其采用的技術(shù)、工作流程等都會(huì )有所不同。諸如于，核心的業(yè)務(wù)部門(mén)可以 享受自己特有的開(kāi)發(fā)流程，而其它非核心部門(mén)則會(huì )采用一些標準化的流程。
考慮到盈利水平高的部門(mén)，通常是大型團隊，他們不僅可能有自己的 AI IDE 插件，還會(huì )有自己的 AI 團隊。因此，我們也建議設計一個(gè)可以讓不同團隊共享知識的 AI 團隊助手。
諸如于 Haiven? 團隊助手：
Haiven? 團隊助手是由 Thoughtworks 開(kāi)發(fā)的一款 AI 驅動(dòng)工具，旨在增強軟件開(kāi)發(fā)流程。它與現有的 AI 編碼助手集成，并提供可插拔的知識包，幫助團隊完成開(kāi)發(fā)任務(wù)、加速反饋循環(huán)，并推動(dòng)創(chuàng )新。Haiven 支持多種云和身份提供商，便于采用并集成到現有工作流程中。它支持研究、用戶(hù)旅程分析、 架構開(kāi)發(fā)和團隊知識編碼，從而提升生產(chǎn)力、質(zhì)量和團隊能力，同時(shí)保持對 AI 環(huán)境的控制。
提高軟件開(kāi)發(fā)的生產(chǎn)力和質(zhì)量。可復用提示詞（prompt）可以將最佳實(shí)踐和即時(shí)知識融入團隊的工作流程，以減少浪費，提升開(kāi)發(fā)者滿(mǎn)意度，并保持軟件質(zhì)量始終如一。
動(dòng)態(tài)增強團隊成員能力。Haiven 增強了團隊的自然人類(lèi)創(chuàng )造力，使他們能夠輕松研究用戶(hù)需求，探索創(chuàng )新功能并交付卓越的用戶(hù)體驗。
易于采用。支持多云和身份提供商，以及可根據團隊工作流程定制的可插拔知識包，Haiven 極易被采用和集成。
理解今天的 AI 的潛力。AI 市場(chǎng)是動(dòng)態(tài)且迅速發(fā)展的，許多工具并未專(zhuān)門(mén)針對軟件開(kāi)發(fā)任務(wù)設計，或者只關(guān)注有限的功能范圍。Haiven 提供了一個(gè)簡(jiǎn)單的沙盒，用于今日試驗新功能。
通過(guò)基礎的 AI 賦能，讓不同團隊在有能力的情況下，可以根據自己的需求，定制自己的 AI 助手。
組織級 IM/Chatbot 示例
回到整體組織層面，我們也會(huì )看到內部的 IM 工具也在融合 AI 功能，以提升協(xié)作體驗。諸如于：
尋找負責人/專(zhuān)家：通過(guò) AI 助手，可以快速找到組織內的專(zhuān)家，以解決問(wèn)題。
運維 Chatbot，輔助分析部署失敗問(wèn)題，可以自動(dòng)化運維任務(wù)，如自動(dòng)化部署、自動(dòng)化監控等。
CI/CD 問(wèn)題分析：通過(guò) AI 助手，在嘗試修復問(wèn)題時(shí)，還可以告知問(wèn)題的可能根因。
AI 會(huì )議創(chuàng )建與管理。通過(guò) AI 助手，可以自動(dòng)創(chuàng )建會(huì )議，自動(dòng)邀請參會(huì )人員，自動(dòng)記錄會(huì )議內容，自動(dòng)提醒會(huì )議時(shí)間等。
如下是 Teams Copilot 的示例：
在另外一方面，我們也會(huì )有大量的其它 Chatbot 在不同的研發(fā)團隊中使用，諸如于輔助平臺的使用、文檔查找等等。
形態(tài)變化：從本地 AI IDE 到領(lǐng)域特定的智能代碼生成
與通用性的 AI 輔助相比，領(lǐng)域特定的 AI 輔助效果更好，因為它更了解領(lǐng)域的特點(diǎn)，更容易生成符合領(lǐng)域規范的代碼。從智能代碼生成的角度來(lái)看，由于過(guò)去包含 大量的語(yǔ)料知識，生成的代碼質(zhì)量更高，更符合領(lǐng)域規范。
IDE 即 AI 輔助研發(fā)中心
在前面，我們已經(jīng)看到了 AI 輔助研發(fā)中心的概念，即在一個(gè)組織中，AI 輔助研發(fā)中心可以為不同團隊提供 AI 能力，以提升整體的研發(fā)效率。
還需要注意的是，AI 在快速生成大量代碼的同時(shí)，也會(huì )帶來(lái)一些問(wèn)題，如代碼質(zhì)量、安全性等。我們需要考慮如何在 AI 生成代碼的同時(shí)，保證代碼的質(zhì)量。如下圖 所示：
我們需要考慮構建類(lèi)似于 SonarLint 的體系化質(zhì)量檢查工具，以保證 AI 生成的代碼質(zhì)量。
AI 增強的低代碼平臺
諸如低代碼應用程序平臺 Appian 的分析文章，生成式 AI 與低代碼平臺結合，可以在多個(gè)方面實(shí)現增強的生產(chǎn)力和創(chuàng )新：
文本生成與聊天機器人：結合生成式 AI 和低代碼平臺，能夠快速部署聊天機器人，處理基本的客服請求或生成待人審閱的電子郵件草稿，從而簡(jiǎn)化溝通流程。
從 PDF 構建界面：生成式 AI 能夠解析 PDF 設計并將其轉換為功能性界面或表單。結合低代碼平臺，確保設計到代碼的準確轉換，無(wú)需額外校對。
工作流程自動(dòng)生成：通過(guò)生成式 AI 增強的低代碼平臺，可以快速生成復雜的工作流程，包括視覺(jué)圖表和可執行代碼。這對于例如賬單管理等任務(wù)至關(guān)重要，用戶(hù)反饋后能快速進(jìn)行迭代改進(jìn)。
自助式分析：利用自然語(yǔ)言處理的 AI 驅動(dòng)平臺，團隊能夠快速從數據源生成報告和洞察。AI 與低代碼的結合，使得能夠靈活調整流程和操作，提升業(yè)務(wù)效率和決策能力。
除了上述的經(jīng)典場(chǎng)景之后，我們也可以看到多模態(tài) AI 代碼的生成，諸如于 Google 的 ScreenAI。
它可以將圖像和文本結合起來(lái)，生成對應的 DSL，進(jìn)而轉換成不同的代碼。
You only speak JSON. Do not write text that isn’t JSON.
You are given the following mobile screenshot, described in words. Can you generate 5 questions regarding the content of
the screenshot as well as the corresponding short answers to them?
The answer should be as short as possible, containing only the necessary information. Your answer should be structured
as follows:
questions: [
{{question: the question,
answer: the answer
{THE SCREEN SCHEMA}
當然了，為構建這樣的語(yǔ)料，你還需要生成大量的頁(yè)面與低代碼數據。
從云 IDE 到智能云開(kāi)發(fā)環(huán)境
在云 ?? 時(shí)代，大型組織構建了大量的云 IDE 和云基礎設施，以嘗試賣(mài)出更多的云服務(wù)以及解決最后一公里的部署問(wèn)題。盡管，受限于云 IDE 能力、網(wǎng)絡(luò )與計算能力， 云 IDE采用并不高，但是隨著(zhù) AI 的發(fā)展，我們可以看到更多的智能云開(kāi)發(fā)環(huán)境的出現。
雖然..但是..，我們非?？春弥T如 v0.dev 這一類(lèi)針對于領(lǐng)域特定的開(kāi)發(fā)工具。
v0.dev
它可以：
高效 UI 生成：通過(guò)輸入提示詞快速創(chuàng )建前端組件和頁(yè)面。
一鍵定制化組件：少量的提示詞即可創(chuàng )建優(yōu)雅復雜的組件，一鍵導出并應用于項目。
快速原型設計：提供即用生產(chǎn)代碼，適用于新舊項目，項目較大時(shí)需整理代碼結構。
圖生成代碼：通過(guò)圖形化界面生成代碼，適用于新手，不熟悉代碼的人員。
它可以快速幫助我們構建出一個(gè)原型，然后再進(jìn)行。再結合其它 AI 工具，如代碼審查、代碼測試等，可以大大提高我們的開(kāi)發(fā)效率。
還有諸如 Google Project IDX 這一類(lèi) AI 輔助型工作區。IDX 支持眾多框架、語(yǔ)言和服務(wù)， 還與 Google 產(chǎn)品集成，可簡(jiǎn)化您的開(kāi)發(fā)工作流程，讓您可以快速、輕松、高效地跨平臺構建和發(fā)布應用。
IDX Demo
盡管 IDX 還非常早期，但是我們可以看到，未來(lái)的云 IDE 將會(huì )更加智能化，更加適應我們的工作流程。
在國內，我們也可以看到 Babel Cloud、MarsCode 等一系列云 IDE 工具，也在不斷的發(fā)展中。
其它
AI 在軟件工程中的應用已經(jīng)從輔助開(kāi)發(fā)人員擴展到整個(gè)開(kāi)發(fā)生命周期，逐步演進(jìn)為團隊和組織層面的協(xié)作工具，并在工具形態(tài)上實(shí)現了從本地 AI IDE 到領(lǐng)域特定智能代碼生成的轉變。這些變化不僅提高了開(kāi)發(fā)效率和質(zhì)量，還推動(dòng)了整個(gè)軟件工程領(lǐng)域的發(fā)展。
全面探索：AI 從輔助開(kāi)發(fā)人員擴展到覆蓋軟件開(kāi)發(fā)的整個(gè)生命周期，從需求分析到運維管理，每個(gè)階段都顯著(zhù)提升了效率和質(zhì)量。
演進(jìn)路徑：AI 工具從個(gè)體使用擴展到團隊和組織層面。個(gè)體使用的 AI 工具如 AutoDev，團隊助手如 Haiven，以及組織層面的 AI 集成到內部 IM 和 Chatbot 系統中，全面增強了協(xié)作和效率。
形態(tài)變化：從本地 AI IDE 發(fā)展到領(lǐng)域特定的智能代碼生成工具。智能云開(kāi)發(fā)環(huán)境如 Google 的 Project IDX 等工具，使得未來(lái)的開(kāi)發(fā)流程更加智能化和高效。
這些變化不僅提高了開(kāi)發(fā)效率和質(zhì)量，還推動(dòng)了整個(gè)軟件工程領(lǐng)域的發(fā)展。
相關(guān)材料：
材料見(jiàn)：大模型時(shí)代， AI 輔助編程工具的技術(shù)演進(jìn)
B 站視頻：大模型時(shí)代，AI輔助工具的技術(shù)演進(jìn)-黃峰達
