大约半年前，决定在一个新项目中深度使用AI，也就是说不是实验，而是在真正的产品环境中彻底使用AI。这种使用不是简单的使用一个AI对话窗口，而是使用AI工具来构建/审核所有代码。当然，其中必须要有人的干预。
图源：Pixabay
先说优点。
首先就是效率的大幅度提升。如果开始实现一个新功能，只需要把需求彻底讲清楚了，需要使用的工具/框架等给的明明白白，AI的生成效率高的惊人。有些时候人工需要几天的活，AI基本上就需要几个小时就能完成。而且一般情况下质量还行。
以上这点在使用不熟悉技术/框架的时候就尤其明显。如果时人工方式的话，首先需要花费时间来学习新框架，之后等到熟悉了才能上手干活。这就使得速度变得更慢。
再有就是AI产出代码的规范性非常好。只要你的提示词给的足够清晰，AI做出来的东西都是很规矩的。基本上不会犯一些初级错误。
再来说说其准确率。如果是很繁杂但简单的工作，比如编写单元测试，AI通常会做的很好。可能也是因为只要读懂代码，单元测试该怎样写，包含什么内容是比较容易推演的吧。
再来说说缺点。
第一点就是在习惯使用AI工具之后产生的依赖性。想想也是，如果习惯于其高效的工作方式之后，有谁还想回到从前，效率降低无数倍？上了这个快车道之后，想要下车会变得很难。这也给很多人一种感觉：尽管是人和AI协同工作的，但似乎并没有原来的感觉：代码是我写的，我最清楚它该如何工作。现在的代码并不是手搓的，因此印象并不深刻。短时间可能还好，但时间长了，只能大致明白其如何工作，很多细节都会忘掉。
再者就是其非常容易跑偏。或许是因为提示词不够准确，亦或你的问题之前别人没有问过，模型没有受到过相关训练，因此回答的并不够准确，甚至是错误的。这就要求AI的使用者必须能够完全理解需求，也熟悉要使用的技术，这样才能在AI出错的时候进行纠正。但问题来了，如果现在的毕业生从第一天入职的时候就和AI协同，他们的经验从何而来？如果AI跑偏，他们又怎样能指出并纠正错误？
经过一段时间的尝试，我感觉最为有效的方式就是：大框架要自己来设计决定。然后把每个小模块的要求描述清楚，让AI实现。这样其跑偏的可能性就会小很多。
真的无法想象，再过两三年之后，这个世界会变成什么样子。。。