AI Coding 深度解析：探索編程新范式與未來趨勢

“ AI Coding 是一個快速演進的領域，我們需要了解它當前的局限性，為未來的各種可能性做好準備，可能一個任務今天無法完成但是在明天模型升級后就可以實現(xiàn)了。唯一的應對辦法是刻意練習，刻意地用 LLM 完成一些日常的任務，感知模型能力的邊界和變化，并且嘗試用工程的手段去彌補模型的不足以投入使用”。

AI Coding 的發(fā)展與影響

?? 大語言模型的演進趨勢

AI Coding 的核心發(fā)展趨勢體現(xiàn)在 AI 自主性的飛速提升。從最初以代碼補全、代碼問答為主的 Copilot 形式（e.g GitHub Copilot）到目前以獨立完成任務的 Agent 形式（e.g Devin）演進。

代碼大模型的演進速度非常快，相較于去年同一時間的產(chǎn)品，如今的模型能力超乎預期。前沿模型在代碼生成任務上提升顯著，其成本和速度在持續(xù)優(yōu)化，尤其是從 0 到 1 生成小型項目上的表現(xiàn)。總之，前沿模型在變得更強更小，這意味著更好的體驗和更低的成本。

此外，大家普遍認為 2025 年是屬于 Agent 應用的一年，大模型在這方面的能力達到了實現(xiàn)成熟應用的拐點并且其能力會持續(xù)加強，主要可以體現(xiàn)在以下四個方面：

?? 規(guī)劃（Planning）：制定計劃、將計劃拆分成子任務、為子任務設定目標、基于反饋對計劃進行調整。

?? 記憶（Memory）：記錄在 Agent 執(zhí)行過程中產(chǎn)生的歷史思考、行動和環(huán)境觀測。

?? 感知（Perception）：接收來自環(huán)境的信息，可以是文本或多模態(tài)的形式。

?? 行動（Action）：基于計劃和 LLM 的決策，和環(huán)境進行交互并對環(huán)境造成狀態(tài)的改變。對于行動而言一個重要的機制就是控制和使用外部工具。

?? AI Coding 帶來的改變與影響

每一個技術革新的過程都會經(jīng)歷若干個階段，我們現(xiàn)在正在跨越從早期市場到主流市場這個鴻溝。對于早期的采用者來說，他們看到了這項技術的巨大潛力并且為之興奮，盡管不成熟或者有時候效果不佳，但是 AI Coding 的使用體驗非常神奇。這個工具能猜到你的意圖并給出對應的代碼，并且在持續(xù)快速地提升，越來越穩(wěn)定，完成更難的任務。

正因為 AI Coding 是一個快速演進的領域，我們需要了解它當前的局限性，為未來的各種可能性做好準備，可能一個任務今天無法完成但是在明天模型升級后就可以實現(xiàn)了。唯一的應對辦法是刻意練習，刻意地用 LLM 完成一些日常的任務，感知模型能力的邊界和變化，并且嘗試用工程的手段去彌補模型能的不足以投入使用（比如用 RAG 去除幻覺）。一方面你會深化認知和技巧，另一方面一旦達到零界點你將是第一批的受益者。

?? 豆包MarsCode 與 AI Coding

豆包MarsCode 的判斷與思考

AI Coding 目前還處在早期的階段（盡管相對其它的應用場景要成熟很多，并且已經(jīng)在企業(yè)中大范圍應用），但是它的發(fā)展速度非?？欤ㄟ^去兩年 LLM 性能快速地提升），功能形態(tài)、交互方式、應用場景都在隨之持續(xù)變化，總體向著更加自主、進一步解放生產(chǎn)力的方向發(fā)展。

在字節(jié)內部，豆包MarsCode 已經(jīng)覆蓋了 70% 以上的開發(fā)者，從編碼階段就開始為開發(fā)者貢獻代碼和技術解決方案。在代碼提交后，AI 也會參與代碼評審，自動生成測試用例提升覆蓋率，上線后也用于輔助線上問題的定位和解決等等。

新功能 Apply 的誕生與亮相

我們可以從一個公式去理解豆包MarsCode 在進行 Apply 產(chǎn)品功能設計時的思考：

p?(t + a)

其中 p 是 LLM 失敗的概率， t 是從用戶請求到響應的時間， a 是在失敗情況下造成的任何額外損失，這個公式得到的結果就是用戶在使用過程中感受到風險的大小。當用戶意識到某個功能存在風險（高延遲，低成功概率）時，他們會停止使用并且很難恢復信任，這種情況在 LLM 應用上更為明顯。

代碼問答側邊欄是一個風險非常低的功能。因為有流式傳輸，你可以立即開始閱讀，t 是很小的，但是 p 通常相對較高。在生成代碼時，即使 LLM 不完美，你也有一段新的代碼可以參考、構建和重新提示以改進方案，它不會馬上修改源代碼，因此 a 也是非常小的。于是，當代碼修改方案已經(jīng)被確認后，如何快速且準確的將這些修改更新到代碼中就非常重要。Apply 解決了這關鍵的最后一步，無需手動復制粘貼或者手動修改，直接通過智能分析實現(xiàn)在對應的位置修改代碼，讓整個代碼問答工作流變得更流暢。Apply 功能大大降低了代碼變更的成本。

高效利用 AI Coding 的方法與實踐

?? 優(yōu)化 AI 生成代碼的質量、可靠性和安全性

?? 高質量上下文：模糊不清的上下文容易導致大模型出現(xiàn)幻覺。完成一個任務時對人重要的信息大概率對 AI 也非常重要，你可以通過主動顯式地引入這些信息來幫助 AI。比如代碼補全打開相關的文件，問答的時候用 #Code/#File/#Folder 引入明確的代碼片段來實現(xiàn)。

?? 生成測試用例：讓 AI 在完成一段功能后添加對應的測試用例，可以提升任務的穩(wěn)定性，也可以避免后續(xù)的任務破壞已有的功能。

?? 項目實踐沉淀：每個項目都會有自己的編碼規(guī)范和最佳實踐，這些知識都值得沉淀。當前 LLM 的指令跟隨和上下文感知能力都非常強，加入這些規(guī)則和知識庫會對任務的完成效果和穩(wěn)定性有非常大的幫助。

?? 實現(xiàn) AI Coding 在大型項目的可行性探索

我們在大型工程中也要解決可行性的問題，在 LLM 時代之前我們會怎么做？我們會通過做抽象、做架構隔離、做分工、記錄文檔等等方式來解決。一個大工程如果在這些方面做的很好，那么對實踐 AI Coding 也大有幫助。

哪怕一個項目有幾十甚至幾百萬行代碼，但是解決一個具體問題時人們和 AI 所需要的上下文都是相對有限的。目前的 AI Coding 工具背后都會有一個代碼知識圖譜系統(tǒng)支持，用于召回與當前任務相關的上下文。隨著 Agent 的出現(xiàn)，AI 會自己分析任務并調用 IDE 中的工具探索、獲取上下文，做到更加的精確。

未來已來：開發(fā)者的機遇與建議

?? 機遇

?? 降低開發(fā)門檻

軟件開發(fā)不再是技術門檻高的專屬領域，只要具備洞察力，個體即可利用 AI 構建工具，滿足長尾需求。AI Coding 讓更多人有機會參與到解決實際問題的創(chuàng)新之中，釋放了開發(fā)潛力。

?? 提升個體生產(chǎn)力

以CPU做類比，Copilot 相當于提升單核處理效率，而 Agent 則讓開發(fā)者擁有多核并行能力。未來可能會有很多小型但是極具戰(zhàn)斗力的團隊或者創(chuàng)業(yè)公司。

?? 建議

?? 學習能力

對于學生或者職場新人，成長是最重要的事情，在學校除了打好基礎，培養(yǎng)有效學習的能力也非常重要。

?? 好奇心

好奇心是一個優(yōu)秀程序員的的重要特征，它能驅動你對一個問題的持續(xù)深耕，也能驅動你去探索前沿的技術。

?? 駕馭 AI 的能力

除了好奇心，還要有滿足好奇心的能力。大模型的出現(xiàn)極大降低了這一能力的門檻，成長的效率會大幅提升。駕馭好這個工具也會成為日后在職場中的一個競爭優(yōu)勢。

啟智增效：高校學生如何用 AI 助力學習

?? 學習和鞏固計算機基礎知識

進入職場后，你會發(fā)現(xiàn)計算機科學基礎課程的重要性在職場中會愈發(fā)凸顯。無論是學習新技術、設計解決方案，還是定位線上疑難問題，都需要對計算機軟硬件體系有深刻理解。然而，學校的理論教學往往與實際應用場景脫節(jié)，這時 AI 就可以成為你的得力助手：

?? 將理論落地實踐：學習一個知識點時，AI 可以提供相應的應用場景，解釋在實際工程中的實現(xiàn)方式，甚至提醒你可能遇到的異常情況。

?? 明確使用場景：以數(shù)據(jù)結構和算法為例，AI 不僅可以幫助你理解它的實現(xiàn)，還能告訴你在何種場景下使用何種算法或數(shù)據(jù)結構，讓學習更加貼近真實項目需求。

?? 快速掌握語言、框架和工具的實踐操作

?? 優(yōu)化學習流程：AI 能幫你解決工具鏈安裝、工程創(chuàng)建、依賴配置等繁瑣任務，讓你快速進入核心知識點的學習，減少對技術門檻的畏懼。

?? 個性化指導：AI 會根據(jù)你的實際水平提供量身定制的解釋和幫助，耐心解答每一個問題，讓學習過程更加舒適、無壓力。

?? 引導工程最佳實踐：高校教育中對開發(fā)工具、編程規(guī)范等方面的內容常常不足，因此 MIT 也出了這樣的課程：The Missing Semester of Your CS Education。AI 已經(jīng)學習了大量實際項目的最佳實踐，可以在問答中直接指導你正確使用工具并遵循規(guī)范。

在編程獅學習下列課程的時候不妨試試借助 AI 試試吧~

如果你還沒嘗試用 AI 輔助編程，現(xiàn)在，邁出探索 AI Coding 的第一步吧！

??立即下載豆包 MarsCode