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(lǐng)域，我們需要了解它當(dāng)前的局限性，為未來的各種可能性做好準(zhǔn)備，可能一個任務(wù)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(yīng)對辦法是刻意練習(xí)，刻意地用 LLM 完成一些日常的任務(wù)，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(wù)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(yù)期。前沿模型在代碼生成任務(wù)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(yīng)用的一年，大模型在這方面的能力達到了實現(xiàn)成熟應(yīng)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(wù)、為子任務(wù)設(shè)定目標(biāo)、基于反饋對計劃進行調(diào)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(shù)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(shù)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(yīng)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(wù)。

正因為 AI Coding 是一個快速演進的領(lǐng)域，我們需要了解它當(dāng)前的局限性，為未來的各種可能性做好準(zhǔn)備，可能一個任務(wù)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(yīng)對辦法是刻意練習(xí)，刻意地用 LLM 完成一些日常的任務(wù)，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(yīng)用場景要成熟很多，并且已經(jīng)在企業(yè)中大范圍應(yīng)用），但是它的發(fā)展速度非常快（過去兩年 LLM 性能快速地提升），功能形態(tài)、交互方式、應(yīng)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(nèi)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(shù)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(shè)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(yīng)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(jié)果就是用戶在使用過程中感受到風(fēng)險的大小。當(dāng)用戶意識到某個功能存在風(fēng)險（高延遲，低成功概率）時，他們會停止使用并且很難恢復(fù)信任，這種情況在 LLM 應(yīng)用上更為明顯。

代碼問答側(cè)邊欄是一個風(fēng)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(gòu)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(dāng)代碼修改方案已經(jīng)被確認后，如何快速且準(zhǔn)確的將這些修改更新到代碼中就非常重要。Apply 解決了這關(guān)鍵的最后一步，無需手動復(fù)制粘貼或者手動修改，直接通過智能分析實現(xiàn)在對應(yīng)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(zhì)量、可靠性和安全性

?? 高質(zhì)量上下文：模糊不清的上下文容易導(dǎo)致大模型出現(xiàn)幻覺。完成一個任務(wù)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(guān)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(yīng)的測試用例，可以提升任務(wù)的穩(wěn)定性，也可以避免后續(xù)的任務(wù)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(dāng)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(wù)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(gòu)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(dāng)前任務(wù)相關(guān)的上下文。隨著 Agent 的出現(xiàn)，AI 會自己分析任務(wù)并調(diào)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(shù)門檻高的專屬領(lǐng)域，只要具備洞察力，個體即可利用 AI 構(gòu)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(dāng)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(xué)習(xí)能力

對于學(xué)生或者職場新人，成長是最重要的事情，在學(xué)校除了打好基礎(chǔ)，培養(yǎng)有效學(xué)習(xí)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(qū)動你對一個問題的持續(xù)深耕，也能驅(qū)動你去探索前沿的技術(shù)。

?? 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(xué)生如何用 AI 助力學(xué)習(xí)

?? 學(xué)習(xí)和鞏固計算機基礎(chǔ)知識

進入職場后，你會發(fā)現(xiàn)計算機科學(xué)基礎(chǔ)課程的重要性在職場中會愈發(fā)凸顯。無論是學(xué)習(xí)新技術(shù)、設(shè)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(xué)校的理論教學(xué)往往與實際應(yīng)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(xué)習(xí)一個知識點時，AI 可以提供相應(yīng)的應(yīng)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(jié)構(gòu)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(jié)構(gòu)，讓學(xué)習(xí)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(xué)習(xí)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(wù)，讓你快速進入核心知識點的學(xué)習(xí)，減少對技術(shù)門檻的畏懼。

?? 個性化指導(dǎo)：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(xué)習(xí)過程更加舒適、無壓力。

?? 引導(dǎo)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(nèi)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(xué)習(xí)了大量實際項目的最佳實踐，可以在問答中直接指導(dǎo)你正確使用工具并遵循規(guī)范。

在編程獅學(xué)習(xí)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