作者信息
【原文作者】 AI前线
【作者简介】 面向AI爱好者、开发者和科学家，提供AI领域技术资讯、一线业界实践案例、搜罗整理业界技术分享干货、AI论文解读。每周一节技术分享公开课，助力你全面拥抱人工智能技术。
【微 信 号】 ai-front
文章摘要
【关 键 词】 AI编程、代码质量、工作量减少、技术债务、开发者工具
AI辅助编程工具已经成为许多程序员的选择，据知乎上的答主“以默”表示，这些工具至少能帮助程序员减少30%的工作量，其中GPT模型被认为是最佳选择。然而，随着AI编程工具的普及，代码质量的问题也随之凸显。长期代码研究员Adam Tornhill担忧AI辅助编程可能导致大量不必要的代码生成。
GitHub Copilot自2021年6月推出beta版以来，已经有超过100万的付费订阅开发者，据称可以提高开发任务的速度55%，并且在启用Copilot的文件中，有46%的代码量是由AI生成的。然而，GitClear的研究发现，AI助手主要提供“代码添加建议”，而很少涉及代码的更新、移动或删除建议，这可能忽略了代码简洁、易读等重要特性。
GitClear的研究还发现，代码的添加、删除、更新和复制/粘贴量大大提高，但代码移动比例却有所下降，代码返工率也大幅增加。这种趋势可能与AI编码技术的普及有关，但大量复制/粘贴代码的做法可能对代码的长期可维护性产生灾难性的影响。
尽管AI编码助手不会消失，而是会不断改进，开发者们也已经意识到了代码质量的问题。然而，公司领导层更应该关注代码质量问题。一些公司曾考虑用代码行数衡量工作量，但这种做法忽视了代码质量的重要性。研究表明，技术债务和糟糕的代码会浪费开发人员大量时间，而公司为了短期收益而牺牲代码质量。
企业为了降本增效引入AI辅助工具是可以理解的，但需要注意合理使用。Alphacodium指出，大模型在生成代码时可能包含错误或逻辑错误，且在需要思考、推理并做出重要决策的代码任务中遇到困难。代码生成需要匹配目标语言的精确语法、识别最佳路径和边缘情况、关注问题规范中的细节，并解决代码特定问题和要求。
如何让 AI 辅助编程更好地帮助开发者，也需要各方努力。
原文信息
【原文链接】 阅读原文
【原文字数】 2302
【阅读时长】 8分钟
