浅谈 AI 编程的发展和未来

随着 LLM 的快速发展，很多知识和信息都可以通过和 LLM 的对谈得来。这打破了人类长期依赖结构化的文章、视频等载体来获取信息的惯用方式。也许以后，完全由人类写的文章，或者做的图片、视频都会越来越少，更多地会变成人类仅仅提供一些碎片化的数据，由 AI 来生成呈现，而这些数据又被 AI 所训练、吞食，后续逐渐 AI 变成了核心的信息载体和逻辑加工，而人所做的仅仅是输入和输出而已。

在「AI 将导致大规模失业」、「防止 AI 毁灭人类」等宏大叙事的阴影之下，其实很多事情正在发生着一些微妙的变化。比如，虽然 LLM 的统计学本质，让我们知道它不可能自行毁灭人类，但另一方面，我们又看到，现在大部分的管理者正在使用 AI 来制订战略，下达任务，收集信息。原来几个人协作几天才能看完的报告，现在 AI 一分钟就看完了，几百页的财报五分钟就能把重点和深藏的坑挖出来，下属的工作汇报原来需要一小时，现在只需要 30 秒就能知道是否真实、前后是否连贯，摸鱼偷懒全都无所遁形。这毫无疑问是微操型管理者的至上福音，哪怕是卫生间的一张卫生纸，都尽在掌握。另一方面，苦于需要提交各类文档的员工也开始使用 AI 来制作 PPT，炮制各种报告，让 AI 帮忙生成各种事情让自己看着更充实而忙碌。所以，虽然 AI 可能不能毁灭人类，但确实 AI 很大程度上代替了人与人之间的沟通。当所有的沟通都被代替，甚至连管理职能和执行职能都被 AI 代替的时候，也许 AI 确实毁灭了些什么。

这篇文章，尝试从一个末代人类开发者的角度来看 AI 编程的发展和未来。

草莽时代

AI 辅助编程其实是从 LLM 风潮来之前就开始了。早在 2021 年，GitHub 就推出了 Copilot，预测用户想写什么，快速帮用户写出来。也难怪，GitHub 坐拥世界最大的代码库，那必须要好好利用一下。代码本身就是高度理智、格式化、逻辑清晰细腻，并且还要符合完整语法的，属于极其珍贵的超高品质语料，而人类的本质又是复读机，所以二者可以说是一拍即合。现在在网上冲浪，还能看到当时的用户的各种「这都能猜到！」「居然瞬间就生成这么完整！」的赞叹。

当然这个时候，AI 还像是一把电动螺丝刀。它自己不能动，作用很大，很省时省力，但是完全掌握在人的手里，指哪打哪，没有自己的脾气。

很快，2022 年，LLM 就横空出世。当然这里并不是说 LLM 是 2022 年才有的东西。这个东西早就有了，只是没有达到一个临界点。而 2022 年，它终于达到了一个临界点，就是让人有点分不清楚这到底是 AI 的还是真人的了。在这种风潮下，一个新的领域和对应的生态短短几年就席卷整个行业，很多工种都感受到了压力和震撼。其中首当其冲的，就是「写代码」这个行当。

人们都说，程序员最喜欢搞两件事，一件事是让自己的上下游没有工作，一件事是让自己没工作。当初搞敏捷和 DevOps，蚕食了不少运维的工作，又搞自动化测试、TDD 和持续集成，搞得很多测试人员也没工作，最后是搞全栈、搞设计开发一体、搞前端设计抽象，搞得很多产品设计也没工作了。当然，对自己也一样地狠。天天都搞各种自动化的工具，自动化的流水线，降低自己的工作对自己的依赖，让自己更容易被替代。所以看到能像真人一样聊天的 LLM，程序员的第一个反应就是拿来写代码，让自己更容易被替代。

在这个时期，我们不妨称之为「草莽时代」，LLM 的编程和聊天一样，充满了幻觉和错误，品质低劣。思维停留在这个时期的程序员，会觉得 AI 编程其实是一个短暂的风潮，是一个笑话。别说写好，就连写对都很困难，经常是写一堆烂代码还得自己改，所以这还得看咱传统手艺。

结对时代

这个时代持续了一阵子，开始有正规军进场了。这时候开始发展出像 Cursor 这类的商业 IDE 方案，以及 Cline 之类的开源 IDE 插件方案。LLM 的生态逐渐开始崛起，大家都开始入局，就有了压力，压力就促进这个行业更快速地去爆模型。模型的参数量和上下文窗口也开始放气球一样的上涨。

如果你注意 LLM 的发布，就会发现不管哪一家，都会把编程能力作为重头戏。为什么呢？第一，就是之前说的，代码作为语料实在是太优秀了，现代社会很多都运行在 IT 系统之上，读了代码，不止 LLM 获取了大量代码知识，也获得了逻辑感，以及对应的业务领域知识。第二，则是因为编程是目前看到让人眼花缭乱的 LLM 应用最稳定、最真实、最持续的 B 端应用，程序员愿意为了机械键盘花几千上万，当然更愿意为了搞掉自己而花更多。

不过，如果你真的深度用过这些产品，又会发现，虽然各种工具也在增加各种功能，搞各种提示语的优化，但是真正的能力提升还是来自于模型的升级。其他的升级都像是一些小的缝缝补补，但是一旦模型升级，那就是力大砖飞，甚至直接打破了旧的范式，原来优化了半天的提示语甚至可能都无效了。

当然，思维停留在这个时期的程序员，想法通常是：

• AI 必须要用，现在还手写的人确实太傻了，效率也太低
• AI 还是经常会犯错，人的干预真的少不了
• AI 的设计能力不行，要设计真的还得看人，写得越多，代码可能越难维护
• 我还是需要有很多「土方法」、「提示语秘籍」来提升效率

这个理解也没错，因为时期的 AI 就像是一个「赤脚程序员」，知识面极广泛，经验极丰富，但是从来没在大厂干过，也没发展出什么章法，就是一个字「干」就完了。这个时代不妨叫做「结对时代」：AI 像是一个时好时坏的帮手，与我们结对编程，我们经常需要干预，采取主动，或者给 AI 指明思路，AI 写完了，我们再审核一下结果。

到了 2025 年，离 LLM 爆发仅仅三年，我们发现事情真的在起一些变化。

异变时代

AI 编程产生一种异变，我感觉是从 Claude 4.5 Opus 和 Gemini 3.0 Pro 出来开始的。从这两个模型出来开始，AI 编程开始朝着一种非常奇怪的方向去演变。对于一个很早就使用 AI 辅助编程并且日常深度使用的人来说，这个演变对我来说是震撼的，因为整个范式真的变了。

原来的 AI 编程，是插件形式。左边显示的是文件树，中间是编辑框，右边则是 AI 对话窗口。虽然布局也可能反过来，但是整体的思路就是这样：我在写代码，调用 AI 辅助，或者帮我写。后来，我发现编辑器们开始推行一种 Agent 模式。

在这种模式下，对话框才是主流。左边显示的不是文件，而是你的对话记录，中间是对话窗口，以及和 AI 的整个对话过程，右边则是 AI 生成的执行计划。可能你的第一个反应跟我一样：啊这？代码呢？是的，这个模式完全颠覆了我们编程的范式，现在，虽然还是在「写代码」，但过程中我们甚至都不用太去在意代码了！这个变化是如此的剧烈，刚开始我是嗤之以鼻的。

AI 尽管厉害，但是经常犯错。AI 设计很烂，还是需要人来把关。要不然 AI 来写，人来重构，这样是最佳实践。这些是我从上一个时代（几个月前）带过来的经验法则，我颇为得意。不过，事情的转机在于，我真的开始用了这个模式，并且用了最新的模型。这完全打开了新的天地。

我们都知道，接受新鲜事物，是需要时间的。如果刚接触 LLM 编程，而经常它都出问题，那么我们就会记住这个感觉。而这次，新模型的能力确实让人赞叹，以至于可以让我接受这种看着非常不稳当的新范式。

首先，代码全都可用了。我说全都可用，并不是说一次、一点错都不犯，但是与之前的相比，那简直是天壤之别。原来可能 3、5 次编辑就会错一次，而且经常是低级错误，少一个括号，层级错了之类，并且经常自己还不能修复。而现在，可能 20-30 次才会有一个错误，而且把错误发过去，几乎 90% 的情况都可以自行修复。仅仅这一点，就已经让人信心大增，毕竟，代码最重要的，是要能工作。即便是错误的代码，也只能在能工作的情况下被评判，而不能工作的代码则毫无意义，毫无用处。所以，代码能写对，并且基本都能写对，这个确实是一个很大的改善。

其次，分析梳理能力变强。在写代码的过程中，经常会有逻辑上非常绕的地方。这种绕，很多时候并不是因为业务复杂，因为业务终归是人来执行和解释，所以业务的复杂度永远都是有限的。真正的复杂度，来自于很多语言和库的底层设计。每个设计库和语言的人，都有一套自己的思维逻辑，同样一个事情应该怎么表达，在不同语言里面会有很大的区别。这就非常考验 LLM 的分析梳理能力。比如流失处理里面，Flink 对于各种状态传递、算子的定义方式，以及不同的流怎么交汇，这些都有特定的规则和逻辑，不搞清楚就很容易写错。再比如不同平台、不同前端框架会有不同布局设计，这种设计千差万别，可能又又各种不能满足需求时的绕道措施和土办法，如果 LLM 不能深刻理解，那写错也就是分分钟的事情。这一点上新的模型也有极大的提升。虽然有些确实非常隐蔽的问题还是会把它们坑住，但是大部分时候还是可以很好地去处理。

然后，重构能力得到了增强。人在写代码的时候通常是两步走：第一步，先迅速堆积代码，把功能实现；第二步，把代码重构，使之更合理。第一步之前 AI 已经可以做，现在做得更好了，那么第二步呢？根据我的经验，现在 AI 的重构能力也得到了很大的提升。原来我根本不敢让 AI 做整个代码库涉及上百个文件的重构，成功率几乎为零，而现在，经过无数次成功的尝试之后，我已经非常大胆地可以让 AI 执行全代码库的大规模重构，到目前为止，没有一次重大失误，偶尔有小问题，也能很快自行解决。虽然是 AI 代码，但结构仍然很有体系。

综合这几点，我感觉整个范式的变化不再是，程序员一定要像原来一样完全了解代码的每个设计和细节，像雕刻师一样精雕细琢代码，而是可以更「放权」给 AI，而自己只是掌握大局。比如，我看代码的文件和结构都是非常好的，功能 API 也是我认可的，但是更细粒度的 API 和业务流程，则可以放心给 AI 去设计和执行。

也许你会问，细节我都不管了，那万一我需要自己改呢？我自己需要找代码细节呢？或者，我怎么知道 AI 做没做对呢？

这就要提到新模型的另一个提升：写测试能力。这里的测试分两种，因为现在我们不用手写代码，省下来的时间除了梳理业务和制订规划，就是可以去做测试了，测试时可以把人工测试的逻辑录制下来，进行 UI 测试重放，也可以把测试出来的问题，要求 AI 来写成测试。在重构时，我们可以要求 AI 把代码都写成可测试的 API，拆开有副作用的部分，或者加上 mock，这些都非常便利。有了测试，不管是上新功能，还是大规模重构，就都不怕了。

至于自己改，其实大部分时候都不需要自己改。当然，如果你心疼 token，或者在做一些细节的微调的时候，可以让 AI 把参数给你标记出来，然后手动去调整即可。而要找代码细节那就简单了，因为 AI 把整个代码库都做了语义索引，即便是非常复杂的一坨大代码，也可以很快找到所需要的细节。

这个范式的改变影响是深远的。AI 不再是一个能力变换不定的结对同伴，而是变成了一个永不停歇的没有感情需求的牛马。这时候，任谁都像拿起鞭子给它疯狂驱使。这就必然引发出一个新的问题：怎么让牛马跑得更快？

现在的情况是，因为 AI 编程这么可靠，大家都想让它永不停歇地转起来。

• 早上起来刷牙，做一个需求规划。
• 吃早饭，开始做需求。
• 吃完需求做完了，开始规划第二个需求。
• 到上班的地方了，开始做第二个需求。
• 几分钟之后做完了，有些微调，让 AI 去微调，然后自己继续测试。
• 反复这个过程，下班前，让 AI 规划把现在的代码重构、美化一下，顺便检查下今天提交的东西有没有问题。
• 晚上，吃饭，继续让它写。
• 看电视，继续让它写。
• 锻炼身体，继续让它写。
• 洗澡，继续让它写。
• 睡觉，继续让它写。

整个过程是如此的快，甚至快到产品 Backlog 里面的需求都很快就刷完了。程序员也体验到了产品的痛苦——接下来做啥呢？好，这时候可以开始探索各种不同的设计，不同的新功能，开始畅想接下来一百个版本的需求…

不过，其实还可以更快不是吗。我们睡觉的时候，为什么 AI 就要休息呢，它可以继续干。所以，我们看到很多 AI 工具提供了对 Git 的集成，可以把代码拉到云端，在云端去执行修改，人完全可以不管，只看结果。

当然，这还不够极致，还可以更快，因为我们的应用都是分模块的（AI 帮忙分好的），然后不同模块完全是可以并发的！相当于我们就有了一个 AI 的开发团队，每个都负责一块业务。所以，我们又看到很多 AI 工具提供了对 Git worktree 的集成，也就是自动拉一份代码拷贝，专门实现某个需求，然后最后再 Merge 回你的主代码。这样，10 个模块的需求全部就可以并发了，更快了！什么，Merge 遇到冲突了？没关系，还是让 AI 给你解决冲突就行了。

这其实就是我们今天面对的全新局面。

可能也有一些声音：

• AI 根本写不了优秀的代码，最优秀的代码还是得老师傅来写。先不说优秀怎么判断，也许是，最极致的代码可能还是要人来雕琢，但是我们今天做的东西，真的需要那么极致的吗？代码现在越来越像是一种消耗品，业务不停变化，代码也不停被更新和丢弃，更快速的能做出来一个可用、好用的产品，其实远比代码本身的雕琢更加可贵。当然，对于底层的库，或者需要极端优化的东西来说，也许 AI 永远只是辅助，但对于绝大部分场景来说，AI 都已经超出预期。
• AI 的设计能力永远有问题，写出来的东西也不具备维护性。说实话，一开始我并不是一个看好 AI 的人，我也是这个看法并且不接受反驳，但是现在看到 AI 写的代码总是可以流畅运行时，并且也可以做很好的重构时，我的看法有了很大的改变。它可能永远不是最完美精致的，但是平衡性已经做得非常好，对于绝大部分场景来说，也是完全够用的。维护性其实对于上下文窗口极大的模型来说，其实也不是问题，因为代码的定位，逻辑梳理都可以很容易进行。甚至因为可以不辞辛劳地写测试，甚至把烂代码复兴也成为了可能。

说实话，当我们在说 AI 的设计和代码烂的时候，其实也应该反观一下人类程序员写的代码。其实如果你参与过大型开发项目，甚至开源项目，就会知道，人写烂代码和做烂设计决策的能力，那其实也是超乎想象的。很多工具和库，能工作，几乎也是一种奇迹。我们现在看到的很多关于代码优美，设计精致的文章，引用的其实也都是古早时期的小型代码，真正很多人参与的项目，很多人染指的代码，基本都是五彩斑斓的黑，各种问题和缺陷也层出不穷。所以，也许我们应该换个层面来看待这个问题，时代可能真的变了。

总结

在最后，除了我自己感受到的变化之外，我还想分享一个案例。我的一个客户，因为自己有需求，所以通过 AI 编程，把一个开源软件，从单租户版，改造成了多租户版，增加了 SSO、权限、租户管理、统计等等功能。仅仅 3-5 个人的团队，一个多月，就把这个事情给做了。现在甚至还在考虑把这个商业化，要准备上 AWS Marketplace 去销售了。刚开始他们有这个想法的时候，我还只是付之一笑。现在看来，其实这个事情并非天方夜谭，至少并不如想象的那么困难。

在这个新时代揭幕，我留下这样一篇思考，希望能对所谓仅存的「人类最后一批开发者」一些帮助。

本篇作者