大语言模型

AI编程的生产力变革：百度工程师代码已有27%由AI完成，提示词工程师供不应求！

2024 年 6 月 8 日

内容导读

51CTO技术栈在本期AIGC实战派特别邀请了百度Comate架构师徐晓强来聊一聊AI编程带来的生产力革命。

以下是访谈要点：

AI编程的市场热度有目共睹，并且会出现越来越多的落地案例和商业价值。
为了更好地与AI工具合作，用户应该清晰地描述需求，将AI视为一个有问必答的私人助手，不断探索和交互。
自大模型技术兴起以来，百度实现了10%的人效提升，工程师提交的代码中有27%是由AI生成的，用户的采纳率达到了46%。
AI编程的能力边界主要在具有这三个特点的任务中：高度重复性、简单、琐碎。
模型本身对于信息的理解还不够深入，AI作为概率模型，其输出受限于已有知识，缺乏创造力。
我们与AI的协作还处于指令模式，但未来AI可能会做到更多，例如简单的决策任务等，这样我们才能达到真正的人机协同新模式。
软件工程领域确实正在经历一些根本性的变化，产品经理可能利用大模型快速生成原型，而承担了部分开发的工作。
对于在AI原生应用的开发来说，提示词工程师（prompt engineer）是一个不可或缺的角色。不过从目前看，这个角色实在太新了，市场上难以找到经验丰富的人选。
未来将会出现模型及其周边应用的新形态，这些应用将运行在模型之上，用户与AI的交互不再依赖于代码或数据的传输。从而向最终“人人都是程序员”的终极目标迈进。

内容目录

01 百度工程师提交的代码已有27%由AI完成

02 AI对信息的理解还不够深入，且输出受限于已有知识

03 软件工程经历根本性变革，提示词工程师供不应求

04 AI编码人机交互模式有望全面革新

关于我们

智能小巨人科技是诞生于“AI数字化革命+全面注册制”背景下的精品咨询公司；核心产品服务：企业战略智库、科技战略咨询、资本品牌解决方案、创始人品牌打造等。

大模型与AI商业的共识与非共识

智能小巨人科技业务介绍

目前我们的实名社群矩阵已覆盖5000+高知人群，欢迎添加小智的企业微信，发送姓名、职务信息后为您匹配垂直社群！

为促进AI领域优秀创业团队与早期投资团队之间的顺畅链接，智能小巨人科技每个月均与知名投资机构联合举办项目推介闭门活动，欢迎AI早期优秀项目添加小智的企业微信，参与闭门路演！

入群/项目推介3部曲：

第1步：扫描二维码加小智企微

第2步：发送您的姓名、职务信息

第3步：匹配社群或登记路演项目

嘉宾|徐晓强

采访|张晓楠

撰稿|李美涵

来源 | 51CTO技术栈（ID：blog51cto）

因为AI编程，百度实现了10%的人效提升，今天工程师提交的新增代码中有27%由AI生成。

然而，作为百度Comate架构师，也是这款产品的首个用户，徐晓强非常反对“开发者将被编程工具替代”的这个说法。在研发和架构方面的工作经验，让他坚信人类的决策力和创新力有着无可取代的价值。

“工具是帮助人类去做到更好，工具本身不是用来替代人类的。”他在采访中多次表达了自己的这个观点，“人类的决策和创新能力，永远优于模型。”

不过，他也敏锐地注意到，随着AI的介入，软件工程领域确实正在经历一些根本性的变化。研发流程中的角色边界正在模糊，开发者与AI协同工作的新范式时代将要来临。

作为Comate的深度使用者，徐晓强在直播中分享了许多自己使用编程工具的方法和心得，他建议用户应该尽可能多的练习这项工具，达到“熟能生巧”。

徐晓强设想中的AI编程终局，是遥远而伟大的。在编程工具迎来质变的飞跃之后，他期待人们能以更平等、更加对话的方式与AI协同开发，甚至超越语言直接在意识层面进行交互，以抵达“人人都是程序员”的终极蓝图。

百度工程师提交的代码

已有27%由AI完成

AIGC实战派：现在有一种论调，说AI编程可能会极大程度的颠覆与编程有关的职位，这个观点也引起了一些恐慌。

但另一方面，很多人会发现用AI进行编程的效率远远没有我们想象中那么高。

AI编程的巨大热度究竟是因为需求所在，还是有噱头的成分在里面？

徐晓强: 我们先抛开这些观点，去看看现在的事实情况。

首先，尽管AI编程工具的普及和接受需要时间，但AI编程的市场热度有目共睹，并且会出现越来越多的落地案例和商业价值。

其次，AI编程产品会继续进化，以回应更多的“真需求”。拿我们自己的产品Comate 2.0来说，我们正在不断地努力从纵向和横向维度上提升产品能力。

横向上，我们希望AI编程能够覆盖更广泛的研发场景。

比如利用RAG技术深入理解项目及代码，从而在多种场景下提升研发效率。在纵向上，希望AI能够在某一个行业或者某一个场景下打深打透。

最后，AI编程工具的提效效果可能因个人和组织而异，用户需要培养使用习惯、找到与工具的契合点。为了更好地与AI工具合作，用户应该清晰地描述需求，将AI视为一个有问必答的私人助手，不断探索和交互。

除此之外，还有很多开发者可以利用AI编程作为学习工具，了解不熟悉的语言、框架和代码实现思路，甚至可以深入追问实现细节。

可以说，在编程领域AI提效并非噱头。

自大模型技术兴起以来，百度实现了10%的人效提升，工程师提交的代码中有27%是由AI生成的，用户的采纳率达到了46%。现在，百度有80%的工程师使用AI工具辅助开发。

更进一步说，工程师们感受到了新一代工具所带来的变化，这不仅是工作效率的提升，也增加了工作的幸福感。

AIGC实战派：在采用AI编程的时候，有没有什么方式可以更好地发挥工具的潜力？

徐晓强: 我觉得还是要多去尝试。渐渐地你能找到感觉：什么场景下，AI做得比人要快。通过这样一个个场景的积累，工具会逐步达到你所预期的效果。

AIGC实战派：刚才您也提到了百度每天新增的代码中，有27%由Comate生成。那么会有人担心，当自己公司的研发团队更多地使用AI编程工具后，是不是会导致裁员？

徐晓强：最开始的时候，我们也困惑和担心会出现这种情况。但随着对AI编程有了更深入的使用和理解，我意识到提升效率不是让工具取代人类，而是让工具与人更好地协作，从而增强人的能力。

目前AI还没有发展到能让编程、让开发者这个职业消失的阶段。不过，就像汽车的诞生之于马车夫一样——即使有一天达到这个阶段，也无需过度担心。

AI对信息的理解还不够深入

且输出受限于已有知识

AIGC实战派：我们可以在多大程度上寄希望于AI编程工具，工具会不会有能力的极限？

徐晓强：要聊AI编程的能力边界，我觉得先要看工具的核心优势在什么地方。

我认为主要在具有这三个特点的任务中：高度重复性、简单、琐碎。

相应的，在要求创造性、决策性以及复杂的场景中，AI的能力达不到优秀的标准。我觉得它的能力主要受限于以下几个方面。

第一，模型本身对于信息的理解还不够深入。

尽管我们有了更大规模的模型，但对代码的理解仍然不够好。我认为，代码属于信息密度较低的载体，它的诞生并不是为模型、机器服务的，而是在人和机器的语言之间寻找到一个平衡。所以，AI凭借代码无法掌握全局，这就会极大的削弱决策的准确性。

第二，人类信息的存储和传输方式多样，而AI对多模态信息如流程图、类图的理解能力有限。这也是当下一个非常热门的研究方向。

第三，从模型的原理出发，AI作为概率模型，其输出受限于已有知识，缺乏创造力。普通用户难以自行调整AI的提示（prompt），需要prompt工程师这样的专业角色介入。

最后，AI对专业领域的知识理解尚浅，无论是私域知识还是专业领域知识，都需要进一步加强。

基于上述因素，AI在某些场景下的表现是有边界的。需要人类作为桥梁，根据具体问题进行分析，去决定哪些任务交给AI去完成，哪些由自己完成会更好。这是人类将永远优于模型的领域。

AIGC实战派：假设有个不具备编程能力的人，他如果借助足够强大的辅助编程工具，是否可以实现一些程序员正在做的工作呢？

徐晓强：我觉得目前已经一定程度上达到了这种效果。

AIGC实战派：但真正具有创造性和挑战性的代码工作，还是需要程序员来完成？

徐晓强: 对。

AIGC实战派：从这个角度来说，程序员们是不是就不需要担心自己将被替代的事情。

徐晓强: 对。我觉得可以完全不用担心这些。

软件工程经历根本性变革

提示词工程师供不应求

AIGC实战派：现在，很多人会提到一个词“软件工程新范式”。在AI的冲击之下，软件工程会有哪些变化？从业者应该怎么看待和应对这些转变？

徐晓强：是的。最近软件工程3.0的概念变得比较火，虽然我认为现在也仅是达到3.0时代的起点。

回顾软件工程范式的演变，1.0时代的软件工程真正规范化了软件开发和团队协作流程。但这种方法在实际开发中显得不够敏捷，交付过程也不够流畅。

进入2.0时代，开发变得敏捷、基础设施不断完善，以云计算和SaaS为代表，在思维方式和产品形态上与1.0时代相比发生了重大变化。

至于到3.0时代，我并不认为我们进入了一个由工具驱动变革的阶段。大模型（LLM）在各方面展现出的潜力使它扮演了催化剂的角色，而非主导变革。以前，为每个开发者提供一个与自己协同工作的角色是不现实的，但在今天，我们正处于与AI协同工作的新范式时代。

AI协同工作方式能在以下几方面给我们带来工作上的提升：

首先，AI能简略实际工作中的操作步骤。

其次，AI减少了我切换任务的成本，使我能在一个界面内依赖它完成提问、熟悉项目、理解和查找信息等工作，它就像我的左膀右臂。

目前，我们与AI的协作还处于指令模式，但未来AI可能会做到更多，例如简单的决策任务等，这样我们才能达到真正的人机协同新模式。

随着AI的介入，软件工程领域确实正在经历一些根本性的变化。研发流程将被重构，需求工程变成了交付的起点和终点，当前版本的功能上限可能就是新需求的起点，不断推动产品迭代。

同时，AI的出现也使得角色划分变得模糊。现在，产品经理可能利用大模型快速生成原型，而承担了部分开发的工作，类似的动态能力有助于团队更直观地理解和评估产品概念。

我认为，人机协同的方式和交付模式的变革，以及整个链条式的变化，将共同推动软件工程的演进。

AIGC实战派：刚才说到3.0时代还没有正式开始，在这个过渡的阶段中，会不会产生一些新的关键角色？

徐晓强：对，我们已经注意到出现了一些新的变化。例如，最近有个比较火的新职位——提示词工程师（prompt engineer）。这个职位以前并不存在，它其实是从研发或产品角色演变而来的。

这表明，随着AI的融入，对原有职位的要求正在更新，同时也在形成更加专业化的细分领域，让拥有这些技能的人可以发挥更大的价值。

AIGC实战派：新的角色会以什么方式加入企业呢？是在企业内部产生，还是说需要通过招聘来实现？

徐晓强: 我认为，对于在AI原生应用的开发来说，提示词工程师（prompt engineer）是一个不可或缺的角色。不过从目前看，这个角色实在太新了，市场上难以找到经验丰富的人选。

因此，我们通常会通过内部转岗，比如从研发或产品经理转型，来填补这一角色。转型过程中，我们会参考其他优秀实践，将成功的实践沉淀下来。

另外，我们也会在工具层面做支撑。在百度内部，为了支持整个链路的运作，我们开发了一系列工具，比如Comate stack、Playground等。

AIGC实战派：刚才您说AI创造了新的岗位让人眼前一亮，但话锋一转说，其实我们有很多的产品功能可以填补这些岗位的需要……（是不是相当于没有新的岗位被创造出来？）

徐晓强: 那倒不是，我觉得工具是帮助人类去做到更好，工具本身不是用来替代人类的。

AI编码人机交互模式有望全面革新

AIGC实战派：去年GitHub推出的AI编程工具遇到了一个诉讼，AI写了一段代码，但这个代码被证明并不是原创，诉讼围绕着侵权问题展开。我们在使用编程工具的时候，应该怎么样去规避这样的问题？

徐晓强: 这是一个很新的问题，无论是立法还是从判例来看，都缺乏足够的参考。我觉得这其实是两个层面的问题。

第一层问题是技术问题，第二层是法律问题。

在技术层面，有很多的技术解法，更多地是去做防御。

我们致力于确保技术的可靠性和合规性，比如在模型训练时，识别并避免分发具有版权保护的代码片段。从产品层面，要保证数据的合规传输，确保用户交互过程的数据和隐私安全。

从法律层面上来看，需要立法来解决相关问题，保护大多数人的利益。

实际上民间已经有一些行动，今年我们作为生成式大模型智能开发标准的核心参编单位，去编写大模型原则、数据安全相关的保障条例。所以有理由去相信，在不久的将来，整个法律层面会更完善更有依据，为行业的发展提供支撑。

AIGC实战派：徐老师说的这点很有启发，刚才我们讨论的问题，也并不是大模型时代独有的。因为大模型受到了很多关注，而且一部分的人对AI编程技术还存在着怀疑，那么出现的个案（的负面影响）可能就会被放大。

徐晓强: 对。

AIGC实战派：随着AI编程工具的不断发展和演进，最终会迭代调优到什么样子？我们好奇所谓的AI编码的终极形态。

徐晓强: 长期来看，我觉得终局会与现在的产品有非常大的质变。

首先是人机交互方式上的变化。

目前，我们的交互主要是通过键盘输入，我主动提供信息给机器，让机器分析和理解我的意图。未来，我们能否以更平等、更加对话的方式，甚至超越语言直接在意识层面进行交互，这将是一个全新的体验。

第二点，我刚才也有提到过一些想法，就是信息载体在未来的变化，可能使得不再需要代码这个概念。

我相信，未来将会出现模型及其周边应用的新形态，这些应用将运行在模型之上，用户与AI的交互不再依赖于代码或数据的传输。从而向最终“人人都是程序员”的终极目标迈进。

设想一个场景，加入我需要生成一个邀请朋友们参加派对的应用程序时，我只需要用一句话简单表达我的需求，AI就能为我创建并发送这个应用，让朋友们能直接回复是否参加，以及他们的想法和礼物选择。

回到现实，这种理想状态还相对遥远。

AIGC实战派：这款产品接下来有哪些计划？

徐晓强: 在Comate的发展上，我有两个主要的期望。

首先，我们希望能够扩展它，以覆盖更多的研发场景，甚至于应用到非研发场景中，从而帮助各种不同的角色在开发和软件工程协同工作中提升效率。

其次，我也希望Comate能在垂直在开发领域中，为开发中的需求分析提供更深入的支持。帮助大家在使用过程中能够更容易上手，快速地达到熟练水平，获得更好的成果。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们

AI编程的生产力变革：百度工程师代码已有27%由AI完成，提示词工程师供不应求！

立即咨询 JOTO

想把这些做法用到你的业务里?

开启企业级 AI 落地

填写需求单