一位名叫 Ab Advany 的技術人員最近接了個小活兒，幫他的一位好友在其工作單位監督編程案例研究。這項案例研究總共花了兩周時間，他們聘請了兩名程序員為其創建最小可行產品(MVP)。
這兩名程序員都是為該機構工作了很長時間的承包商。Ab Advany 之前也曾與二人合作，對兩人的背景十分了解。首先是來自德國的 Alex，擁有 19 年編程經驗，采取 100%純手動編程。來自巴基斯坦的 Hamid 僅擁有 4 年開發經驗，在編程中采用了手寫代碼+Copilot+GPT-4+無代碼開發。
Ab Advany 表示他們原本以為 Hamid 大概能在 8 到 10 周內完成工作，而 Alex 可能要多花上 1、2 周時間。但最終結果卻令他們大為意外!Hamid 在一周之內完成了此項目，端到端測試與測試覆蓋率均達到 100%;Alex 則只完成了 7%。Hamid 的開發總成本為 3819 美元，Alex 的開發成本則為 3520 美元。
讓不使用 AI 的老程序員出局?
具體來說的話，兩位程序員都收到了 Figma 設計要求和詳細規格。設計師會幫助他們獲取所需資產，外加需要集成的現有代碼。
Hamid 在一周之內就完成了首個版本，代碼測試覆蓋率和無代碼部分的端到端測試均達到 100%。95%的工作量似乎已經完成，而且基本看不出有什么問題……
Hamid 在 @bubble 中構建了 UI 和前端工作流，使用 GPT-4 生成 Cloudflare Workers，使用 Copilot 集成現有代碼，并使用 GPT-4 來生成測試。
Hamid 的開發成本細則：
GPT-4: 211 美元
Copilot: 20 美元
Cloudflare: 5 美元
Bubble: 134 美元
總計: 2460 美元 (共 41 個工時)
托管/運行成本：每月 139 美元
Alex 完成了總工作量的約 7%，成本為：
Vercel: 20 美元
總計: 3500 美元
開發所有內容的預期成本：4.5 萬美元。預計額外還需要 1.1 萬美元進行測試。
托管/運行成本：每月 20 美元
Ab Advany 的好友跟 Alex 交流了研究感受，對方的結論是“但純手動開發的應用運行成本要低得多，而且一切都在自己的掌握當中。”Alex 顯然沒理解 13 倍的產品發布速度和 1/25 的開發成本到底意味著什么。
他們讓 Alex 出局了：因為他只相信手動編碼，而不愿借助無代碼/AI 的力量……而 Hamid 則收到了該公司全職工作的邀請：他將培訓其他程序員，讓大家結合無代碼+AI 進行編碼……
拉仇恨?!
Ab Advany 將這個事情分享到了 Twitter，他很好奇這樣的比對會帶來怎么樣的結果。
他還在 Twitter 線程里補充道：“我朋友所在的機構有 100 多位像 Alex 這樣的開發人員。現在，他們打算對老程序員做重新培訓，甚至用 Hamid 這種新兵取代他們……我覺得 Hamid 這類開發者五年之后也仍然不愁工作崗位，但 Alex 所代表的群體可能會被迫跳槽或者轉行。大家怎么看?”
案例發布后，大家對他進行了更仔細的問詢：
網友 A：“為什么 Alex 不想使用這些工具?我從 1986 年開始編程，我就很喜歡使用 Copilot、ChatGPT 這些，它們讓我的生活更輕松……”
Ab Advany：“你閱讀完這個 Twitter 線程的話，你會看到許多傳統程序員對‘為什么不使用 AI’的答復。其中比較重要的一點是，當前的 AI 有上下文限制。因此，要使其工作，我們需要進行函數式編程。”
網友 B：“用 GPT-4 武裝的 Alex(老程序員) 會是一個更好的解決方案。難道只有我這樣覺得嗎?”
Ab Advany：“Alex 不想使用 GPT-4。他認為會產生錯誤的代碼。特別是這意味著 Alex 需要適應 AI，而不是 AI 適應 Alex。”
同時 Ab Advany 也收到了非常多的反方意見：
“當然，對于簡單的項目、網站/應用程序等，你可以得出這個結論。但對于具有更高復雜度的新穎解決方案，你不應該運行你不理解的代碼，它關乎到開發者的聲譽。如果它們存在安全漏洞，甚至有相關法律責任，該怎么辦?”
“對于構建可擴展和可維護的長期關鍵任務項目，我會選擇 Alex。”“解雇 Alex 是錯誤的舉動。”
“散布這樣的謊言，你能得到什么?在營銷嗎?此外，這樣的比較甚至沒有提到代碼質量。將來你肯定要為質量、性能和可維護性付費。”“可能有些人真不在乎代碼質量吧?”
……
不出所料，僅兩天后，他發了條新推文：“我的推文引起了程序員們的強烈不滿。”
更要命的是他的推文配圖，“RIP，傳統程序員”。他堅持認為大家必須更好地評估問題并選擇正確的前進方向。因為太過激進，所以他得到了網友們對他進一步的評價：“真是越來越讓人討厭了!”
抗拒 AI 輔助編程會是一場“必敗仗”嗎?
基于大型語言模型的 AI 工具，比如 OpenAI Codex ，或來自微軟的 GitHub Copilot ，亦或來自谷歌 DeepMind 的 AlphaCode，已經開始改變許多開發者的工作方式。雖然目前它們只可以用來編寫代碼片段、發現錯誤、編寫注釋、提供建議等，但這并不妨礙讓大家見識到它的威力。
去年，谷歌的研究人員發現，人工智能將“編碼迭代時間”減少了 6%，這份研究主要針對谷歌內部的 10,000 名開發人員。
GitHub 去年也調查了 2,000 名程序員，了解他們如何使用 GitHub 的 AI 編碼助手 Copilot。大多數人表示 Copilot 幫助他們減少挫折感并增加成就感;88% 的人表示這提高了他們的工作效率。在報告中，GitHub 說道：“使用 Copilot 輔助編程的開發人員完成任務的速度明顯更快——比不使用它的快 55%。”
雖然生成式 AI 模型和工具還在改進中，但一點也不影響其普及速度，越來越多的開發者開始使用它們。以 GitHub Copilot 為例，微軟于 2022 年 6 月首次面向個人推出該工具時，平均有超過 27% 的開發人員代碼是由 GitHub Copilot 生成的。到了今年 5 月，微軟再次統計時，這個數字已經變成了 46%——而在 Java 編程語言環境中，這個數字躍升到了 61%。
所以 GitHub 大膽斷言，“鑒于這項技術可以幫助開發者加快構建速度，所以展望未來，不采用生成式人工智能工具的科技公司將在生產力方面處于明顯劣勢。”
Ab Advany 分享的案例，也許這并不是讓我們單純地比較哪個方案更好，而是讓我們明白，我們已經有了很多選擇，AI、低代碼等工具都可以用來解決部分問題，那么該是時候讓我們再次評估如何讓開發人員進一步專注于核心業務邏輯、減少底層開發、讓大家更高效更輕松地工作了。
至于 AI 輔助編程是不是未來發展方向?這就像一位網友給 Ab Advany 的評論中那樣：“純粹的非 AI 輔助編程工程師在這里是在打一場必敗仗，這很明顯……現在誰會在沒有 Copilot 的情況下編寫代碼呢?”
參考鏈接：
https://twitter.com/advany/status/1664451798793584642
https://archive.ph/o21uE#selection-819.4-819.11
https://github.blog/2022-09-07-research-quantifying-github-copilots-impact-on-developer-productivity-and-happiness/
https://github.blog/2023-05-09-how-companies-are-boosting-productivity-with-generative-ai/
本文轉載來源：
https://www.infoq.cn/article/aCtNDBJttaNPE07i6xIw
