《新程序员》履行总编唐门教主上个月某天深夜写了一篇博客 --《编程的未来》（），要我谈谈感触。这也是最近软件工程师们聊得比较多的问题，上星期，在上海的 “关东小磨” 和十多位 CSDN 博主集会的时分（），咱们也略微谈了一下这个论题，可是谈得不透。我想在本文收拾一下我的思路。

　　首要，从上一年开端的 AI 辅佐编程浪潮中，许多人说到，从详细的函数完结来看，现在 AI 代码生成有许多做得欠好的当地，或许有许多 bug。

　　我以为不用纠结这些 bug，它们一定会不断地被处理，这是一个时间问题，也许是半年，也许是一周。但在编程方面，它有一个才干鸿沟，这个鸿沟未必能很快跨过。

　　慕测渠道的一篇高质量文章总结了 AI 辅佐编程现在的才干鸿沟，我总结如下：

　　▶ 生成的代码长度有约束。许多情况下，AI 不能输出完好的代码，还需求程序员来拼接代码，而他们要十分懂这些程序才干拼接成功。

　　//问程序员：你参加过的最杂乱的项目，总代码量有多少？有超越一千行代码么？

　　▶ 不能有用处理超长程序、开发环境的装备、多线程编程、已有程序的 bug 修正等问题。

　　▶ 泛化才干有限。假如是一个人类程序员，他在一个算法测验渠道经过了许多编程操练，那么他在另一个不同的编程渠道也应该能应对自若。可是，现在的 ChatGPT 还不能融会贯通，触类旁通。

　　▶ ChatGPT 处理杂乱编程中笼统的 “类” 和 “依靠联系” 的才干还比较弱。

　　//问程序员：你在这方面才干怎么？你写的最杂乱的 OO 规划有多少父类子类？

　　▶ Fred Brooks Jr. 在闻名的 “没有银弹” 结论中提出，软件开发中的要害使命便是了解并处理反映软件构成的杂乱概念, 现在 AI辅佐编程也并没有在这个方面取得打破。

　　//问程序员：你构建过多么杂乱的软件，这个软件作业了几年，这几年中你是怎么保护这个软件的？

　　假如 AI 都做不到上面这些，那咱们的程序员有多少能做到的呢？（：上面的红字部分，一般会呈现在面试中，你都能答复么？）

　　在咱们深化议论 AI 是否会替代程序员之前，咱们先看看软件包含哪些成分。

　　咱们要评论的是：AI 辅佐编程在工业尺度上，会起到什么效果？在《构建之法》这本书里，我说到过下面三个公式，能够看到 “编程” 在 IT 这个工业中，究竟处于什么方位：

　　现在的 AI 辅佐编程，只是在第一个层次极大地协助了程序员，但后边两个层次仍是要靠人，即各种大言语模型和它们衍生的东西会在文档出产、概括、流程处理方面有许多协助，但要害的当地仍是要靠人。

　　程序作业在 CPU 上，都在干什么？它们在对数据进行各种操作，增修改查 （Create Retrieve Update Delete — CRUD）。一个好的程序，要保证这些操作的正确和高效，一起还要保证程序正确运用计算机的各种资源（内存，网络，外设等）。这些问题，都是可解的，AI 一旦学会，就能勤勤恳恳地做好。可是人类一般有各种智力、松懈、大意等缺点，会犯许多过错。在软件职业开展的几十年中，代码正在不断地协助人类，防止人类犯过错。就像文字编辑器能主动提示人类的拼写过错那样，代码编辑器早在二十年前就能经过主动变量提示、语法高亮等办法，让程序员防止犯错，加速编程功率。

　　所以，咱们能有 AI 协助咱们写完好的函数、处理常见的问题，这是一件功德。

　　那么，这样的功德，为何让许多程序员十分忧虑呢？在此， 我想引证软件工程专家 Kent Beck 的结论：

　　AI 会替代一个程序员 90% 的技能，可是会把剩余的 10% 的技能扩大一千倍。

　　每个程序员都照照镜子问自己，我有哪些技能，是归于能够经过 AI 扩大一千倍的？

　　假如你只会增修改查，那么 AI 确实能够彻底替代你，所以能够重视一些 AI 短期内不太或许到达的技能：

　　▶ 对软件系统架构的全面了解，集成的才干。把你写的 1000 行代码集成到现有的十万行代码的系统中去，把各个模块集成、优化为一个高效的系统。

　　▶ 对软件作业数据的了解，能从数据中洞悉到问题，而不只是一个会念数据的人类。

　　▶ 发问的才干。向用户发问，了解用户的真实需求，向领导、搭档发问，了解咱们的思路，当然，还有从对方视点思考问题的才干和沟通的才干。

　　▶ 与软件团队其他人物和流程协作的才干。一个产品的质量，或许取决于整个流程中最差的那个人物和环节。一个软件工程团队有售前、产品司理，产品架构、技能架构、QA、安全系统、UED、售后支撑等人物，程序员在编程阶段取得了 AI 东西的赋能，能否让其他人物和流程也取得相似的赋能呢？

　　▶ 对其他事务的了解。例如，你想让 AI 协助医疗职业，那么你对医疗职业了解多少呢？

　　咱们程序员，也要多了解 #软件工程#， #商业模式#， #职业#， 才干让你的这些才干被先进的 AI 东西扩大。

　　跟着 AI 辅佐编程的开展，程序员是不是会失掉越来越多的作业时机，最终职业萎缩，就没有价值了呢？

　　咱们先看看人类需求的第一位，在“衣食住行”中独占鳌头的 “衣”， 看看它的开展是不是会给程序员一些启示。材料来自于网络和 ChatGPT，New Bing（例如，和一些文章 ）。

　　▶ 几千年前- 人们已将蚕蛾驯化家养，并能织出较为精密的丝织物。到了殷商时期，养蚕已很遍及，人们已熟练地把握了丝织技能。

　　▶ 几千年前- 手艺织布机的呈现和缓慢改善。“男耕女织”，“子不学，断机杼” 的说法就呈现在这个年代。

　　▶ 一千年前：提花织机的呈现。在中国古代编织技能中，最为杂乱的便是提花技能。为了使织机能重复有规则地编织杂乱斑纹，人们先后创造晰以综片和花本作为提花设备来储存纹样信息，形成了多综式提花机和各类花本式提花机。提花技能是纺织史上的里程碑，提花机的基本概念是将提花规则储存在织机的综片或是与综眼相连接的综线上，运用提花规则的储存来操控提花程序，使得这种回忆信息得到循环运用。

　　用今日的眼光看，古人创造的提花技能便是一种图形信息存储技能，好像计算机的程序，编好程序之后，一切的运作都能够重复进行，不用每次重新开端。

　　▶ 黄道婆（十三世纪）学习、改善、推行了棉纺织技能和先进东西（现代程序员的祖师爷应该是她们？）。

　　现在网上撒播的 “爱心 Python 代码” 等等， 能编出这样的把戏么？

　　▶ 百多年前：飞梭的织布东西，和珍妮机（Spinning Jenny）的呈现，大大进步了出产率，也引起了手艺业纺纱者的愤恨。他们捣毁了珍妮机，烧毁了创造者的房子。可是改造的浪潮接着打过来，紧接着就呈现了水力和蒸汽驱动的纺织机。到 1830 年，英国整个棉纺工业以及基本上完结了从工场手艺业到以蒸汽机为动力的机器大工业的改变。

　　上段文字说到的提花机，也传到了欧洲，在十九世纪取得极大的改善，其间一个模型便是雅卡尔提花机。 雅卡尔创造晰一种用打孔卡片操控的纺织机，纺织机能够依据预先设置好的“程序”（尽管其时还没有“程序”这个概念）移动丝线，织出美丽的布疋。这是第一次把信息经过一个机器能够辨认的载体记录下来，再由这个信息来操控机器的作业。

　　现代计算机的前驱巴贝奇从雅卡尔的提花机得到了启示，很快想到能够把穿孔卡片运用到他正在规划的剖析机上。剖析机读卡设备的原理与雅卡尔提花机相似，也是靠探针测验穿过卡片，要么顺畅穿过，要么被卡片顶住，两种不同情况下的探针位移能发生不同的机械传动——这其实是计算机史上最早的二进制运用。

　　▶ 几年前：衣服裤子有破洞，都不是 bug 了，而是 feature！牛仔裤做好后，还专门去做旧，搞出破洞。（别的，把牛仔裤做旧、做烂的进程，对工人和环境并不友爱，这点许多人并不了解！）

　　▶ 在这千万年的演化中，服装职业是变大了，仍是萎缩了，在这个职业作业的人，是有更多的时机了，仍是更少的时机？

　　▶ 现在软件编程这个职业，是处于纺织业的哪个阶段呢？（我想必定不是把破洞当作 feature 的阶段）

　　▶ 巴贝奇这样的计算机前驱从纺织机械的规划中得到了启示，你能从纺织业或许其他职业得到什么启示呢？

　　▶ 你认识了这个软件编程职业处于对应的 “衣” 阶段，你觉得应该从 “衣” 哪个阶段取得什么启示呢？

　　别的，让东西来协助编程和软件工程的各个环节，一直以来都是软件工程师和软件科学家的希望和探究。从主动语法提示，到主动测验用例生成，再到 CI/CD，这几十年都有巨大的前进。CASE（Computer Aided Software Engineering）一度是一个十分抢手的研讨范畴，最近为何很少听到了呢？ChatGPT 给我如下的解说：

　　CASE（Computer-Aided Software Engineering）是一种计算机辅佐软件工程的办法，旨在进步软件开发功率和质量。它包含了多种东西和技能，如需求剖析、数据建模、程序规划、测验等等。

　　杂乱度高：CASE东西自身就很杂乱，并且很难与其他东西集成。这导致了学习和运用CASE的门槛十分高，一般开发人员很难把握。

　　本钱贵重：CASE东西的价格很高，因而只要大型企业才干承当得起。关于中小型企业和个人开发者来说，购买CASE东西是一笔巨大的财政担负。

　　缺少规范：CASE东西之间缺少规范化，因而不同的东西之间很难进行兼容和集成。这导致了开发功率的下降，使得CASE的运用受到了约束。

　　功用单一：CASE东西一般只能完结一部分的软件开发使命，无法满意杂乱软件开发的需求。因而，开发人员往往需求一起运用多个CASE东西，这增加了开发的杂乱度和本钱。

　　综上所述，以上原因导致了CASE的衰败。尽管现在现已有了更多的开发东西和技能，但CASE的思维仍然在软件开发中发挥着重要的效果。

　　我个人也搞过一些 “程序了解”， “主动编程” 的试验，下图是我和微软研讨院的小伙伴在 2019 年内部 “黑客松” 上展示了 “主动找到你想要的 Python 代码” 的功用。中心主意学习了 2018 年 GitHub 团队的作业，用 word-embedding 来练习和寻觅代码、函数阐明、代码注释的相关性，协助用户找到他想要的代码。这个小项目最终还得奖了。

　　IT 界每隔几年就有一波浪潮或许泡沫，新的一波大潮现已打过来了。想躲？能跑多远？不如成为弄潮儿，勇向涛头立。