Eric Matthes：思考 AI 对编程和程序员的影响
Eric Matthes：思考 AI 对编程和程序员的影响
AI工具的出现正在深刻改变编程工作流程。从简单的代码生成到复杂的项目部署，AI助手正在展现其独特价值。本文通过具体案例，深入探讨了AI工具带来的机遇与挑战，帮助程序员更好地理解这一技术变革。
尽管几十年来我们一直在构建和使用越来越有用的工具，但AI助手的出现却带来了极为深远的影响。这种变化无疑超过了我们长期以来所见的任何革新。
本文是我试图理性分析这些变化的一部分：什么在改变？什么保持不变？我们应该如何应对？
在两个极端之间
没有人知道未来的1～5年，编程会变成什么样子。任何以绝对自信谈论未来的人，要么过于自信，要么试图推销某种东西。设定一些边界来判断事情可能会发生多大的变化是有帮助的。关于变化的两种极端观点非常简单：
- 没有人再需要编程，因为AI会接管一切。
- 没有任何变化，因为这些工具实际上并不真正有用。
我可以很肯定地说，现实介于这两者之间。所以，继续学习编程仍然非常值得。但同时，不可否认的是，事情确实发生了根本性的变化。
关于py-image-border的反思
在本系列的前几篇文章中，我编写了一个为图像添加边框的小工具。因为我需要为屏幕截图添加边框，而macOS并没有内置这样的工具，所以我决定开发一个。最初，我手动编写了一个可用版本，接着又分别使用和不使用AI助手进行了重构。这次实践让我对AI工具的影响有了深刻的认识。
从独有技能到人人可用
有一个非常显著的结论让我至今感到惊讶。py-image-border这种小工具，对于有一定能力的程序员来说，构建它简直易如反掌，因为有太多像Pillow这样优秀的第三方软件包可供使用。它也是那种非程序员历来完全无法使用的实用程序。对于非程序员来说，花钱请人制作这样一个工具总是太贵了，即使它只不过是一个下午就能完成的工作。
但是，现在只要能使用GPT，任何人都能轻松制作这种工具。
虽然本系列的重点是重构，但我做了一个小测试：直接要求GPT生成“添加图片边框的代码”。GPT生成的代码与我自己写的不完全相同。我对是否完全采用GPT生成的架构抱有复杂的情绪，但更重要的是，GPT能够生成完整的、非简单的功能性程序。
即便你完全没有编程背景，只需告诉GPT你的需求，它会一步步指导你如何在自己的系统上使用代码。对于某些问题，你甚至不需要理解生成的代码内容，只需清晰表达你的需求即可。
PyCon的见闻
我从PyCon回来，此次前往的一个重要目标是了解现实中人们如何使用AI工具，远离营销宣传和博客文章的夸张之词。
这次的重构实验让我能够清晰地向他人讲述这些现有AI工具的有效性。我发现，比起夸大AI影响力的人，低估AI能力的人更多。这种低估往往来源于发现AI工具在某些小问题上表现不佳或不够一致，然后以此为依据，完全否定其价值。
更复杂的用例中的启示
我遇到的一个例子，很好地说明了为什么一些有经验的程序员容易过早否定AI工具。我正在开发一个更复杂的项目——django-simple-deploy，这是一个自动化Django项目部署的工具，支持多个平台。它需要在用户的本地系统上运行，并根据用户选择的平台配置项目。
由于工具需要支持不同的包管理工具（如requirements.txt、Poetry或Pipenv），我最初尝试检测用户系统中是否安装了Poetry。我用poetry --version检测，但发现该命令在不同的系统或目录中输出不同的结果，导致方法不够可靠。于是我询问GPT是否有更好的解决方案。它建议如下代码：
def is_poetry_installed():
poetry_path = shutil.which("poetry")
return poetry_path is not None
这是一个非常棒的解决方案，它跨平台，仅检测Poetry的可执行文件是否可用，而不是尝试解析命令行输出。
我随后问GPT如何检测Pipenv是否安装，它最初提供了一个复杂且笨拙的方法。经过反复交流后，我发现检测Pipenv同样可以使用这行代码实现。GPT解释说，它最初建议更复杂的方法，是因为“想提供更全面的解释”。
这些不一致之处让一些人对AI工具感到失望，但如果了解其局限性，实际上仍然可以发现其背后的巨大价值。
非确定性带来的不适
对于许多程序员来说，AI工具的非确定性是一个让人不适的重要原因。AI并不总是对相同输入产生相同输出，这种非确定性让人感到无法完全信任。我们习惯了确定性的系统，对于非确定性的系统通常充满戒备。这种心态导致一些人完全拒绝使用AI工具，尤其是在没有提供足够上下文时，AI回答复杂问题表现得不够理想。
此外，一些程序员习惯将逻辑性和分析能力视为个人身份的核心，当面对看似“不合逻辑”的AI工具时，可能会产生认知冲突。尤其是当他们意识到这些工具可能威胁到自己的工作时，这种排斥情绪会更为强烈。
py-image-border的实际价值
当讨论AI工具对编程的深远影响时，提供一个具体的例子是很有帮助的。py-image-border项目就是这样的例子。它展示了一种曾经只有程序员才能实现的技能，编写小型实用工具以提高效率，如今对于任何能够使用GPT的人来说都变得触手可及。
几十年来，无代码工具总是被过度宣传。而AI工具的出现，表明我们终于拥有了一种真正通用的“无代码的自然语言工具”。这是令人惊叹的进步。
没有预想中的过度宣传
在为期一周的面对面交流中，包括与一些实际开发这些工具的人交谈，我发现关于AI工具的宣传并没有我预想的那么夸张。我认为这有两个原因。
首先，PyCon倾向于吸引那些不会试图过度吹嘘其产品功能的人，包括赞助商。因为周围有足够多的专业人士，过度吹嘘只会让自己显得很傻。
但更重要的是，那些每天构建和使用AI工具的人根本不需要炒作任何东西。他们清楚这些工具并不完美，但也知道自己和其他许多人一样，正在通过这些工具完成非常重要的工作。他们能够看到模型的缺陷，同时也知道如何解决这些缺陷，有时甚至可以利用这些缺陷完成特定的任务。
我不盲目崇拜AI
请不要误解我的意思。我坚定地相信AI工具非常有用，但我并不盲目崇拜它们。这些工具已经在许多方面对人们的生活造成了负面影响，未来这种影响可能还会持续一段时间。然而，出于多种原因，这已经是无法逆转的现实。
换句话说，这个“精灵”已经从瓶子里跑出来了。既然如此，我们所能做的就是努力理解这些工具，开始适当地使用它们。
结论
通过这次实验以及观察，我得出的结论非常明确：尽早以自己的方式探索AI工具。不要知识复制粘贴AI生成的结果，也不要因为它们的错误就轻易放弃。AI工具的强大之处在于，它们偶尔的错误和误解，实际上可以引导你思考新的解决方案。
与此同时，继续从可靠的资源学习：阅读书籍、新闻咨询和文档，观看视频和演讲，与同事交流，并向非技术人了解他们对AI的体验。AI工具已经是当下世界的一部分，而不是未来的工具。越早理解它们的能力和局限性，你就越能在这个快速变化的世界中游刃有余。
许多人都在尝试理解AI工具。如果这篇文章对你有帮助，请转发分享给你的朋友们。