我想我知道为什么，答案揭示了我们需要思考的有关软件开发的一些基本事实。
开发人员如何实际使用人工智能
我观察到利用人工智能开发的两种不同的团队模型。我们称之为“自启动”（）与“迭代器”）。这两种模式都可以帮助工程师（甚至非技术用户）弥合从想法到执行（或 MVP）的差距。
自启动：从零到MVP
Bolt、v0 和屏幕截图到代码 AI 等工具正在彻底改变我们启动新项目的方式。这些团队通常：
结果令人印象深刻。我最近看到一位独立开发人员使用 Bolt 在很短的时间内将 Figma 设计转变为可用的 Web 应用程序。虽然还没有达到生产水平，但足以获得初步的用户反馈。
迭代器：日常开发
第二阵营使用 、Cline 和 等工具来处理日常开发。这些工具不那么迷人，但可能更具变革性。这些开发人员将：
但事情是这样的：虽然这两种方法都可以显着加快开发速度，但它们都会带来一些不太明显的隐性成本。
“AI速度”的隐性成本
如果你曾经看过高级工程师使用或等待人工智能工具，你会认为这就像魔术一样。他们可以在几分钟内构建完整的功能，并完成测试和文档记录。但如果你仔细观察，你会发现一个关键点：他们不只是接受人工智能的建议并完成它。他们会不断地：
换句话说，他们正在运用多年来之不易的工程智慧来塑造和限制人工智能的输出。人工智能可以加快其实施速度，但他们的专业知识是使代码可维护的关键。
初级工程师经常忽视这些关键步骤。他们更有可能完整地接受人工智能的输出，从而产生我所说的“纸牌屋代码”——看似完整，但在现实压力下崩溃了。
知识悖论
这是我发现的最违反直觉的事情：人工智能工具比初学者更能帮助经验丰富的开发人员。听起来我们正在倒退——人工智能不应该使编码民主化吗？
现实情况是，人工智能就像你的团队中有一位热情的初级开发人员。他们可以快速编写代码，但需要不断的监督和纠正。您知道的越多，就越能更好地指导他们。
这就产生了我所说的“知识悖论”：
我亲眼目睹高级工程师使用人工智能来：
与此同时，初级员工经常：
70%问题：人工智能的学习曲线悖论
有一条推文完美地总结了我对该领域的观察：非工程师的人在使用人工智能进行编码时面临着令人沮丧的障碍。他们可以非常快地完成前 70%，但最后 30% 是一个收益递减的过程。
这个“70%问题”揭示了当前人工智能辅助开发的一个关键问题。这个进展一开始感觉很神奇——只需描述你想要什么，v0 或 Bolt 这样的人工智能工具就会生成一个看起来令人印象深刻的工作原型。但后来，现实慢慢浮现出来。
前进一步，后退两步
接下来发生的事情大概会是这样的：
这种情况对于非工程师的人来说尤其痛苦，因为他们缺乏相应的思维模型，不知道问题出在哪里。当经验丰富的开发人员遇到错误时，他们可以根据多年的模式识别推断出潜在的原因和解决方案。如果没有这个上下文，这基本上就是一个打地鼠游戏，你不完全理解的代码就是地鼠。
这种学习悖论仍在继续
这里有一个更深层次的问题：非工程师的人可以使用人工智能编码工具，因为他们可以为他们处理复杂的问题，但这也会阻碍学习。当你不理解底层原理，代码凭空“出现”：
这就产生了一种依赖关系，你不断地要求人工智能解决问题，而不需要培养自己处理问题的专业知识。
知识差距
最成功的非工程师以混合模式使用人工智能编码工具：
利用人工智能快速原型制作
花时间了解生成的代码是如何工作的
除了学习如何使用人工智能之外，您还可以学习基本的编程概念
逐步掌握基础知识
使用人工智能作为学习工具，而不仅仅是代码生成器
但这需要耐心和承诺——这与许多人最初希望通过使用人工智能工具实现的目标完全相反。
对未来的影响
这个“70% 问题”表明当前的 AI 编码工具最好被视为：
但它们还不是许多人所希望的编码民主化的解决方案。最后 30%（使软件达到生产级、可维护且功能强大的部分）仍然需要真正的工程知识。
好消息是，随着工具的改进，这一差距可能会缩小。但目前，最务实的做法是利用人工智能来加速学习，而不是完全取代它。
真正有效的：实用模式
在观察了数十个团队后，我发现以下内容始终有效：
1.“AI初稿”模型 2.“持续对话”模型 3.“信任但验证”模型 展望未来：人工智能真正的未来？
尽管面临挑战，我仍然对人工智能在软件开发中的作用持乐观态度。关键是要了解其真正目的：
加速已知
人工智能擅长帮助我们实现我们已经理解的模式。这就像拥有一个非常耐心、打字速度极快的编程伙伴。
探索可能性
人工智能非常适合快速开发原型和探索不同的方法。它就像一个沙箱，我们可以在其中快速测试概念。
自动执行日常任务
人工智能显着减少了花在样板文件和日常编码任务上的时间，使我们能够专注于有趣的问题。
这对你来说意味着什么？
如果您刚刚开始人工智能辅助开发，以下是我的建议：
从小处着手，保持模块化，相信您的经验，类似代理的软件工程的兴起
随着我们迈向 2025 年，人工智能辅助开发的格局正在发生巨大变化。虽然当前的工具已经改变了我们开发原型和迭代的方式，但我相信我们正处于一个更重大转变的风口浪尖：软件工程代理的崛起。
“智能代理”是什么意思？这些系统不仅可以响应提示，还可以越来越自主地规划、执行和迭代解决方案。
我们已经看到了这种演变的早期迹象：
从响应者到合作者
目前大部分工具都要等待我们的命令。但看看计算机使用情况，或者 Cline 自动启动浏览器并运行测试的能力。这些不仅仅是锦上添花的自动完成——而是关于理解任务并主动解决问题。
以调试为例：这些代理不仅可以建议修复，还可以：
多式联运的未来
下一代工具可能不仅仅能够执行代码，而且可以无缝集成：
这种多模式能力意味着他们可以像人类一样理解和使用软件——从整体上理解和使用软件，而不仅仅是在代码层面上。
自主但受引导
我从使用这些工具中获得的一个重要见解是，未来不是人工智能取代开发人员，而是人工智能成为能力越来越强的合作者，能够采取主动，同时仍然尊重人类的指导和专业知识。
2025 年最高效的团队可能是那些掌握以下技能的团队：
英语优先的开发环境
正如所说：
英语正在成为最热门的新编程语言。
这是我们与开发工具交互方式的根本转变。用自然语言进行清晰思考和准确交流的能力正变得与传统编码技能一样重要。
这种向代理开发的转变要求我们提高技能：
软件作为一门手艺的回归？
虽然人工智能使快速开发软件变得比以往任何时候都容易，但我们有可能失去一些重要的东西：创造真正精致的、消费者品质的体验的艺术。
演示质量的陷阱
这正在成为一种模式：团队使用人工智能快速开发令人印象深刻的演示。通往幸福的道路似乎一帆风顺。投资者和社交网络都惊叹不已。但当真正的用户开始点击时，事情就开始崩溃了。
我亲眼目睹了这种情况的发生：
这些不仅仅是 P2 级别的错误 - 它们是可容忍的软件和受欢迎的软件之间的区别。
失落的精致艺术
构建真正的自助服务软件（用户根本不需要联系支持人员）需要不同的思维方式：
这种对细节的关注（也许）无法由人工智能产生。这来自于同理心、经验和对工艺的热爱。
个人软件的复兴
我相信我们将看到个人软件开发的复兴。随着市场上充斥着人工智能生成的 MVP，具有以下特征的开发人员开发的产品将脱颖而出：
讽刺的是，人工智能工具实际上可能正在推动这种复兴。通过接管日常编码任务，它们使开发人员能够专注于最重要的事情——构建真正为用户服务并取悦用户的软件。
总结
人工智能并没有让我们的软件变得更好，因为软件质量（可能）从来都不是由编码速度决定的。软件开发中最困难的部分——理解需求、设计可维护的系统、处理边缘情况、确保安全性和性能——仍然需要人类的判断。
人工智能真正所做的是让我们能够更快地迭代和实验，通过快速探索得出更好的解决方案。但这只有在我们遵守工程学科并将人工智能视为一种工具而不是良好软件实践的替代品的情况下才能实现。
请记住：目标不是更快地编写更多代码，而是开发更好的软件。如果使用得当，人工智能确实可以帮助我们做到这一点。但最终，我们仍然需要定义什么是“更好”以及如何实现它。
译者：博熙.
