声明:本文来自于微信公众号 CSDN（ID:CSDNnews），作者:屠敏，授权站长之家转载发布。

一个月前，GitHub CEOThomas Dohmke为自家的 AI 辅助编码工具GitHub Copilot X站台，在全球网络峰会现场，亲自下场体验了一把，最终用18分钟编写出了一款贪吃蛇游戏。

整个编码过程速度之快，似有让人人成为“10倍开发者”的趋势。

(资料图片)

不过，近日，Twitter 上一名技术人分享了他监督的一个事件，即拥有19年编码经验、会100% 手写代码的程序员最终败给一位仅有4年经验、却善用 Copilot、GPT-4的后辈，后因不愿拒绝使用辅助代码工具，只想写可控的代码，惨遭面试淘汰，而后者轻松拿到了全职 Offer。

当「拒绝使用 Copilot、GPT-4等编码工具，即使有多年编码经验，还是会被淘汰」这样太过绝对性的后果照进现实时，引发不少程序员热议——编码是否可以作为衡量程序员的唯一标准?辅助编程工具对于当代程序员而言，究竟是可选项还是必选?凭什么拒绝使用 AI 辅助代码编程工具后，经验丰富的程序员就没有了优势?它是否真的能够提升效率?

透过这一事件，本文也邀请了几位一线的开发者来谈一谈。

100% 手写代码的19年老程序员

vs

善用 AI 编程工具的4年新程序员

事情起因于一位名叫 Ab Advany 的技术人在 Twitter 上的分享，两周前，他帮助在代理机构的一个朋友去监督一个项目，期间聘请两名程序员来创建最简可行性产品（Minimum viable product，简称 MVP）。

他和两位程序员都有过合作，所以也知道他们相应的背景:

其中一位是来自德国的Alex。平时会100% 的手写代码。19年的编码经验。

另一位是巴基斯坦的 Hamid。他擅长编写代码，也会使用 Copilot、GPT-4辅助代码工具，以及无代码开发。拥有4年的开发经验。

让他们各自去创建 MVP，你觉得会发生什么。

需要提前注明的是，这两位程序员都收到了 Figma 详细的规格说明。另有一位设计师协助他们提供所需的资产，还有一些需要整合的现有代码。

一周时间之后，先来看看善用 AI 辅助编程工具的 Hamid 的情况。

Hamid率先完成了 MVP 的第一个版本，以及完成100% 的代码测试覆盖率和无代码部分的端到端测试。整体来看，MVP 的95% 工作似乎已经完成，甚至乍一看这款产品可以工作......

具体来看，Hamid 先是借助无代码应用程序开发平台 Bubble 构建了 UI 和前端，使用 GPT-4生成 Cloudflare Workers，使用 Copilot 集成现有代码，并使用 GPT-4（playwright/ava） 生成测试。

整体成本:

GPT-4:211美元

Copilot:20美元

Cloudflare:5美元

无代码平台 Bubble:134美元

薪酬:2460美元（工作41小时）

托管/运行成本:139美元/月

与之形成对比的是，手敲代码、拥有19年开发经验的Alex 的最新进展:

Alex一周共计完成了大约7%的任务。

整体成本:

托管服务 Vercel:20美元

薪酬:3500美元

估计用于开发所有内容:45，000美元。并预计11，000美元用于添加测试。

托管/运行成本:20美元/月

起初，Ab Advany 和他的朋友都认为 Hamid 会在8-10周内完成 MVP 的构建，而 Alex 会多花一两周，但结果让他们都感到吃惊。

不会用 GPT-4、Copilot 的程序员，不是好的程序员?

带着这样的结果，Ab Advany 的朋友与 Alex 进行了交谈。

不过，Alex 坚持认为，运行自己开发的这个应用程序会便宜得多，而且一切都可以在掌控之中。

Ab Advany 则在 Twitter 上点评道，”Alex 不理解产品发布速度慢13倍和开发成本高25倍之中蕴藏的机会成本。“

最终因为只想自己”手动编码“而不信任无代码/AI，Alex 被解雇了。

Ab Advany 表示:

”我朋友的开发机构有100多个像 Alex 这样的开发人员。现在他要用 Hamid 这样的开发人员重新培训或替换他们......

我认为像 Hamid 这样的人五年后仍将有工作，而像 Alex 这样的人将不得不寻找其他工作/职业。你怎么认为?“

喜欢挑战，成为Alex 不用 Copilot 的原因

对于这一观点性言论，随即便有开发者表达了不满，称:“如果把编码能力和效率作为衡量一个程序员的标准，那么首先就错了。实际上，完成代码是业务成功中最不重要的部分。对于代码，迭代很重要。而迭代对于商业成功又很重要。公司应该找一位已经知道这些权衡的工程师，而不是复制粘贴者。事实上，当世界上的 Hamids 接管 AI 的 MVP 时，公司对工程师的需求只会更大。”

针对这一事件，CSDN AI 研发总监范飞龙表示，Hamid 的成本一般是得由公司承担的，分摊到个人没那么多。按理来说，Alex 作为程序员，一般也不会拒绝使用工具，毕竟程序员都是使用工具解决问题的。在两种程序员都有工具的时候，Alex 的生产力可能是10x，Hamid 生产力可能只有1.5x，差距还是巨大的。

这也引发了许很多人好奇，为什么 Alex 就是不能学学使用 Copilot、ChatGPT 这些工具呢，明明是加分项。

作为这一事件观察者的 Ab Advany，在 Twitter 解释其中的原因:

一是，当前的 AI 有上下文限制。因此，要使其工作，开发者需要进行函数式编程。

二是，你需要保持代码的可读性，即使是初级程序员也能理解它（即使它正在做的事情非常复杂）。

这让许多高级程序员的编程变得乏味。他们喜欢复杂的代码，会使用100种模式。

因此，他们不愿放弃挑战高难度的代码，也不愿使用 AI 辅助编程工具走“捷径”。而作为商业化公司而言，在权衡是录用快速开发、与时俱进还是稳扎稳打、出高质量代码的新老程序员方面，往往会选择前者。

开发者说:只要有条件，建议还是要试一试新工具

那么，放眼国内开发环境中，一线资深开发者是否也会抗拒 Copilot、GPT-4这类的 AI 工具?在生产环境中，AI 辅助编程工具真的能提升效率吗?带着这几个问题，我们问了问身边的开发者们。

问:你是否会在编程过程中使用 Copilot、GPT-4等辅助编程工具?

他们这样说:只要能够负担得起，必须要去尝试一下;虽然担忧过数据安全问题，但是并没有完全地抗拒，而是小心试探，再到深入使用。

CSDN AI 研发总监范飞龙:程序员群体是一个不断创造先进的工具，使用先进工具通过编程等工作解决问题的一个群体。AI 工具，包括 Copilot、ChatGPT、GPT-4本身也是先进工具，在有条件使用的场景肯定会用来辅助编程。具体是否使用 Copilot、ChatGPT、GPT-4取决于工具的价格在工作环境和个人环境下是否能承担得起。目前，个人用 ChatGPT 比较多，有条件的情况下，这些都希望尝试。

资深开发者苏洋（https://github.com/soulteary）:之前顾虑数据安全一直使用和推荐自动补全的编码插件 Tabnine 来做本地离线代码补全，全面转 Copilot 其实是这半年的事情。尤其是 OpenAI ChatGPT 推出之后，GitHub Copilot 的演进速度和用户期待值都涨得非常快。

目前多数还没有使用的同学顾虑的数据安全问题，早期用户踩坑都踩过了，官方去年年底也正式推出了商业版本的。所以，我现在不仅会用这类的工具，也会推荐身边的朋友用，可以偷不少懒。

问:会在业余项目中使用，还是会在生产环境中使用?

苏洋:最开始，我只在 side project（业余项目、副业、小项目）中使用，因为我的 side project 比较多，所以很快验证差不多了，就不分环境和项目都用了。

不过，纯离线环境，我还是会使用 Tabnine 做一些基础补全，使用了两三年，喂出了1G 的本地模型，直接扔掉，还是比较可惜的。

范飞龙:AI 编程工具作为辅助工具，并不存在在生产/业余环境下使用的问题。我个人的话，只要 AI 编程工具能辅助编程过程中的问题解决，都会使用的。但是使用目标会有所不同:

在生产环境下主要以解决工作目标为主，例如写代码:

某个辅助函数的编写，这种 GPT 技术已经可以很方便地合成;

某个常用的代码片段例子，以往需要搜索的场景，直接让 GPT 合成后程序员再调整后集成到项目中;

某种需要多个类编写的场景，是一种常见的套路，可以让 GPT 合成脚手架再修改;

某些算法问题，经过抽象后，将描述告诉 GPT 输入和输出，要求过程包含的步骤，AI 可以合成足够好用的实现;

做一些重构工作等。

需要说明的是，现代 IDE 本身也支持上述操作的各种场景，只不过 AI 编程工具可以做得更智能。

但是程序员解决问题中更多的时间是花在诊断问题上，这种时候不是直接的写代码工作，而是分析工作，此时如果利用 GPT，需要的能力是，将问题抽象成问题之间关系的描述，再用这样的描述问 GPT，让 GPT 揭示可能的问题，辅助程序员诊断问题，这也是一种常见的场景。

在业余环境中使用，则适用的场景广很多:

学习 GPT 已经训练过的知识，但是个体还未熟悉的「新的旧知识」，通过 GPT 可以有几十倍的掌握新知识和技能的效率，从这个角度来说，主动学习能力的人使用 GPT 会有极大的放大效应。

通过 GPT 的专家能力系统而深入的掌握日常不怎么操作但是感兴趣的领域，这会改变人才的知识结构，成为复合型人才过程中的学习机会成本会被极大的降低。

其他更多，我们说动手能力重要，新工具的使用也体现这点:不要等，有什么新工具就立刻拥抱使用它，先进工具就是先进的生产力。

问:作为亲身实践者，Copilot、GPT-4辅助编程工具真的能提升效率吗?

苏洋:目前的版本答案，显然是:Yes!

而且，并不仅限于工作，对于编程学习来说，Copilot 和 ChatGPT 都是好老师，尤其是最近推出还在小规模测试范围的 Copilot Chat，只要你有问题，模型就会耐心的帮助你、辅导你纠正代码、改进代码，甚至教你如何运行代码。而且水平下限极高，上限取决于你选择的代码块和打开的文件和问题的关联性（上下文），以及你提问的清晰程度。

我日常中还会高频的用它来完成单元测试，原本枯燥，但是非常重要的一个环境，有自动补全之后，极其省心和放心。

范飞龙:辅助编程工具能提升效率，但是对于不同的人有着不同的效果:

初学者:可以极大的提高学习效率，前提是 Ta 能便利地随时可以使用工具，以及有主动使用工具学习的意识。工具一开始可能起到的还有吸引效应:还可以这样?

成长期:但是知识是有掌握成本的，并非所有初学者的进步都会一样，和其他所有方向一样，在这个过程中真正喜欢做编程这个工作的人，可以进一步通过辅助编程工具提高效率。但是理解和掌握知识和技能，还是要靠扎实的原理学习，否则会有「每一个字都认识，放在一起就不认识」的效果，那么再好的工具也帮不了。

成熟期:即使进入 AI 编程时代，具体工作还是需要解决各种具体的问题，对于组合爆炸的编程现实，核心还是要有靠谱的人来解决问题。工具可以极大地提高效率，但是解决问题通常是分层的，机器解决越来越多的自动化，但是中/高层的问题还是要靠人来分析、计划、执行、测试、形成反馈循环。

总的来说，编程辅助工具能提高效率。但是通过编程创造软件，通过软件提供产品和服务，解决用户的问题，软件获得成功，编程辅助解决问题是其中一环，作为职业工程师要看到全局。

问:有人说，“也许人工智能会帮助你工作。但更有可能的是，你会为 AI 工作。”一方面，正如上文所述，当前的 AI 有上下文限制，要让代码在生产环境中工作，我们需要进行函数式编程。另一方面，AI 生成的代码，安全性存疑。你怎么看?

范飞龙:目前，使用 AI 辅助编程，还是要靠人的经验来对代码「负责」，你可以越来越多的将生成具体代码的“低阶”工作交给 AI，但是理解代码做了什么，是否是人想要的，这是人要负责的。一般来说，中/高阶程序员的经验、知识和技能需要足以对 AI 生成的代码理解、识别和判定。

事实上，可能会有某些允许出错或者出错没什么代价的场景，AI 自动来做决定，但是目前这个比率还是很低的，我们可以期待 AI 编程的持续进化。

我认为，AI 编程释放了一部分“低阶”的编程工作，同时也会创造出一部分新的”编程“工作。

苏洋:对于安全顾虑，感觉大可不必，目前还只是初期，还会有很多变化，包括产品形态，后续可能的分工模式，开发协作模式。

个人觉得开放心态，接受它，用好它就行了。作为一个从初中开始 coding，目前码龄快满二十年的人来说，如果我能够从一开始入门就有这个神器，将能够节约至少60% 的时间。

最后，要说 Alex 这样经验丰富的老程序员被善用 AI 辅助编程工具的新程序员取代掉，未免言之尚早。与其说 Alex 败给了Hamid 的效率，倒不如说适应新技术的不灵活性才是他被替代的关键原因。

参考:https://twitter.com/advany/status/1664451798793584642

（举报）