人工智能（AI）正在顛覆一切，軟件工程也不能幸免。生成式人工智能（AIGC）在編碼、設(shè)計、測試和 DevOps 方面的最新展示確實(shí)令人印象深刻，甚至可以說令人敬畏。 AIGC是人工智能的一個分支，專注于創(chuàng)建和生成新的內(nèi)容，如圖像、文本、音頻甚至視頻，這些內(nèi)容很難與人類生成的內(nèi)容區(qū)分開來。近幾個月來，由于大型語言模型（LLM）的進(jìn)步，以及 OpenAI、Stable Diffusion 和其他大廠的產(chǎn)品發(fā)布，AIGC備受關(guān)注。

雖然很難量化AIGC的準(zhǔn)確傳播范圍，但可以肯定的是，研究人員、開發(fā)人員和軟件從業(yè)人員正在積極探索和利用AIGC的各種功能領(lǐng)域，如圖像和文本生成、音樂和聲音合成、視頻生成、虛擬人物和化身創(chuàng)建以及數(shù)據(jù)增強(qiáng)。 軟件工程是AI革命的一部分，而AIGC可以為軟件開發(fā)生命周期（SDLC）的各個階段帶來顯著的幫助。

由于軟件有著天生的數(shù)字化特性，軟件工程尤其適合借助AIGC的力量。

具體的工程任務(wù)，如數(shù)值分析和數(shù)據(jù)工程、文檔編制、編碼和質(zhì)量控制，在某種程度上可能是重復(fù)性的；因此，非常適合由訓(xùn)練有素的AI模型提供幫助。其次，復(fù)雜的算法代碼結(jié)構(gòu)適合由AI助手生成。此外，軟件開發(fā)人員面臨的許多挑戰(zhàn)可能已經(jīng)解決。因此，對于訓(xùn)練有素的AI模型來說，代碼模塊已經(jīng)可用，生成整個函數(shù)或類也就變得可行了。

AIGC是增強(qiáng)人類能力和加速軟件開發(fā)的有力工具。

對于業(yè)務(wù)依賴于創(chuàng)建、維護(hù)或銷售軟件的公司來說，使用正確的AIGC工具可以提高開發(fā)人員的效率、創(chuàng)造超越競爭對手的機(jī)會。企業(yè)可以通過多種方式利用AIGC工具，包括開發(fā)人員的優(yōu)化和和培訓(xùn)的工作，以及為關(guān)鍵工程任務(wù)啟用AIGC工具。 本文將對AI驅(qū)動/輔助軟件工程生態(tài)系統(tǒng)、可用的最新工具、可幫助完成的工程任務(wù)以及應(yīng)避免的注意事項(xiàng)進(jìn)行高屋建瓴的闡述。

1. 當(dāng)前的 SDLC（軟件開發(fā)生命周期）

要了解AIGC對軟件工程的幫助有多大，快速了解一下目前公認(rèn)的敏捷軟件開發(fā)生命周期（SDLC）可能會有所幫助。 經(jīng)典的敏捷軟件開發(fā)生命周期（SDLC）以較小的、可操作的、迭代的和增量的周期啟動并進(jìn)行演化，直到代碼完全開發(fā)、測試并部署到生產(chǎn)環(huán)境中。同樣，分析、設(shè)計、編碼和測試也被分成較小的塊來執(zhí)行，而 DevOps 則在整個過程中持續(xù)進(jìn)行。

在敏捷分析階段一般會包括用戶故事和史詩（Epic）的編寫，而設(shè)計階段則會引入架構(gòu)圖的創(chuàng)建和數(shù)據(jù)結(jié)構(gòu)的設(shè)計。編碼和測試階段通常包括用不同的語言編寫軟件和制作測試線束，以確保它們按照特定要求運(yùn)行。測試和QA還可能包括獨(dú)立測試，以確保一切按預(yù)期運(yùn)行。同樣，DevOps 也采用不同的方法，如環(huán)境配置、基礎(chǔ)設(shè)施即代碼和 CI/CD 流水線。

圖1 當(dāng)前的敏捷 SDLC

2. AI驅(qū)動的 SDLC

AI可以協(xié)助 SDLC 的每個階段，縮短整個SDLC的反饋環(huán)路，使公司能夠更快地推出產(chǎn)品。結(jié)果如何？企業(yè)通過在 SDLC 中使用人工智能驅(qū)動的工具來提高競爭優(yōu)勢。

OpenAI 開發(fā)的 ChatGPT 等工具可以幫助進(jìn)行市場調(diào)研和趨勢分析。AI可以分析客戶偏好，并通過簡單的文本提示幫助編寫用戶故事。從技術(shù)角度來看，它們還可以在產(chǎn)品發(fā)布前自動執(zhí)行 CI/CD 流程、環(huán)境腳本、安全測試和性能測試。

GPT-4 還能幫助開發(fā)人員生成功能代碼、測試線束和自動化。此外，還可以創(chuàng)建數(shù)據(jù)模型、DDL 和序列圖。

圖1 AI的敏捷 SDLC

GitHub Copilot 、AWS CodeWhisperer 、華為CodeArts Snap等AI工具可在集成開發(fā)環(huán)境中自動完成大型代碼塊并檢查代碼質(zhì)量問題，從而提高開發(fā)人員的工作效率。GitHub 和微軟最近進(jìn)行的一項(xiàng)研究表明，當(dāng)開發(fā)人員使用 Copilot 提供代碼幫助時，開發(fā)人員的效率提升超過 55%。從歷史的角度來看，這是生產(chǎn)率的顯著提高，超過了 19 世紀(jì)中期蒸汽機(jī)的引入，當(dāng)時蒸汽機(jī) "僅 "將大型工廠的生產(chǎn)率提高了 15%。

人工智能在整個 SDLC 中的累積效應(yīng)可使綜合效率提高 30-50%。

3. 在軟件工程中應(yīng)用AI

現(xiàn)在眾所周知，AI具有為技術(shù)組織增值的巨大潛力。但是，AI能直接幫助哪些關(guān)鍵的軟件工程活動呢？下面列出的只是AI能為創(chuàng)建軟件的團(tuán)隊(duì)做些什么。

1）代碼生成

GitHub Copilot 、CodeWhisperer 、CodeArtsSnap等AI工具可以根據(jù)簡單的文本提示生成整個代碼功能。

讓我們來看看下面這個例子：在 Visual Studio Code 中，安裝 AWS CodeWhisperer 擴(kuò)展后，當(dāng)用戶鍵入下面的提示時，就會得到一個能解決問題的完整函數(shù)：

（在 JavaScript 中生成 CSV 字符串解析函數(shù)的文本提示）

生成的結(jié)果是一個完全可用的函數(shù)：

當(dāng)我們嘗試上述提示的變體，增加額外的復(fù)雜度時，我們很可能會發(fā)現(xiàn)當(dāng)前AI工具的一個缺陷。

讓我們試試下面的提示：

（提示：用于生成美國郵政編碼的解析函數(shù)，同時將郵政編碼轉(zhuǎn)換為經(jīng)度和緯度）

結(jié)果生成如下所示的函數(shù)：

（生成的代碼確實(shí)會根據(jù)提示接收字符串并解析 CSV，但不會進(jìn)一步將郵政編碼地理編碼為經(jīng)緯度值。） 雖然這項(xiàng)更為復(fù)雜的任務(wù)需要進(jìn)一步引導(dǎo)它去查詢，例如訪問 REST API（如美國人口普查局 Geocoder REST APIs8 提供的 REST API），但還是需要謹(jǐn)慎和警惕，因?yàn)樵摴ぞ呱踔翛]有嘗試徹底解決問題。相反，它只是提供了一個模板代碼，沒有達(dá)到預(yù)期效果。

這個例子凸顯了當(dāng)前AI工具的局限性之一：不能盲目相信生成的代碼，開發(fā)人員仍處于主導(dǎo)地位。“檢查代碼的準(zhǔn)確性、完整性和錯誤” 對于AI驅(qū)動的開發(fā)人員工作流程至關(guān)重要。隨著工具日臻完善并向每位開發(fā)人員學(xué)習(xí)，生成代碼的準(zhǔn)確性和復(fù)雜性也會隨之提高。盡管如此，如今開發(fā)人員仍然牢牢掌握著控制權(quán)。

2）代碼解釋 作為開發(fā)人員，我們有時會加入一個項(xiàng)目或繼承復(fù)雜的應(yīng)用程序代碼。我們可能需要花上好幾天的時間才能理解項(xiàng)目的結(jié)構(gòu)和代碼的工作原理，尤其是在文檔很少的情況下。在這種情況下，ChatGPT 可以幫助我們解釋代碼。 例如，讓我們看看下面的 Angular 函數(shù)：

我們可以給出提示 "解釋下面的 Angular 代碼是做什么的"。 下面 ChatGPT 的回復(fù)相當(dāng)全面準(zhǔn)確地解釋了函數(shù)的作用：

正如該示例所示，ChatGPT 可以減少閱讀、理解和解釋現(xiàn)有應(yīng)用程序代碼所需的時間，并進(jìn)一步幫助開發(fā)人員加快入職或在新代碼庫中提高工作效率。

3）AI驅(qū)動的軟件工程的其他任務(wù)

除了編寫和解釋代碼，AI每天都在掌握新的技能。下面列出的只是AI輔助軟件開發(fā)能力不斷增長的少數(shù)例子：

編寫用戶故事

生成數(shù)據(jù)模型

生成 DDL 和 DML

用人魚腳本生成數(shù)據(jù)圖表

生成序列圖

生成系統(tǒng)圖

用任何語言生成 OO 類模型

生成代碼

將代碼從一種語言翻譯成另一種語言

編寫自動測試

編寫代碼文檔

為基于 REST 的應(yīng)用程序接口編寫 Swagger 定義

改進(jìn)（重構(gòu)）現(xiàn)有代碼

編寫代碼注釋

生成線框（GalileoAI）

調(diào)試代碼 + 靜態(tài)分析（Deepcode）

自動代碼重構(gòu)（Sourcery）

設(shè)計模式識別

代碼審查（DeepScan）

更完整的清單超出了本文的范圍，將在后續(xù)文章中介紹。不過，在開始一項(xiàng)復(fù)雜的任務(wù)之前，最好先在網(wǎng)上查看一下AI功能。可能已經(jīng)有AI工具或插件可以解決問題。未來還將帶來更多工具，并擴(kuò)展現(xiàn)有工具的功能。

在AI的幫助下，開發(fā)人員、架構(gòu)師和參與 SDLC 的每個人都將變成能夠更快地編寫出更好代碼的超人。

4. 結(jié)論

AIGC的出現(xiàn)為技術(shù)組織提供了提高效率的工具和技術(shù)。團(tuán)隊(duì)可以創(chuàng)建更好的軟件產(chǎn)品，縮短開發(fā)生命周期，并對新原型進(jìn)行市場測試，從而接觸到更多客戶，提高團(tuán)隊(duì)效率。

企業(yè)可以通過擁抱變化并將AI定位為技術(shù)轉(zhuǎn)型的核心（AI+X），從AI革命中獲益；我們需要將AI的力量視為一種推動力，而不是一種威脅；我們的員工必須根據(jù)新出現(xiàn)的新一代AI工具接受再培訓(xùn)，以了解其真正的潛力。此外，企業(yè)還可以將AI的應(yīng)用范圍從軟件工程擴(kuò)展到產(chǎn)品管理、質(zhì)量保證、網(wǎng)絡(luò)安全和 DevOps。 總之，本文表明，雖然AIGC仍處于起步階段，但每天都會出現(xiàn)新的、功能更強(qiáng)的工具，這為專注于不斷學(xué)習(xí)、適應(yīng)和發(fā)展的企業(yè)提供了可持續(xù)的長期競爭優(yōu)勢。





審核編輯：劉清