共计 1210 个字符，预计需要花费 4 分钟才能阅读完成。
随着 AI 工具的普及，编程和 IT 工作正在经历一场革命。然而，AI 是否真的让开发者更高效？一项最新研究给出了否定的答案。本文将探讨 AI 在编程中的潜在问题，并提供如何避免这些问题的实用建议。
尽管 AI 在某些领域表现出色，但它也存在明显的缺陷。最近，非营利研究组织 METR（模型评估与威胁研究）进行了一项深入分析，研究了 AI 对编程生产力的影响。他们与 16 位经验丰富的开源开发者合作，这些开发者积极为大型热门代码库做出贡献。METR 提供了 246 个需要修复的问题，要求开发者在解决部分问题时独立工作，另一部分则可以使用 AI 协助。
结果令人惊讶。虽然开发者自己估计 AI 帮助将他们的生产力平均提高了 24%，但 METR 的分析显示，AI 帮助反而使他们的速度平均降低了 19%。这一现象可能由多种因素导致，包括对 AI 有用性的过度乐观、开发者对代码库的高度熟悉（以及 AI 知识的缺乏）、大型代码库的复杂性、AI 的不可靠性，以及 AI 拒绝使用“重要的隐性知识或上下文”的持续问题。
AI 编程的五大审查技巧,
- 信息不足时的谨慎使用
AI 在缺乏公开信息的情况下无法提供有效帮助，但它可能会编造内容而不承认其局限性。因此，在信息不充分的情况下，开发者应谨慎依赖 AI 的建议。 - 避免陷入单一思维模式
AI 一旦专注于某件事，通常拒绝考虑其他方案。如果 AI 陷入某种方法，开发者不应盲目相信其建议，而是应尝试开启新的会话以获取更多可能性。 - 依赖经验而非 AI
经验丰富的开发者能够分辨出哪些方法可行，哪些不可行。如果将所有编码工作交给 AI，开发者将无法知道它何时何地出错以及如何修复。因此，继续学习和积累经验至关重要。 - 选择合适的 AI 工具
开发者通常使用特定工具完成特定任务，选择 AI 工具也应如此。例如，开发者可能不使用 AI 处理业务逻辑，但使用 AI 编写 API 调用和公共知识时可以提高效率，节省大量时间。 - 全面测试 AI 生成的内容
AI 可以节省大量时间，但也可能犯下巨大错误。因此，开发者应逐行测试 AI 生成的所有内容。如果 AI 建议编写单元测试，开发者应确保这些测试的有效性。
AI 在编程中的应用是一把双刃剑。它可以为经验丰富的开发者提供巨大价值，但对新手来说可能是一个高风险资源。例如，在家庭实验室中使用 Portainer 设置 Docker 容器时，ChatGPT 曾建议卸载并重新安装 Portainer，甚至删除 Docker 并使用包管理器重新安装。这些操作将导致所有容器被销毁，而实际上问题仅仅是因为未填写容器的名称字段。
生成式 AI 可以成为经验丰富的开发者和 IT 专业人士的优秀助手，尤其是在用于目标明确、理解充分的任务时。然而，其自信可能具有欺骗性和危险性。开发者在使用 AI 工具时，务必仔细检查其工作，以避免潜在的风险。
你是否使用过 ChatGPT 或 Claude 等 AI 工具辅助开发或 IT 工作？它们是否加快了进度，还是几乎搞砸了事情？在关键系统上使用 AI 时，你是否更加自信或更加谨慎？欢迎在评论区分享你的经验。
