开发者调查:使用量增加降低人工智能编码工具的信任度
加入技术交流群
人工智能工具被软件开发人员广泛使用，但这些开发人员及其经理仍在努力弄清楚如何最好地使用这些工具，并在此过程中出现了成长的烦恼。
这是社区和信息中心 StackOverflow 对 49,000 名专业开发人员的最新调查得出的结论，StackOverflow 本身也受到了将大型语言模型 （LLM） 添加到开发人员工作流程的严重影响。
调查发现，到 2025 年，五分之四的开发人员将在他们的工作流程中使用人工智能工具——这一比例近年来一直在快速增长。也就是说，“对人工智能准确性的信任度已从前几年的 40% 下降到今年的 29%。
这两个指标之间的差异说明了 GitHub Copilot 或 Cursor 等人工智能工具对该行业不断发展且复杂的影响。开发人员之间关于这些工具是否或应该有用的争论相对较少，但人们仍在弄清楚什么是最好的应用程序（和限制）。
当被问及他们对人工智能工具的最大挫败感是什么时，45% 的受访者表示他们正在为“几乎正确但不完全正确的人工智能解决方案”而苦苦挣扎——这是报告的最大问题。这是因为与明显错误的输出不同，这些输出可能会引入阴险的错误或其他难以立即识别且相对耗时的问题，特别是对于初级开发人员来说，由于他们依赖人工智能，他们带着虚假的信心来处理工作。
因此，调查中超过三分之一的开发人员“报告说，他们对 Stack Overflow 的一些访问是由于与人工智能相关的问题造成的”。也就是说，他们从基于 LLM 的工具中接受的代码建议会带来问题，然后他们不得不求助于其他人来解决。
即使最近通过推理优化模型取得了重大改进，这种接近但不完全不可靠的问题也不太可能完全消失;这是预测技术工作原理的特有特征。
这就是为什么 72% 的调查参与者表示“氛围编码”不是他们专业工作的一部分;有些人认为它太不可靠，并且可能会引入不适合生产的难以调试的问题。
为什么开发人员仍然使用这些工具
那么，鉴于所有这些怀疑和挫败感，为什么开发人员仍在使用这些工具呢？好吧，在某些情况下，他们的经理试图强迫他们这样做。但更常见的是，这是因为这些工具仍然很明显有用——重要的是不要误用它们。
重要的是，经理和个人贡献者将人工智能工具与强大的培训一起引入工作流程，以确保对最佳实践的深刻理解，这样这些工具就不会被滥用，从而产生的问题多于解决的问题，或者浪费的时间多于节省的时间。
开发人员需要减少对 Copilot 自动完成建议之类的东西的信任，更多地将它们视为一个起点，而不是仅仅按下 Tab 键并继续前进。像这样的工具最适合一种有限的结对编程关系：要求 LLM 发现问题或提出你仔细考虑的更优雅的解决方案，而不是建议你从表面上看的完整方法。
它们也可用于学习。通过不断熟悉新语言、框架或方法来始终学习的机会是吸引一些人从事这项工作的原因之一，而法学硕士可以通过更有针对性的方式回答问题来减少该过程中的摩擦，而不是通过通常不完整的技术文档进行费力的搜索——这正是人们过去使用 StackOverflow 的那种事情。
“尽管我们看到流量下降，但绝没有某些人所说的那么剧烈，”StackOverflow 首席产品和技术官 Jody Bailey 在对 VentureBeat 的评论中说。StackOverflow 计划将其部分资源用于扩大人工智能工具素养和促进社区讨论，以帮助解决涉及这些工具的工作流程特有的问题。
评论