真的有人在实际工作中以有意义的方式使用大语言模型/人工智能工具吗？

前沿技术 · 2025-7-30 10:30:47

我在湾区一家“顶级”科技公司担任软件工程师。我注意到，社交媒体上对人工智能（AI）、大型语言模型（LLM）、“氛围编程”之类的炒作甚嚣尘上，然而在工作中我看到的却是另一番景象。就我所知，在工作中没人会把人工智能用于任何与工作相关的事情。我们可以使用经过公司审核的集成开发环境（IDE），还有类似ChatGPT风格、采用了最先进模型的聊天机器人用户界面。开发这些工具的开发运维团队一直孜孜不倦地推动大家去试用，还制作了使用指南、举办了说明会等等。然而，就我所知，这并没有得到大家的响应。于是我猜测，可能存在以下三种情况之一：我公司的开发人员在偷偷使用人工智能工具，只是因为某些偏见或其他原因，没让我知道。其他公司的开发人员在使用人工智能，但我公司没有，原因可能是公司的人工智能工具存在缺陷，或者内部推广不力。在这个行业里，实际上几乎没有开发人员以有实际意义的方式使用人工智能。你在工作中会使用人工智能吗？具体是怎么用的呢？

mam520 · 2025-7-30 10:31:15

我觉得问题比这更严重。优秀的程序员通常不会编写大量代码，而糟糕的程序员才会写很多代码。所以，人工智能的数据集里糟糕的代码肯定比优质代码要多。

xiaoji1543 · 2025-7-30 10:36:57

是的。创业公司。并非秘密使用，公司为团队提供了Cursor高级版，我们也在使用。我用它来了解代码库中我不熟悉的领域、诊断漏洞、在某些功能开发上进行协作、帮我为我们的模型编写SQL语句等等。我以前有点抵触新技术。现在我觉得它是必不可少的。不过，如果使用者懂编程再使用它，效果要好得多。

知足是福 · 2025-7-30 10:40:16

我也喜欢用它来进行公关审查！我发现人工智能能察觉到一些我会错过的东西。

rozikun · 2025-7-30 11:33:17

即使他们不是（这种人），你也可以让他们为自己的所作所为付出代价。

zzfsmsk · 2025-7-30 11:37:18

我同意。我通常从事银行业务；但我想创建一个游戏引擎架构——只是为了了解实体组件系统（ECS）的基础知识。我随性地编写了大量代码；最终结果并没有达到我的预期；而且实际上也不太能用——但这帮助我“看清”了通常的做法，也为我进行重构奠定了足够好的基础。不过，对于日常工作而言——它更像是一种小众工具，而非主要工具。

王永浩 · 2025-7-30 11:40:16

我基本上把它当作绕开Stack Overflow（一个知名技术问答网站）的捷径。对于这类比较小的、关于风格方面的问题，它相当不错。但要是遇到严肃的或者更复杂的问题，就不行了。而且“凭感觉编码”是我听过最蠢的事情之一。

伊阳进 · 2025-7-30 11:56:17

比尔·盖茨过去常常根据开发者编写的代码行数来对他们进行评估。真的吗？我记得他有一句名言是这样说的：“用代码行数来衡量编程进度，就如同用重量来衡量飞机制造进度。”

kui2004 · 2025-7-30 12:00:14

绝对不行。🤭

ATQQ · 2025-7-31 12:59:55

我同意你在这里写的所有内容，除了用语言模型编写Terraform代码这一点。我用过的所有大型语言模型在全新编写Terraform代码方面都表现得非常糟糕，所以我都懒得尝试。不过，让人工智能对我自己编写的Terraform初稿进行审查，我确实学到了一些东西。最近我在Azure方面的工作比AWS更多。也许目前的模型在处理AWS相关内容时比Azure表现更好。

红光儿 · 2025-7-31 13:31:59

我打算把关于这件事的领导讲话内容做成一个非同质化代币（NFT）保存起来，这样等一切都搞砸了的时候，我就能收费让他们看。NFT现在还算流行吧，对吧？

subot · 2025-8-1 14:47:25

写在摩根·弗里曼的一张照片上。

新鲜ai · 2025-8-4 13:27:08

我的工作单位会付费使用编程助手（Copilot）。我在参加“代码降临节日历编程挑战”（Advent of Code）时把它关掉了，之后就再也没打开过。它的自动补全功能很糟糕，太烦人了。虽然在编写测试时它能加快速度，但总体而言，它妨碍了我的思路，打乱了我的思考过程。

11111111111@qq · 2025-8-4 14:10:05

总是在想方设法让开发者变得多余。

zenger · 2025-8-6 10:10:14

看到这类事情是有一定道理的。与此同时，我的领导们在追踪每个开发人员提交了多少行由人工智能生成的代码。还有输入了多少条提示指令。他们针对这两方面都设定了目标。这简直太离谱了。

生命不息！ · 2025-8-6 11:42:14

当一项衡量指标变成了目标，它就不再是一个好的衡量指标了。

bebero · 2025-8-6 12:30:26

当你想在紧急情况下做出一个还算令人印象深刻的概念验证（POC）时，凭感觉编码简直太棒了。当我需要在自己的领域之外完成范围非常小的任务时，我也觉得这很有帮助——当然，前提是有靠谱的代码审查。不过，要是在生产环境中，对任何从某种程度上来说属于基础内容的东西都凭感觉编码，那简直就是一场随时会爆发的灾难。

Jon郭玉斌ค · 2025-8-6 13:21:24

你如何将其用于代码审查？

热美云子 · 2025-8-6 14:36:11

在上次的全员大会上，我们管理层在60分钟的时间里，有50分钟都在谈论人工智能。我们是一个固件团队，95%的代码都是向前移植的，而且如果你每周能有4到8个小时的实际编码时间，那就算很幸运了。

黑乐鱼 · 2025-8-6 15:29:27

我在几个方面会用到它。我发现它在处理一些小型、定义明确的任务时很有用。比如“给我一个映射到这个SQL表的C模型”“给我写一段JavaScript代码，用于找出字符串中破折号后面最后一段连续的字母，并将其去除”。或者是那些我不常做、因而不够精通的简单事情。时不时地，我会需要用到正则表达式。让人工智能帮我编写正则表达式，效果往往不错。SQL查询也是如此。我常常好几个月都不碰SQL。有时候我努力回忆如何做某件事，却磕磕绊绊，而借助它我通常能得到可靠的答案。我还发现，在升级库的时候，人工智能能给出非常实用的操作指南。最近我需要跨越12个版本升级jQuery。在这方面，人工智能真的帮了大忙。不过，对于更复杂的任务，或者即便是处理包含大数据集的简单任务，我就没那么成功了。我们有一些SQL表，里面有40多列（我很讨厌这种情况），当我把表的信息提供给人工智能，让它生成一个实体框架（EF）映射或其他什么内容时，它总会遗漏一些东西。我会指出：“嘿，你漏了这一列。” 然后它会说：“你说得对！” 但随后给我的回复和第一次一模一样，哈哈。

dxking · 2025-8-7 09:31:30

是的，我也有点乐观地认为，这将赋予真正懂编程的人巨大的力量。而且不会有真正懂编程的新人出现，因为所有新入行的程序员都只是在凭感觉编程。

bngvixqjyj · 2025-8-8 08:51:27

说真的，很多设计欠佳的东西其实相当新颖，哈哈，所以相关要求也变得十分独特。

mei11 · 2025-8-8 13:50:43

将其用于那些在智力层面不太重要、产出缓慢但很容易测试的工作。我使用人工智能的三种基本方式：
比谷歌搜索更快，还能像在Stack Overflow上复制粘贴内容一样方便。
对于某些我可以查找相关文档的事情，先获取一个大致思路。就好比你向某个特定领域有经验的开发人员请教如何入手，然后根据他们所说的去查找文档。
处理那些无关紧要的模板化工作。有人要求你编写单元测试以达到覆盖率要求？现在可以用蹩脚的人工智能模拟来应付。把围绕生成式人工智能的所有炒作想象成市场营销人员发现你可以用一个for循环来计算从0到100的数字之和。突然间，计算机让每个人都变成了高斯（注：高斯是著名数学家，以其天才的数学能力闻名）。但现实是，有一些定义狭窄、令人厌烦且往往很平常的工作，我们可以将其自动化处理，从而腾出时间来做更具挑战性的脑力工作。

黑乐鱼 · 2025-8-9 15:54:24

这简直太荒唐了，这完全是在重新定义愚蠢。他们难道会统计营销文案用了多少词，觉得用词越多就越好吗？耐克的口号：“想做就做！”你们公司的口号：“别等待，就在此刻，在你生命中接下来可预见的几秒内就行动起来！”这样更好，因为用词更多了。

cq987 · 2025-8-9 19:33:46

完全同意这一点。我用它来尝试编写一些Python脚本，生成CSV文件或做些其他辅助性的事情。但对于日常工作而言，这简直是在极大地浪费精力，因为我需要检查每一处更改，而且情况很快就会失控。不过，在帮助我分析或优化SQL查询方面，它还是非常有用的，还能在编写小段代码等方面给我一些更好的思路。

unitar · 2025-8-12 10:40:54

他在晚年改变了自己的说法，但有充分的记录表明他确实做过这件事。史蒂夫·麦康奈尔所著的《代码大全》谈到了此事。G. 帕斯卡尔·扎卡里所著的《突破：从晶体管到微芯片的英特尔传奇》（注：“Showstopper” 常见的中译名是这个，根据上下文推测这里说的应该是关于英特尔早期故事的这本书）也提及了它。而且有很多关于微软早期盖茨面试他人的第一手描述也提到了此事。

橙风 · 2025-8-14 08:07:13

你所描述的路线规划，是我最近偶然发现的，出于同样的原因，它简直无比珍贵。我太喜欢了。

huangjunxue · 2025-8-15 14:34:02

哪怕是最先进的 AI 工具，一旦遇到那些没有大量内容可供训练模型的领域，也会“摔跟头”。根据我的经验，一些小众的嵌入式领域就是这种情况。还有底层视频相关的东西（比如编解码器代码）也类似。这时候 AI 依然会“自信满满”地给出建议，但那些看起来没啥问题的代码，实际上可能藏着很隐蔽的错误，对于没经验的（有时候甚至是老程序员）来说，调试起来都很头疼。

		自动登录	找回密码
密码			立即注册

真的有人在实际工作中以有意义的方式使用大语言模型/人工智能工具吗？

相关帖子

27 回复

元老级人物

第一篇帖