01AI辅助编程的局限性我们很早就开始让AI参与日常研发,但随着实践深入,一个反直觉的现象开始浮出水面:工具用得越来越熟,问题却越来越多,交付数据反而不支持主观感受。 上下文工程有效,但远远不够我们一直在用AI辅助人,而不是让AI替代人完成系统中的某个环节。生成速度快了,但验证、评审、修正还是原来的人来跑。 认知转变的核心是:人的价值不在于比AI更能写代码,而在于设计让AI能稳定产出正确代码的系统。Kubernetes工程师不管理每一个Pod,他们声明目标状态,控制器持续把实际状态对齐过去。 •让AI审查AI写的测试:参考OpenAI建立体系化LintSkill的思路,用专门的Skill扫描已有测试,判断断言逻辑是否和Spec的验收标准对得上,发现问题自动提PR修正。 「AI写测试→AI审查测试→AI修正测试」,让质量闭环在人介入之前先自己跑一轮。
写在开头 这几个月AI相关新闻的火爆程度大家都已经看见了,作为一个被裹挟在AI时代浪潮中的程序员,在这几个月里我也是异常兴奋和焦虑。甚至都兴奋的不想拖更了。 不仅仅兴奋于AI对于我们生产力的全面提升,也焦虑于Copilot等AI辅助编码工具,会将程序员这个工种和我们所熟悉的传统软件开发流程彻底颠覆,用计算机的极高效率碾压人类的低效率。 本文是我深度体验了Github Copilot, ChatGPT等产品后,对于这些AI辅助开发工具的一次横向评测。写本文的初衷是帮助大家快速筛选出一款合适你的AI辅助工具。 parallel-5 sleep time: 14 Current ThreadName: parallel-6 sleep time: 313 Current ThreadName: parallel-7 总结 最后,总结下这几个产品作为一个AI辅助编码工具的优缺点。 **Github Copilot:** 优点: 可以根据提示自动生成代码,提高开发效率。
这些新的特性,融合了我们对于 AI 辅助编码的新理解。诸如于: 重构:AI 重命名、坏味道重构、重构建议。 演进式 AI 辅助编码 生成式 AI 辅助编码的两条技术路线是:重新生成还是代码变更。Unit Mesh 是我们设计的 AI 编码的重新生成架构范式,当来了新需求时,每次都生成新的代码。 理解用户输入,检索到对应的现有代码实现逻辑,由AI 来总结已有的逻辑实现 重构。AI 重构的难度介于自动生成代码与架构设计之间,是一个非常不错的探索场景。 如果你探索过使用 AI 来构建代码时,你会发现:AI 懂的重构手法你都懂,但是看别人使用 AI 重构似乎非常顺手。这是为什么呢?重构通常依赖于好的上下文,即需要开发人员拥有大量的先验经验。 简单来说,当你缺少一个代码改进的方向时,无法给 AI 一个明确的意图,剩下的就要靠 AI 随机了 —— 因此,大部分情况下,AI 只是进行简单的重命名、方法提取之类基本的重构手法。
本来不想写一篇吐槽国内开发工具的文章,但是考虑到最近 Replit 的裁员动作,以及其他 AI 辅助研发工具的发展。我还是想从开发者体验的角度来谈谈 AI 辅助研发工具的开发者体验。 AI 编程工具的三个成熟度阶段 当我们定义 AI 编程工具时,我所定义的是围绕开发者日常活动的所有工具,它会包含:代码补全、代码理解、代码重构、代码测试、代码提交等等。 也就是说, AI 编程工具是一个全方位的工具,它会涵盖开发者日常的所有活动。 从个人的实践与使用角度来说,我会将 AI 编程工具的成熟度分为三个阶段: 聊天为主。 AutoDev 1.8.6 的新自动化能力 在新版本的 AutoDev 中,我们融合了我们对于 AI 辅助编码的新理解。 自动执行 AI 重构代码:从一无所知到勉强可用 当你使用 AI 重构时,会发现因为 AI 做了重命名等操作,没有修改 ref 导致代码无法运行。因此,你无法直接应用 AI 的重构建议。
译自 AI-Assisted Coding: A Double-Edged Sword for Security,作者 B Cameron Gain。 我们实际上是用所有这些新代码堵塞了管道,”Chainguard 的联合创始人兼首席执行官Dan Lorenc 在最近的 Linux 基金会AI_dev 大会主题演讲中表示。 Jossef Kadouri 和 Tzachi Zornshtain 都是 Checkmarx 的软件供应链负责人,他们在他们的演讲“AI 的黑暗面:开放中的隐藏供应链风险”中描述了来自 AI 的供应链威胁 开发人员可以尽力审查 AI 生成的代码,但为了使漏洞检测和修复变得有效,还需要做更多工作。 然而,输入 ChatGPT 或其他 LLM 的结果并不总是相同的,这是由于机器学习的神经网络配置以及这些 AI 模型涉及幻觉的其他方面。
不过如果企业想系统、大规模地采用 AI 辅助编码,则需要将基于 AI 的编码实践构建到 CI/CD 流水线中。 那么具体该如何做到这点呢? 在本文中,我们通过讨论开发人员应如何更新其 CI/CD 流水线和策略以利用 AI 辅助编码工具来探讨这一问题。 如果想让 AI 以系统且可重复的方式成为开发过程的一部分,就需要将 AI 辅助编码纳入 CI/CD 策略中。 修改软件发布策略和期望 使用 AI 辅助编码工具可以加速 CI/CD 流水线,从而实现更快的发布。 并且鉴于全面使用 AI 工具生成代码对于许多团队来说仍然相对新颖,CI/CD 流水线将如何改变以适应 AI 辅助编码仍有待观察。
编程 AI Agent 成功的原因: 工程师善于让各种东西运转起来 编程的经济价值清晰、显著且巨大 巨量资源投入吸引聪明人解决问题 开发者自己就是用户,对产品有很好直觉 5 AI 辅助编码:高强度智力活动 吴恩达不赞同"vibe coding"(凭感觉编程)的说法,更倾向于"AI 辅助编码"。 AI 辅助编码是一个深度智力活动,而非简单的感觉驱动。在进行了一整天的 AI 辅助编码后,他会感到精神上筋疲力尽。 6 初创公司瓶颈转移:从工程到产品管理 在 AI Fund,吴恩达观察到快速工程和 AI 辅助编码正在改变创建公司的方式。过去需要六人工程师团队花三个月完成的事情,现在一个周末就能搞定。 7 产品管理自动化:工具发展但仍有限 目前已有不少工具试图加速产品管理流程: Figma 的 IPO 在设计领域做得非常出色,集成度很高 利用 AI 帮助面试潜在用户的工具 AI Agent 集群模拟用户群体的研究
2023 年,生成式 AI 的火爆,让越来越多的组织开始引入 AI 辅助编码。与在 2021 年发布的 GitHub Copilot 稍有差异的是,代码补全只是重多场景中的一个。 在这个背景下,我们(Thoughtworks)也开发了一系列的开源工具,以帮助更多的组织构建自己的 AI 辅助编码助手: AutoDev,基于 JetBrains 平台的全流程 AI 辅助编码工具。 因此,我们将其总结为:一大一中一微三模型,提供全面 AI 辅助编码: 高质量大模型:32B~。用于代码重构、需求生成、自然语言代码搜索与解释等场景。 高响应速度中模型:6B~。 重点场景介绍:补全模式 AI 代码补全能结合 IDE 工具分析代码上下文和程序语言的规则,由 AI 自动生成或建议代码片段。 入库率 AI 生成的代码被开发者入库的比例。
Genuitec近期发布了Java IDE MyEclipse的2026.1版本,带来了对Java25、Spring Boot4以及AI辅助编码能力的更新,同时在Java语言工具、调试功能、构建工具链和 AI辅助开发与Spring工具支持在AI辅助编码方面,MyEclipse 2026集成Copilot4Eclipse1.7插件,该插件提供代码补全与聊天能力。同时兼容GitHub Copilot插件。 整体来看,作为MyEclipse在2026的第一次更新,从语言支持到开发工具能力都有升级,特别是对Java25、Spring Boot4以及AI辅助编码能力进行了适配和完善,能够帮助Java开发的团队使用到新的语言特性
说说计划 不知不觉写到了第七篇,理一下思路: 学会基本的概念,了解什么是什么不是,当前的位置在哪,要去哪。这是第一篇希望做到的。同时第一篇和第二篇的开始部分,非常谨慎的考虑了非IT专业的读者。希望借此沟通技术人员和产品人员,甚至管理和销售人员。我信服“上下同欲者胜”,所以也非常害怕因为大家对概念完全不同的理解而影响到团队的合作。 从最简单的部分入手,由概念到代码,完成技术破冰。这是第二、三篇希望做到的。 逐步迭代,从简单概念到复杂概念,从简单算法到复杂算法,接触到机器学习现实最常用的技术。这是四、五、六篇希
本节重点 学习 AI 智能体的概念和构建方法,掌握如何实现具有自主决策能力的 AI 系统。 1)首先是 AI 大模型,这个就不多说了,大模型提供了思考、推理和决策的核心能力,越强的 AI 大模型通常执行任务的效果越好。 三、使用 AI 智能体 有 3 种方式可以使用 AI 智能体,之前的教程中其实我们已经有接触过,这里再快速复习一遍。 也可以直接使用专门的 AI 智能体工作流编排框架,比如 LangGraph 和 Spring AI Alibaba Graph。 2)Spring AI Alibaba Graph 目前 Spring AI 官方还没有提供工作流编排能力,但是国内的 Spring AI Alibaba 已经提供了工作流编排框架 Spring AI
最近,一款名为 Context7 MCP 的工具备受瞩目。网络上流传着各种说法,比如它解决了大语言模型的痛点、革新了 AI 编码方式,甚至能让 Cursor 效率提升十倍。 18 project with the new createRoot API. use context7 Context7 会自动获取 React 18 的最新文档,AI 便会生成正确的代码: // Context7 网站介绍 除了 MCP 集成,Context7 还提供了一个便捷的网站服务:https://context7.com 网站功能特点 Context7 网站的核心功能是为 LLM 和 AI 时可能遇到的问题: ❌ 训练数据包含过时文档 ❌ 生成不存在的虚假代码示例 ❌ 提供不针对特定版本的通用答案 ❌ 浪费时间验证 AI 生成的响应 ❌ 因与 LLM 反复沟通而感到挫败 使用 Context7 无论你使用 Cursor、Claude 还是其他 LLM 工具,它都能帮助你获得更好的答案,避免 AI 产生幻觉,让 AI 真正理解你的技术栈。
最近,一款名为 Context7 MCP 的工具备受瞩目。网络上流传着各种说法,比如它解决了大语言模型的痛点、革新了 AI 编码方式,甚至能让 Cursor 效率提升十倍。 不使用 Context7 时,AI 可能会提供基于旧版本的代码: // 可能生成的过时代码 import React from 'react'; import ReactDOM from 'react-dom 18 project with the new createRoot API. use context7 Context7 会自动获取 React 18 的最新文档,AI 便会生成正确的代码: // Context7 网站介绍 除了 MCP 集成,Context7 还提供了一个便捷的网站服务:https://context7.com 网站功能特点 Context7 网站的核心功能是为 LLM 和 AI 无论你使用 Cursor、Claude 还是其他 LLM 工具,它都能帮助你获得更好的答案,避免 AI 产生幻觉,让 AI 真正理解你的技术栈。
鲁棒 vs 脆弱的AI开发可靠的AI数据可靠性经验构建鲁棒可靠AI的领先实践本文摘自Beena Ammanath所著的《可信AI:人工智能信任与伦理商业指南》(Wiley出版社,2022年3月)。 她曾在多家公司担任人工智能和数据科学领导职务,也是Humans For AI(一个致力于提升AI领域多样性的组织)的创始人。在AI模型训练中,数据集是现实世界的代理。 企业在扩展其AI应用范围时的任务是:将鲁棒性和可靠性作为AI战略的组成部分加以权衡,并协调能够管理并纠正动态环境中错误的流程、人员和技术。为此,我们从鲁棒可靠AI领域的一些基本概念开始。 鲁棒 vs 脆弱的AI国际标准化组织将AI鲁棒性定义为“AI系统在任何情况下保持其性能水平的能力”。在一个鲁棒的模型中,训练错误率、测试错误率和运行错误率几乎相同。 脆弱性是软件工程中的一个已知概念,也适用于AI。最终,所有AI模型在某种程度上都是脆弱的。我们使用的不同类型的AI工具都特定于其功能和应用。AI只做我们训练它去做的事。这还有另一个组成部分。
Altman计划筹集高达7万亿美元基金,用于建设一系列AI芯片工厂,如果成行,他将掌管全球第三大经济体。但这笔巨资究竟会如何使用投资? 译自 Making Sense of Sam Altman’s $7 Trillion AI Chips Gambit,作者 Agam Shah 已长期报道企业IT领域超过十年。 他试图筹集7万亿美元用于建造AI芯片工厂的尝试让许多人翻了个白眼。 Altman雄心勃勃的7万亿美元基金用于建立一系列AI芯片工厂,将使他成为世界第三大经济体的管理者。 “Sam Altman身上到底有什么,让人们追踪他就像追踪泰勒·斯威夫特? Sam Altman为何要向AI投资7万亿美元 Altman的7万亿美元计划可能是一个雄心勃勃的计划,旨在重构整个半导体行业,该基金规模是电子行业的两到三倍,Hutcheson在解释分析公司发布的芯片内幕通讯时写道
ChatGPT的出现彻底解决了这一痛点——它能快速生成并修改SQL代码,是我最早用于辅助编码的AI工具。 2. CodeGeeX插件 由于需要处理海关数据(涉及数据处理与算法),且团队已基于智谱模型实现用户意图识别和商品信息提取,我在使用VS Code进行Python算法调试时,开始借助CodeGeeX插件辅助编码 听我说谢谢你,灵码提供脱内裤服务 7. Trae(插件&IDE) Trae插件与IDE可放在一起说。 Cursor IDE Cursor是较早接触的AI开发工具IDE,但我仅用了半天就放弃了。 :IntelliJ + CodeBuddy(支持统一规则管理与知识库,能高效规范团队编码风格); 个人/前沿开发:IntelliJ + Claude Code插件(同样支持规则管理,结合Context7
github.com/Geekhyt/weekly 技术资讯 Fresh 1.4 发布 H3 1.8 发布 TypeScript 将代码格式化工具迁移到 dprint Rollup 迁移到 SWC 计划 国产 AI 辅助编码工具 CodeGeeX 如何让 AI 帮你讲解论文? 使用 Next.js、Langchain 和 OpenAI 构建 AI 聊天机器人 如何使用 Next.js、Langchain、OpenAI LLMs 和 Vercel AI SDK 构建 AI 聊天机器人 ,内容涵盖了从设置模板、实现结构化输出、自主 AI 代理到检索增强生成的步骤。 7. CSS 单位概述 文章详细探讨了 CSS 的多种尺寸单位,包括绝对单位、字体相对单位、视口相对单位和容器相对单位。作者解释了每种单位的特点、应用场景和如何在不同情境中选择合适的单位。
中国AI巨头加速机器人领域布局 ▎ 政策追踪 | 中国宣布增加对AI、科学和技术创新的支持 政策红利推动技术商业化 ▎ 技术趋势 | HEADINFER技术实现消费级GPU长上下文推理 算力成本降低,边缘AI应用加速 ▎ 应用创新 | Runway首帧视频风格转换惊艳亮相 生成式AI在视频领域再突破 一、今日热点 (Hot Topic) 1.1 Anthropic预测AI将超越诺贝尔奖得主 ⚡ 数据支撑:其模型在化学推理、医学诊断等领域的准确率已接近人类专家 行业影响: ▸ 加速AI在基础科学研究中的角色转变,可能重构科研范式 ▸ 伦理争议升温,需建立AI科研成果的评估与认证体系 Hugging Face视频分类器优化数据管理 应用场景:短视频平台内容审核 ● 实施效果: 关键指标 实施前 实施后 提升幅度 审核准确率 89% 96% +7% 处理速度 1200帧/秒 3500 ▸ 验证了LLMs在复杂策略游戏中的规划能力 ▸ 引发关于AI游戏测试伦理的讨论 每日金句 今日思考:*"AI不会取代人类,但会用AI的人将取代不用AI的人"* 出自:Andrew Ng(吴恩达
在企业AI转型这件事上,比"怎么落地AI"更重要的,是先识别哪些场景根本不适合AI。这篇文章会把我在多个行业一线看到的7大反模式逐一拆开讲:典型表现、底层原因、风险后果、替代路线,全都给你说清楚。 文末还附一份企业级AI适配度评估10问清单,可以直接拿去和你的客户、业务方做共识。如果你正在推动企业AI转型,或者正在被老板/客户催着"赶紧上点AI"——这篇文章可能会帮你省下一个季度的预算。 把这三层共识打下来,你再回头看后面7个反模式,会发现它们其实是同一件事的不同切面——AI被用在了它不擅长、不划算、不可控的地方。 反模式D7合规与安全要求是什么?是否允许不确定性?反模式E8成本怎么核算?含标注、训练、推理、运维、失败损失?反模式F9上线后谁负责迭代?监控、漂移、回归谁来做?反模式G10时间窗口多长? 结语:在企业AI转型里,"敢说不"才是真本事写到这里,回到最开始那句话:AI不是越用越值钱,而是用错越烧越快。企业AI转型的真正难点,不在技术,不在算力,而在判断力。
当时还做个视频 https://www.bilibili.com/video/BV1Dv4y1M7Sx 有5万次观看,其实不少伙伴都有在平板上写代码的诉求,奈何就没有任何一款软件,可以好好的把这个支持起来 4年后的今天,小傅哥自研的 WaLiCode 来了,这是一款 AI IDE Coding/DevOps 智能辅助编码运维工具,可以支持在 Mac(Apple/Intel)、Windows、Linux 多端使用 视频演示,包括 AI CLI、AI IDE 能力。 编码绘图 你可以辅助编码、辅助绘图(让绘制 draw.io 格式),这些内容你就按照市面用过的 AI IDE 软件就可以直接用。 功能;拆解、追踪、收藏、任务、历史、图片、文件,这些能力都是支持的。 Git-AI 归因 Git-AI 归因,是记录每个人使用 AI 编码的记录,包括;总量、模型、次数(日、周、月)。