AI 浪潮袭来，带来的变化影响着每个行业。作为一名程序员，如何在浪潮中乘势前行，不断进步？我们特别邀请到来自七牛云的资深技术人笪小强，为大家带来题为『行业巨变与角色升级——职业程序员如何面对AI编程的浪潮』的分享。无论你是否了解 AI，是否拥有 AI 编程经验，只要你对 「AI 编程」话题感兴趣、拥抱未来的无限可能性、想要入门并探索AI 编程，都欢迎了解本次分享内容、开展交流探讨。

以下内容整理自笪小强内部分享：

自去年 8 月份 Copilot 和 ChatGPT 3.5 发布以来，AI 编程出现了翻天覆地的变化。过去我可能需要花一天时间解决的问题，现在可能压缩到半个小时或一个小时就能解决。基本上，生产力得到了将近十倍以上的提升。它不仅仅是速度快，在一些知识盲区，比如某些编程语言我不太熟悉的情况下，AI 可以弥补很多认知上的不足。以前不太敢碰的东西，现在基本上可以畅通无阻地去做了。很多项目现在都可以轻松应对，基本上所有人都会变成一个全栈开发者。可能以后就不会再分什么前端、后端这种角色了。

所以，我对这个行业的变革感到特别大的触动。我过去 20 年的编程经验，可能已经没有用了，或者说它的价值已经不像以前那么大了。因此，我特别希望能跟大家分享一下：你们现在正处于一个历史的关头。在这个时候，你们的学习方式需要发生非常大的变化。不要再依赖我们过去那些方法，比如什么一万小时定律、刻意练习、积累十万行代码之类的，我觉得这些都不需要，现在的要求可能完全不同了。那么，我们下面正式开始分享。

我们简单回顾一下 AI 编程的发展史。这段历史并不长，一切都始于 2017 年 Transformer 那篇论文的发布。在此之前，虽然也有一些 AI 自动化编程的尝试，主要是 IDE 的一些更新，但与现在的大模型结合起来后，我觉得之前的那些变革都属于"史前时代"，不需要太深入研究。

从 Transformer 模型出现后，我们第一次对通用人工智能的认知得到了前所未有的升级。这种认知积累到 2020 年 GPT-3 发布时达到了一个爆发点。在 GPT-3 之前，只有专门研究 NLP 的人才知道 Transformer 的厉害，但 GPT-3 让更多人了解到了这一点，虽然主要还是在 IT 圈子里。

我第一次接触到这个领域大概是在 2021 年 GitHub Copilot 发布的时候。当时了解到他们做出了一个可以自动化编程的工具，主要是自动完成代码的功能，使用后感到非常惊叹。到了 2022 年 11 月，ChatGPT 的发布彻底破圈了，不再只是科技圈的大事，所有行业的人都在讨论这个话题。随后发布的 GPT-4 虽然在 3.5 的基础上有所升级，提示和自动完成功能变得更智能，但还没有质的飞跃。

2024 年 Claude 3 的发布带来了新的突破。它首次实现了"所见即所得"的功能。以前我们用 ChatGPT 生成代码后，需要复制粘贴到环境中运行，而 Claude 3 把这个过程整合了起来，代码生成后会自动运行。这让我感到特别惊艳，可以快速生成一些小游戏、脚本，甚至思维导图也能立即呈现。

然而，我们发现了一个很大的问题：每次对脚本或应用做任何小的改动，都需要全部重新生成，这会导致很多错误。经过几轮对话后，就会出现上下文不足的情况，限制了它只能用于小脚本开发，无法处理大型应用。

后来出现了所谓的 AI 程序员 Devin，这个想法很好但过于超前。它试图实现 L5 级别的自动驾驶，希望通过一个应用直接托管整个开发生命周期。虽然它证明了这条路目前不可行，但也许再过两年，随着模型能力的提升，这种设想可能会实现。

相比之下，Copilot 和 GPT-3.5 的组合最适合当前阶段，相当于自动驾驶的 L2 时代。它们在现有模型能力的基础上，结合人力介入，实现了软件开发流程的自动化。大约 5%的部分需要人工介入，这种通过 IDE 的方式让人更好地参与其中。

我认为今年肯定会进入 L3 时代，因为模型能力正在显著提升。最近马斯克发布的 Grok-3 在一般模型能力上已经超越了之前的模型，虽然我还没测试过它的编程水平。我非常乐观地认为，未来每年都会有重大迭代，直到实现自我进化。

AI 编程的一个重要意义在于它是 AI 的工具。为了实现更多功能，AI 不能依赖人类的升级，而需要像 AlphaGo 那样自我进化。AlphaGo 在下围棋时发现人类数据不够用，于是自己生成数据进行强化学习，最终远远超越了人类。我认为 AI 编程也是一样，人类的代码已经学得差不多了，未来 AI 需要通过自我生成代码和数据来强化学习，提升自己的能力。

AI 编程是大模型领域第一个成功的 AI 应用，其他行业还没有能与之匹敌的。法律、金融等领域正在努力，但只有 AI 编程真正做到了突破。因此，我经常建议各行各业的人学习 AI 编程领域的经验，了解大模型如何切入业务流程，如何调和人与 AI 的关系，什么时候该用人，什么时候该自动化。AI 编程为很多行业指明了方向。

我们来介绍一下 AI 编程相关的一些工具。当然，第一个要介绍的就是 Copilot，它是第一个实现 AI 编程的工具，主要功能是自动完成代码。对于有经验的开发者来说，这个功能非常实用。我经常在写代码时，刚写下 if，它就能预测出我后面要写的内容，我只需要按 Tab 键确认即可。另外，当我需要写一段代码时，我通常会先写一行注释，它就能自动生成对应的代码。这种体验让我感到非常惊艳。

后来，Copilot 还加入了一个侧边栏功能，可以让我们进行与当前程序无关的对话。这个功能完全替代了谷歌的作用。实际上，程序员花在编码上的时间并不多，可能只有 10%的时间用于编码，其他时间主要用于学习。以前，我们主要通过谷歌来学习。我曾经要求我的团队成员每天使用谷歌的次数不能低于 50 次，如果低于这个次数，说明当天的学习不够充分。

但从 Copilot 开始，我们发现学习变得简单多了。很多知识可以直接通过侧边栏提问，它会告诉我们下一步该怎么做，再也不用去技术平台查找资料。这个问题我后面会详细跟大家讲解，尤其是关于如何与 AI 进行有效沟通的部分，到时候我们再深入探讨。

接下来介绍的是 Bolt.new，这是去年新出的一个工具。它是一个完全无代码的开发平台，特别适合运营、市场等非技术背景的小伙伴使用。即使你没有任何编程基础，也可以轻松上手。你只需要写一个需求，它就能帮你生成一个网页。

我平时会用 Bolt.new 来做一些落地页、demo，甚至是原型图。虽然生成的页面可能比较粗糙，但比起抽象的原型图，它已经是一个可用的产品了。最关键的是，它实现了“所见即所得”——你写完需求后，马上就能看到结果，并且可以立即分享给别人。

这里我有一个重要的经验分享：比如我之前需要将一个 JSON 文件修改后重新折叠为一行，试了好几款 JSON 工具都不支持这个功能。如果我自己写这个功能，可能要花一两个小时。但用 Bolt.new，我只需要告诉它：“把我输入的 JSON 内容折叠为一行”，它就能自动生成一个网页工具，完美解决了我的需求。

现在我有很多小工具需求，比如文件改名、字符串处理等，都可以通过 Bolt.new 快速实现。以前我可能需要去谷歌上找现成的工具，但往往找不到或者找到的工具不符合我的需求。现在，我可以让 Bolt.new 为每个小需求专门写一个工具，完全贴合我的使用场景。而且，它还会生成一个托管地址（URL），我可以保存下来，甚至分享给其他人使用。

最棒的是，Bolt.new 是免费的！每天提供的免费 token 足够你完成一个小工具的开发。如果你需要做第二个工具，可能需要付费，费用大概在 20 美金左右。这个工具非常适合快速实现一些小而实用的功能，极大地提高了工作效率。

Reddy.ai 是我最近一个礼拜才发现的，它和 Bolt.new 非常像，都是在完全不需要懂代码的情况下可以做出应用来。但它和 Bolt.new 的区别在于，它的审美非常在线。比如，我只说了一句话：“帮我做一个音频播放器”，其实只有前面第一句话是我写的，后面的“首页”、“控制播放器”等功能都是它自动帮我完成的。它还会细化我的需求，问我是否同意，我点了同意后，马上就生成了一个颜值非常高的播放器界面。它还提供了两个界面让我选择，我觉得完成度非常高。只要再进行两三轮对话，这个播放器就可以直接使用了，效果比我之前做的要好很多。

因此，我也很推荐这个工具。比如做运营的同学，如果需要做一个落地页或用户手册，以后就不用求着开发了。你们可以直接用这些工具，它也是免费的，可以马上生成一个图文并茂的内容，而且你也不用操心设计问题。对于设计的同学，以前可能需要先画原型图，然后前端再去实现，整个过程可能要花一两周时间。但现在，它连设计带输出、带制作，整个流程在几分钟内就能完成。这真的是一种颠覆三观的形式。

另外，刚才提到的 Bolt.new 最近还支持 APP 开发了。以前它只支持网页，现在你可以用它生成 iOS 和安卓的 APP，而且生成的不是套壳的 APP，而是用框架直接生成的、可以真正上架的应用。当然，如果它的审美再提高，像 Reddy AI 这样的工具，我觉得未来也会支持 APP 和小程序的开发。

对于前端的同学，我觉得你们的工作一定要转型，不能再依赖手写前端代码了。你们可能需要升级为 UI 交互设计师这样的职位。如果你还在拼前端代码的话，我觉得 AI 真的会完全替代这部分工作。后端的同学可能稍微晚一点，但这一天迟早也会到来。所以，在 AI 工具的辅助下，每个人都应该向全栈方向发展。这个方向我们后面也会详细提到。

最后要重点介绍的是 Cursor，它不仅仅是一个用于前端界面或 APP 开发的工具，也不仅仅局限于一些小工具的开发。它真正强大之处在于能够处理大型项目。它既可以帮助你从零开始创建一个项目，也可以接手已有的项目。无论你使用什么编程语言——iOS、安卓、JavaScript，甚至是C++等，它都能通吃。

最关键的是，Cursor 解决了局部修改代码的问题，这在我看来是一个革命性的改进。以前我们使用 Claude 的 Artifact 时，每次做一个小改动，它都会重新生成整个代码，既费时又费力，上下文信息也会被重复输出。而 Cursor 则不同，它可以在一次修改中同时处理多个位置的代码。比如，如果我们修改了十个地方，它可以同时修改这十个位置的代码，然后询问你是否接受。你只需要点击接受，它就会自动完成所有修改。我甚至不需要知道它具体改了哪些地方，整个开发过程就像是在和一个特别厉害的编程高手合作，而这个高手被“封”在了一个盒子里，只能通过聊天与我交流。

这个“高手”看不见屏幕，也不知道外面的世界，但他会通过聊天的方式与我沟通。我告诉他我需要做什么，他会不断输出各种建议和代码，而我则负责测试和反馈。有时候，他甚至会建议我生成一些日志，运行后再把日志发给他，以便进一步调试。这种体验让我觉得非常智能，仿佛与一个隐藏在盒子里的编程专家合作，配合越来越默契。

随着时间的推移，Cursor 的能力也在不断提升。比如，9 月份时，它在输出中文时经常会出现乱码，但到了 10 月、11 月，这个问题就被改进了。以前，一个问题可能需要问三四遍才能得到答案，甚至有时候根本得不到答案。但自从 GPT-3.5 发布后，我明显感觉到它的代码能力有了很大提升。因此，我特别期待 GPT-4 正式版的发布。如果 Cursor 能够用上 GPT-4 的满血版，可能会有更大的提升。以前可能需要七八次对话才能完成的功能，未来可能只需要一次对话就能搞定，体验会进一步提升。

目前，Cursor 的收费是每月 20 美金，我觉得非常划算。作为一个生产力工具，它能让你的工作效率大幅提升，这笔钱是我最近几年花得最值的一笔。

Cursor 的团队其实非常小，只有十个人左右。2023 年他们的营收大约是 100 万美金，但从去年 8 月与 GPT-3.5 结合后，仅用了四个月就实现了 1 亿美金的订阅收入。我估计今年他们的收入至少能突破 5 亿美金。对于一个十人团队来说，这是一个非常了不起的成就。

最近，市场上也出现了很多与 Cursor 对标的产品，比如 Wonderful 和字节跳动的 Trae。这些产品都在追赶 Cursor 的步伐，但我觉得 Cursor 目前仍然处于最前沿的位置。对于开发者来说，使用 Cursor 仍然是最好的选择，因为它能节省大量时间，而其他工具可能还达不到 Cursor 的水平。因此，我推荐大家直接使用 Cursor 。

在使用 Cursor 的这几个月里，我们积累了一些宝贵的经验，今天想和大家分享一下。

首先，我经常听到一些人抱怨 AI 编程还不够好用，错误很多。经过深入了解，我发现他们大多还在使用聊天机器人（如 GPT-4）的形式进行 AI 编程。这种方式显然不够高效。如果你使用 IDE（集成开发环境）结合 AI 工具，AI 不仅能生成代码，还能自动修复问题，尤其是局部修改代码的功能，甚至不需要我们手动检查代码。很多时候，我甚至不需要看代码，只有当问题出现时，我才会让 AI 定位到具体代码位置，再详细查看。

当然，目前的模型还在发展中，出错是难免的。我们也有一些“血的教训”。比如，有时候我让 AI 修改一个功能，结果它不仅没改好，还把其他功能搞坏了。因此，我现在每完成一个大功能后，都会立即存档并提交到 GitHub。有些人甚至每一步都会提交，而 Cursor 自带了这个功能，包括其他类似工具也都支持每次交互时创建一个检查点（checkpoint），你可以随时回退到之前的任何状态。这样我们就不用担心 AI 改坏代码，因为随时可以回退。

我的经验是，最多不要超过三步。你让 AI 修改一个功能，如果第一次没达到预期，可以反馈错误让它再改一次，如果还是不行，最多再试一次。如果三次都没改好，就说明提示词有问题，或者 AI 的能力暂时无法解决这个问题。这时，你应该通过检查点回退到三步之前的状态，调整提示词或沟通方式，重新开始。如果再继续尝试，可能会导致整个工程损坏。当然，随着模型的升级，未来这种情况可能会改善，但目前这是保证软件工程质量的有效方法。

另外，我们经常会遇到一些未知错误，比如“创建动画失败”这样的提示。这种情况下，AI 的提示信息较少，修复起来也比较困难。我的建议是，不要依赖 AI 的提示，而是主动告诉 AI：“给我每一步的详细日志，特别是错误日志。”当错误发生时，把整个日志贴给 AI，让它根据日志修复问题。这种方式沟通效率非常高。

对于一些过于复杂的逻辑，无法用自然语言与 AI 沟通时，我会手动修改代码。但即使手动修改，我也会使用 Ctrl+K 的方式，让 AI 在局部生成代码。这种方式非常高效，原本需要十分钟手写的代码，可能一分钟就能完成。因为我知道自己想要什么代码，所以一眼就能看出 AI 生成的是否符合预期。

最后，我建议大家使用 GPT-3.5 或更高版本的模型，它们比现有其他模型表现更好。通过这些经验，我深刻感受到技术正在发生巨大变化。我们不再需要深入研究代码细节，也不需要像以前那样进行大量的代码练习。那么，未来的职业程序员和普通人有什么区别？哪些技能是我们需要重点培养的？这些问题我们后续会详细探讨。

在使用 AI 工具（如 Cursor）的过程中，我发现与 AI 的沟通能力至关重要，而这种能力恰恰是我们学校教育中很少涉及的。我们不仅在与 AI 沟通时存在问题，甚至在与人沟通时也常常逻辑混乱。比如，我以前和团队沟通时，常常先说一大堆背景信息，最后才抛出结论，导致对方理解起来非常困难。

这一点在技术文档或博客中也很常见。比如，CSDN 上的一些文章，作者喜欢“卖关子”，开头写了一大堆问题，最后才告诉你这个问题没有解决。这种沟通方式让人非常抓狂。如果一开始就告诉我问题没有解决，我可能就不会浪费时间阅读了。

在麦肯锡，有一种被称为金字塔原则的沟通方法（由巴巴拉·明托提出），强调结论先行。也就是说，在沟通时，先说出结论，再提供论据。这种方式让对方更容易理解你的意图。举个例子，在我们实习生训练营的开营筹备中，运营同学和老许的一次沟通就非常经典。运营同学需要老许决定开营时间是 1 月初还是 1 月中旬。她直接告诉老许：“我们需要您决定开营时间是 1 月初还是 1 月中旬。选择 1 月初的原因是，很多同学即将参加期末考试，而且临近过年，如果放到 1 月中旬可能会影响参与度。”老许只需要在 A 和 B 之间做出选择即可。

如果反过来，运营同学先说：“很多同学要期末考试了，过年也快到了，时间很紧张……”最后才问：“开营时间能不能定在1月初？”作为决策者，老许可能会一头雾水，需要回想前面的信息才能做出判断。这种沟通方式效率很低。

与 AI 沟通也是同样的逻辑。每次让 AI 解决问题时，我会先告诉它：“我需要你帮我解决这个问题。”然后再提供方法、数据和例子。如果顺序颠倒，虽然 AI 也能完成任务，但出错的概率会大大增加。因此，练习清晰、简洁的沟通能力是非常重要的。

其次，一次只解决一个问题。我们常常习惯一次性提出多个问题，比如看到一个产品有三五个问题，希望 AI 一次性解决。但实际上，AI 可能会忽略其中一些问题。与其这样，不如每次只解决一个问题。虽然这会消耗更多的 token（可能增加一些成本），但从整体效率来看，这是非常值得的。

第三，使用行业术语。AI 对术语的理解更准确。比如，如果你需要调整前端页面的一个表格（table），直接告诉 AI“调整 table 的大小”会比用一大堆描述词更高效。如果你不知道某个组件的术语，AI 可能会误解你的意图，同时也会消耗更多的 token。因此，学习更多的行业术语是提升与 AI 协作能力的重要途径。就像学英语要背单词一样，掌握术语能让沟通更高效。

最后，开阔眼界也很重要。看到一个复杂的东西，如果能用一个术语描述清楚，就不要用一大段话。每个行业都有其特定的术语，在 AI 编程领域，我们需要学习开发过程中的术语。即使平时用不上，提前了解也能为未来的沟通打下基础。我们不再需要花一万小时练习编程，而是可以把时间花在开阔眼界、学习优秀提示词、提升沟通能力上。

总结一下，与 AI 高效沟通的关键在于：

  1. 结论先行，清晰表达需求；

  2. 一次只解决一个问题，避免混乱；

  3. 使用行业术语，提升沟通效率；

  4. 开阔眼界，学习更多优秀案例和提示词。

这些能力不仅适用于与 AI 的协作，也能提升我们日常沟通的效率和质量。

最后，我想和大家讨论一个核心问题：AI 编程会不会取代程序员？ 我的观点是，AI 编程更像是一种工具升级，就像从“刀耕火种”到“开挖掘机”的转变。以前，从事编程行业可能需要一定的天赋，比如对问题的洞察力和逻辑思维能力。但现在，有了 AI 工具，编程的门槛大大降低了。即使你没有特别强的编程天赋，只要你有兴趣、认真，也可以通过 AI 的帮助进入这个行业。

我过去十多年面试过很多人，通常会通过一些问题来判断候选人是否上过培训班。因为我认为，如果一个程序员需要依赖培训班入门，可能说明他的自学能力不强，而这在编程领域是一个重要的能力。但现在，我的观念发生了变化。即使一个人自学能力不强，只要他真心热爱编程，并且善于利用 AI 工具，他也可以在这个领域做得很好。AI 降低了编程的门槛，让更多人有机会参与进来。

未来的团队分工可能会发生巨大变化。前端、后端的界限会逐渐模糊，每个人都有可能成为全栈开发者。无论你是开发网站、APP，还是大型系统，甚至是单片机编程，AI 都可以成为你的强大助手。AI 的弱点是它没有主动性，它不知道下一步该做什么。因此，程序员的核心角色将转变为“教练”，我们需要告诉 AI 需求是什么，如何完成工作，并对结果进行验收。这种能力是 AI 无法替代的，除非真正的通用人工智能（AGI）出现。

因此，未来的程序员需要提升审美能力、开阔眼界、培养管理能力。以前，程序员可能只需要埋头写代码，但现在，你可能需要带领一群 AI 开发者。如何安排 AI 的工作、如何验收 AI 的成果，这些管理能力将变得比写代码本身更重要。

虽然 AI 降低了编程的难度和工作强度，但程序员的工作并不会减少，反而会变得更多。就像第一次工业革命后，机器代替了人力，但失业率并没有上升，因为人们发现了更多可以做的事情。同样，AI 编程将推动软件开发的普及，许多以前无法触及的细分行业和岗位都将被软件赋能。编程将成为社会的底层逻辑，了解编程意味着理解社会如何运转。

AI 不会取代程序员，但会用 AI 的程序员将取代不会用 AI 的程序员。 这是一个变化的时代，我们必须跟上技术的浪潮。如果你在 AI 编程的浪潮中犹豫不决，可能会被时代抛在后面。没有任何 AI 可以打败一个人，但 AI 加人可以打败另一个人。 如果你不学会使用 AI 工具，你的生产力可能会落后于那些用 AI 武装起来的人。

因此，我强烈建议大家尽快拥抱 AI 编程工具，深入研究它们的使用方法。即使现在 AI 编程还存在一些问题，我们也需要耐着性子去适应和优化。只有这样，我们才能在这场技术变革中立于不败之地。

今天的分享就到这里，如果大家有任何问题，欢迎提出来，我们可以一起讨论！