大模型时代：AI在研发流程中的新角色与挑战

大模型正深刻重塑研发流程，推动自动化与智能化。从辅助编程到Coding Agent，AI如何从“辅助工具”跃升为生产力核心？大模型原生开发时代真的到来了吗？

近期，InfoQ《极客有约》携手AICon直播栏目，特别邀请了平安科技高级产品经理吴朝雄、百度资深架构师颜志杰和汽车之家客户端架构师杜沛，共同探讨了LLM时代的软件研发新范式。他们将在AICon 2025北京站（12月）分享更多见解。

部分精彩观点摘要如下：

• AI在测试环节更多是提效工具，而非替代方案。距离“原生开发时代”尚远，目前仅处于“半坡”阶段。
• 提示词其实是一种“角色扮演”，要让模型理解你的意图，需让它进入特定角色，例如“作为某领域的专家”，在特定规则与业务逻辑下执行任务。
• Coding Agent代表了通用智能体的发展路径，能独立完成软件研发任务的智能体，其潜力远超特定工具层面的自动化，因为它更接近人类在物理与逻辑层面的行动模式。
• 我们期望AI不仅满足演示级别的Demo需求，更能满足产品开发的实际需求，产出可维护性强的代码。
• 会用AI≠结果更好，不会用AI≠结果更差。考核的核心仍是你最终的产出与影响。

以下内容基于直播速记整理，经InfoQ删减。

1 LLM原生开发时代

吴朝雄：很多观点认为“AI写代码”只是更高级的自动补全，而非范式变革。你们怎么看？

颜志杰：“一半是火焰，一半是海水”。我们看到AI不断进化，能完成越来越多任务并带来可观收益。然而，作为程序员，在实际开发中常发现AI并未那么“神”，有时甚至显得笨拙。AI在独立、结构清晰的小任务或创新场景中表现突出；但在复杂、庞大的现实任务中挑战巨大。

对于不会写代码的人，只要清楚表达意图，就能借助大模型进行软件开发。例如，“豆包”修图让许多人完成了图片编辑。但从程序员角度看，AI的帮助虽日益明显，却未完全达到“范式变革”的程度。

目前出现了越来越多AI编程产品形态，例如Devin、SWE Agent等集成进DevOps平台的Web产品，以及Claude Code等命令行工具。一个明显趋势是，越来越多公司开始披露其代码中由AI生成的比例，且这一比例仍在快速上升。

杜沛：AI的使用效果与使用者能力差异巨大。从公司内部看，大多数人已在使用AI辅助开发，但不同人使用的深度和场景差别很大。有人仅用来做简单问答或辅助编写函数，也有人尝试通过Claude Code等工具构建自己的流程化智能体。

从整体来看，开发方式确实发生了明显变化。过去习惯通过搜索解决方案，如今很多问题可直接通过模型完成。但模型本身的局限仍然存在，限制了我们进入真正高效的智能化开发时代。

吴朝雄：测试环节在研发流程中是最复杂、分支最广的一部分。AI在测试中最擅长的是稳定性相关任务，如数据生成、数据分析等。但在更复杂的测试逻辑上，如微服务管理等，模型仍力有不逮。

颜志杰：真正的范式变革意味着从“不能”到“能”，或在可信度和可替代性上发生质变。目前模型仍难以胜任复杂任务，但在许多细分场景中已极大解放了我们的生产力。

2 哪些开发环节已从“人做”变成“AI做”？

杜沛：在代码生成方面，特别是与UI设计稿相关的“Design to Code”方向。随着多模态模型的出现，图像理解极大改善了模型生成效果。我们尝试了多种方案，发现图像能帮助模型更好地理解UI的意图。

在此基础上，我们将图像理解与设计稿解析结合起来。目前内部使用MasterGo，通过解析设计文件并抽取关键信息，减少噪音干扰。这一方法在实际应用中取得了不错的效果。

颜志杰：AI最擅长替代重复性、机械性的任务。以团队项目“文心快码”为例，通过设定规则，让AI代理完成中英文版本的互转。这类工作过去靠自动化难以实现，现在AI能高效、稳定、准确地完成。

3 AI落地研发最先撞墙的是什么

颜志杰：目前最大的问题是AI效果缺乏稳定性。当AI带来的收益不足以抵消改变原有工作习惯的成本时，落地就会变得非常困难。因此，关键问题在于“稳定的效果”。

杜沛：这实际上属于“信任建立”的问题。尤其在初期使用时，用户往往会记住失败的经历，从而降低信任。因此，稳定性与容错机制尤为关键。

4 从“工具”到“协作者”

杜沛：最大的区别在于“闭环能力”——AI助手更多是单点辅助,而智能体能串联起完整的开发-测试-审查流程。

颜志杰：Coding Agent代表了通用智能体的发展路径，能独立完成软件研发任务的智能体，其潜力远超特定工具层面的自动化。

5 价值与人

吴朝雄：未来两年，具备高水平能力的人的价值将被放大。例如，产品经理不仅要懂业务逻辑，还需熟悉技术架构与系统关系。

颜志杰：能熟练使用AI的人往往像架构师。他们能理解业务的边界与约束，在更高层次上统筹全局。