AI Coding：变革与挑战并存的未来

变化是唯一永恒。——赫拉克利特

如今，软件的产出速度前所未有地加快，以大语言模型（LLM）驱动的代码生成器和编程助手如ChatGPT、GitHub Copilot为代表，正在彻底重塑软件开发者的日常工作。这些LLM不仅仅是工具，而是随时待命的虚拟伙伴。全球科技巨头和初创企业纷纷将AI Coding作为战略焦点。

尽管AI Coding将软件开发者的工作效率提高了26%，但一个新的问题也随之而来：当AI能生成实用代码，我们究竟在“开发”什么？当效率被AI极致放大，我们的创造力与思考是否正在被削弱？

莫纳什大学与新加坡管理大学的研究团队通过访谈22名软件开发者，探讨了LLM对软件开发的影响及如何有效管理这种影响。

论文链接：https://arxiv.org/pdf/2511.06428

研究显示，LLM在提高开发速度、维持开发流程、促进创业等方面具有显著优势，但也存在损害开发者声誉、影响个性（如懒惰）、阻碍开发者提升技能等风险。

研究团队还提出了一套最佳实践建议，指导如何有效利用LLM进行软件开发任务。

研究方法

为深入了解软件从业者在采用LLM进行软件工程活动时的真实感受，研究团队采用了社会技术扎根理论（STGT）方法。研究共分三轮，基于22位软件从业者的访谈数据进行收集与分析。在第一轮中，研究团队采访了6位初级开发者；在第二轮中，他们采访了13位初级与有经验的开发者，以提炼核心概念与类别；在第三轮中，他们又进行了3场访谈，以验证和完善理论。

图｜研究方法的全流程概述

就LLM使用情况而言，多数参与者使用过多种LLM工具，其中ChatGPT最常被使用。大多数参与者使用LLM的时间超过一年，约59%的参与者每天与LLM至少交互6次。

图｜受访者使用LLM的情况

研究结果

基于上述方法，研究团队根据个人、团队、组织和社会层面，识别和分类了采纳LLM进行软件开发任务的益处和弊端。

LLM如何帮助软件开发者进步？

个人层面：LLM有效提升了软件开发者的开发效率和学习能力。它能自动生成样板代码、修复语法、提供即时反馈，帮助开发者节省时间、减少中断并保持“心流”状态。同时，LLM也是学习与反思的工具——开发者能借助它理解陌生代码、掌握新语言、比较不同解法。此外，LLM还能够为开发者提供心理支持，让他们敢于提问，不怕暴露自己的无知，从而增强信心与主动性。

图｜LLM对个人开发者的积极影响

团队层面：LLM减少了开发者之间的协作干扰与沟通成本。新手小白能够先借助LLM解决问题，再向同事求助，团队的运转更高效。LLM还能提供“第二意见”，帮助团队跳出惯性思维，提升整体创造力。

组织层面：LLM节约了软件开发公司的时间和成本。它能加快整体调试、排错与代码审查等流程，特别是对中小型企业而言，能以更少的人力完成更多的任务。

社会层面：LLM促进了创新创业。许多开发者用LLM快速完成原型设计、学习商业与技术知识，降低了创业门槛。LLM甚至可以作为日常生活中的智能顾问，帮助解决时间规划和信息检索等问题。

LLM如何阻碍软件开发者发展？

当然，基于LLM的AI Coding也并非没有弊端。

例如，许多软件开发者发现，LLM在生成代码或提供建议时容易出现错误或“幻觉”，反而拖慢了进度，还需要花额外时间验证结果。而且，频繁的上下文切换、提示分解和反复修正也让工作量不减反增。

过度依赖LLM也可能削弱开发者的代码理解力与学习动力。一些开发者提到，长期使用LLM会导致自己变得懒惰、冷漠，甚至对自身能力失去信心；新手则更容易陷入“让AI替我思考”的陷阱，导致技能停滞。更严重的是，当LLM生成错误代码时，责任仍由开发者承担，影响个人声誉。

图｜LLM对个人开发者的负面影响

此外，由于担心LLM输出的代码涉及版权或许可问题，部分软件开发公司会明令禁止员工使用LLM。而且，LLM生成代码中可能隐藏漏洞，引发安全隐患。

值得一提的是，成本问题也是一大阻力——频繁调用LLM需要付费，增加了企业的运行负担。

最后，LLM的普及也让一些人面临失业的风险。虽然高精尖开发者依旧重要，但依赖经验和重复性工作的技术岗位正变得岌岌可危。

软件开发者如何正确使用LLM？

那么，既然AI Coding是未来的一大趋势，开发者如何“既要又要”呢？

根据访谈结果，研究团队发现，许多开发者会在不同LLM之间反复试用，直到找到最契合自己工作需求的LLM。

通过这种比较，他们逐渐认识到LLM并非“智能体”，而只是基于统计的工具，于是选择使用不同LLM解决不同问题。例如，用ChatGPT处理需求沟通，用Copilot辅助编码。这反映了软件工程向“代理式”系统演进的趋势。

此外，不少开发者更倾向于让LLM参与代码优化而非直接生成代码，从而保持对逻辑与结构的控制。他们甚至出于隐私考虑，选择在本地运行模型，哪怕牺牲部分便捷。

当前，软件开发者需要与LLM维持一种成熟的关系：既信任其能力又保持理性距离。用人机协作的方式扩展自己的边界而不是被取代。

总之无论使用什么工具在软件开发工作中都离不开“直觉”。这里的“直觉”不是模糊的感觉而是开发者在长期经验积累中形成的快速判断能力。它是一种经验性思维帮助开发者在复杂和不确定的情境下做出决策。

这种基于经验的直觉在开发者与LLM协作时起到了“安全阀”的作用：当LLM提供错误或误导性的建议时帮助开发者识别出问题避免盲从模型的输出。