已经处在AI时代里，软件工程师将何去何从？

🌳一个写全栈技术、偏底层基建、爱研究 bug 的程序员博客。技术界的一名小工匠⊥⊤，每天进步一点点。

自2022年11月30日，OpenAI正式对外发布ChatGPT以来，其以带可视化对话面向普通大众聊天产品，直接引爆了全球AI热潮。

ChatGPT可以说是AIGC（生成式人工智能）的一个核心里程碑，早期AIGC虽有文字生成、图像生成、语音生成功能，但并没有统一的自然语言交互方式，影响仅限了业内。ChatGPT这个产品的出现，第一次把通用文本AIGC做成了零门槛民用产品，无需编程，打开网页用自然语言聊天就能生成文章、代码、方案、解题、对话。它证明了大语言模型具备通用生成能力，打通了多元文本AIGC场景。ChatGP爆火后，国内外资本、企业全面入场，到今天也便看到了市场上满目琳琅的大模型应用，DeepSeek、文心一言、Claude、通义千问、豆包等语言大模型，多模态模型如Midjourney、Stable、Diffusion快速普及，视频音频AIGC同步爆发，整个AIGC行业从实验室技术快速落地为商业化赛道。

未来，AIGC将会是怎样？AI将会是怎样？无法预测。已经处在AI时代里，软件工程师将何去何从？这是一个值得思考的问题。

AIGC说白了，任何复杂的基础性的代码都能生成，但当下也仅于此。做不了架构。更像是一个散装代码生成器。

目前它还做不了系统性的应用软件，生成的代码，需要大量的人工审核。

在我看来，当下的它，是"有着深度学习能力的智能爬虫程序"，也仅于此。

音视频图的生成，固然有其"创意性"，但也让人有一种"离谱感"，毕竟它不是人类。

AIGC固然有其强大的优点，但有时它生成的内容是错误的或是杜撰的需人去甄别。
当下，把它当做一个辅助软件工程师开发的工具更为合适。

-----------------------------------------------------边界线-------------------------------------------------------

那么，软件工程师应如何有效利用AIGC工具呢？以下是一些具体建议：

1. 在哪些开发环节使用AIGC工具

• 需求分析与设计阶段：使用AIGC工具快速生成技术方案草稿、API设计文档、数据库表结构设计等，作为讨论的基础框架。
• 代码编写阶段：
  • 生成重复性代码模板（如CRUD接口、DTO类、工具函数）
  • 编写单元测试用例
  • 生成SQL查询语句
  • 编写配置文件和部署脚本
• 代码审查与优化：
  • 分析代码复杂度并提出优化建议
  • 检查潜在的安全漏洞
  • 识别代码中的坏味道（code smell）
• 文档编写：
  • 自动生成API文档
  • 编写技术说明和用户手册
  • 生成项目README文件

2. 如何与人工审核结合

AIGC工具应遵循"生成-审核-修正"的工作流程：

1. 初步生成：让AIGC工具快速产出初稿，节省基础工作的时间
2. 人工审核：工程师必须仔细审查生成的内容，重点关注：
   • 逻辑正确性：算法逻辑是否符合业务需求
   • 安全性：是否存在SQL注入、XSS等安全风险
   • 性能：代码效率是否满足要求
   • 可维护性：代码结构是否清晰，是否符合团队规范
3. 迭代优化：基于审核结果，让AIGC工具进行修正，或人工直接修改
4. 最终确认：人工进行最终验证，确保质量达标

3. 需要培养的新技能

为了有效利用AIGC工具，软件工程师需要培养以下新技能：

• 提示工程（Prompt Engineering）：学习如何编写清晰、具体的提示词，让AIGC工具产出更符合需求的结果
• AI工具评估能力：能够判断AIGC生成内容的可靠性、准确性和适用性
• 人机协作思维：从"完全自己写"转变为"指导AI写+审核优化"的工作模式
• 领域知识深化：越是深入理解业务领域，越能有效指导AIGC工具生成符合需求的代码
• 批判性思维：保持对AI生成内容的质疑态度，不盲目信任

4. 最佳实践建议

1. 从小处开始：先从简单的代码片段、文档生成等低风险场景开始尝试
2. 建立团队规范：制定团队使用AIGC工具的流程和标准
3. 持续学习：关注AIGC工具的最新发展和最佳实践
4. 保持技术深度：AIGC是工具，不是替代品，工程师仍需保持扎实的编程基础和架构能力

通过合理利用AIGC工具，软件工程师可以将更多精力投入到创造性工作、复杂问题解决和架构设计上，实现"人机协同"的高效开发模式。