1233资讯网

2025-06-04 03:09:26

AI编程双城记下：深入分析下一个技术革命的机遇与实际应用挑战

本文内容适合关注 AI 前沿的读者。回顾2024年 AI 编程领域技术和产品创新，同时总结企业编程提效在落地的真实效果和挑战，从落地实践和思考，观察行业趋势和分析解决方案。最后，展望2025年AI 编程下一代技术给大家的期待。文章信息量较大，建议阅读时长20-30分钟适宜。本文涉及关键字：Github Copilot、Cursor、v0、reweb.so、AI Agent、Coding Agent、RAG、微调、Blot.new 、Devin.ai 、Cursor Composer 、AIOps、Function Call

荣耀时刻

To C

从ChatGPT ，到 AI 编程工具 Github Copilot 的横空出世。到如今火爆全球的 Cursor、Devin ，编程领域不可否认迎来了自己的“工业革命”。我觉得所有的工程师真的都会觉得：AI 在日常的编程当中，真真切切地给大家带来了巨大的效率提升，极大的降低编程的门槛

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

https://survey.stackoverflow.co/2024/ai

• Stackoverflow 2024年对AI 编程领域做的调研，在受访全球2万名工程师里，81%人认同AI 工具提高了开发效率。 To C来说，AI 编程已经不是怀疑它的价值，而是想象空间能到哪的范畴了

• 相对于过去，机器学习和大模型技术推动了编程领域巨大的革命。OpenAI 在2024.12底发布了 ChatGPT o3 ，在权威的顶尖程序员竞赛CodeForces中，o3的得分达到了2727分，远超 o1 的1891分。在168076名程序员中，o3的排名为175名，o3的编程能力已经达到了一个相当高的水平，能够与顶尖程序员相媲美。

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

https://openai.com/

下一代编程技术 Cursor

回顾整个2024年，Cursor 可能是最受大家关注和欢迎的 AI 工具。作为定义下一代编程IDE的 Cursor，凭借独有产品创新火爆全球。越来越多的工程师已经用 Cursor 进行 Copilot 极限编程，我自己70%-80%日常编程交给 Cursor 完成。哪怕它是付费的，也物有所值

Cursor 一整年惊人的增长

2024年8月 Cursor的开发商Anysphere宣布完成6000万美元的A轮融资，此轮融资由Andreessen Horowitz（a16z）领投，谷歌首席科学家Jeff Dean等，公司估值到4亿美元

2024年底 Anysphere完成1亿美元的B轮融资，投后估值高达26亿美元

业绩增长 Anysphere 2024年4月的 400万美元到10月的 4800万美元

付费收入短短半年增长超过1000% !

Cursor 为何如此受到全世界工程师的欢迎。Cursor 团队来自MIT，团队在2022年组建,和其他 Code Copilot 不同，Cursor 定位为The AI-first Code Editor，旨在构建新型的代码编辑器，而不是编程 AI 插件。在三年的试错后，直到ChatGPT 横空出世，团队意识到 AI 可以更好在编程世界中进行人机交互。Cursor 有一个叫 Composer 功能，颇为惊艳：

在 IDE 中和 AI 交互聊天，简单描述你的编程需求，然后它根据你的意图同时去自动修改和编辑多个文件，中间过程不用参与。
工程师不用关心文件的位置和如何配置存放，他一一批量自动化完成。而你只需要查看它提供的代码Diff 对照，最后用它提供的 Accept 按钮一键确认完成即可。
对比过去编程，往往几十分钟，甚至数小时工作量，短短几分钟可以轻松完成

Cursor Composer 功能

下面是我课程项目的案例，完成一个小功能：把添加类目功能用友好的弹出层实现。只需在Cursor 输入提示词“新增类目改成弹出层”，在不写代码情况下，完成功能

倒逼 AI 编程工具大佬 Github Copilot 由付费改免费

在对话模式中自动并发创建和修改多个文件，这种全方位的编辑能力在编程体验和效率上远超传统 AI 工具，比如 Github Copilot 提供的上下文引用。因为 Cursor 产品上革新换代，甚至让 Github Copilot 感受极大压力，提供免费额度，产品迭代全面学习 Cursor

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

Cursor 其它重要亮点

更直观上下文引用能力：支持选择文件模版，目录上下文等高级 Prompt 设计
Inline Chat 功能：允许开发者在编辑器内部直接进行代码优化、提问等操作，而无需切换到聊天面板。这种设计极大地提高了开发效率，让开发者能够更专注于编辑器本身

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

代码自动补全多行编辑：Cursor 能够根据当前的代码上下文同时建议多行代码的修改，你要做的就是按下Tab键，让 Cursor帮你修改

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

Cursor 编程交互远超其它对手，而且给我们一个很大震撼：Cursor 如此出色却并没有自己的底层大模型，它采用是深度集成通用大模型模式工作，任何大模型都可以作为底座

Cursor的编程质量如何呢？

通过系统系统和真实项目考验，Cursor 比其它AI 编程工具，代码质量更高，而且完成开发能力更强。是否让你意外？特别让我印象深刻是它缺陷查找，长Token的处理能力。

下面我用两个真实项目案例，大家直观感受下：

高频缺陷查找的案例

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

长Token文本 处理能力：下面一段完成数据清洗的案例，把酒店中重复的房型数据去除掉，对应的提示词

帮我把sql 重复插入数据去掉，生成新的 insert sql：
1、重复规则 hotel_id+room_id+check_in

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

Cursor 出色完成任务，其它 AI 编程工具也没有完成，包括 Github Copilot

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

更多案例详细介绍和演示，看我开源项目

https://github.com/laziobird/CodeLLMEval/blob/main/common-scenarios/longContext-chinese.md

Cursor 给业界启发：AI 编程的能力是专门的垂直大模型做的更好，我们需不需要专门的垂直代码大模型？Cursor 集成通用大模型，利用大模型的推理逻辑，自身优化提示词和思维链COT，让生成的代码质量更好。这是一个非常有趣值得探讨的点
甚至 Cursor 极大拉低编程的门槛。一些不懂编程的人，按照他们设想，用Cursor 做一些简单的程序应用。最近有一款 IOS 应用，叫”小猫补光灯“，上了AppStore热门排行榜。作者是一个产品经理。他声称自己完全没有编程经验，用 Cursor一个多小时开发了这款APP。

我下载试了下，是一个实用的小应用。事实证明，就算没有做过编程的人，真可以通过Cursor ，用纯产品语言的对话，就可以开发一些小功能、简单的应用。当然，作者也承认在不断学习一些编程知识，因为后续版本完善和缺陷修复需要懂编程知识

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

不考虑那些高并发、高性能、复杂系统必要扩展等因素，作为一个简单的基础应用来说，对于不懂编程人，Cursor 在零代码开发上足够惊艳，极大降低了软件门槛，值得肯定。

To B

工程师使用AI工具编程76%， AI编程工具在企业渗透率超过90%

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

https://survey.stackoverflow.co/2024/ai#sentiment-and-usage

很多企业公开宣称代码采纳率达到了30-40%，下面国内编程平台官方给出的案例

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

https://comate.baidu.com/zh/scenarios

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

https://lingma.aliyun.com/lingma/community/use-cases

问题和挑战

AI生成的代码质量堪忧

虽然AI编程越来越被企业认可接受，随着落地实践深入。我们发现AI生成代码质量很多情况是达不到生产的标准。甚至是我们主观认为简单的单元测试，API 文档，目前也存在大量的幻觉，比如下面的真实案例：

单元测试用例问题

所有编程工具都有一键生成能力。最简单的单测生成都有问题，甚至编译不通过。主要体现问题：1、没有单测真实项目的数据 2、没有测试边界 3、编译甚至不过

直接生成的单测就像下面一样，处处编译不过

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

主观大家认为单元测试是最容易靠AI自动化生成，其实从大模型底层原理，它是非常难的技术，要分别考虑上下文精准和长文本输入处理能力。有些团队还单独研发AI的单测产品，里面有十几种单测指标。而且工程师应该很理解，单测在我们真实编程所占的工作量才10-20%

单测改进方案

在真实项目中，我们靠改进产品，用大模型做定制化仿写，拿到下面想要单测结果

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

API 文档问题

简单的 API 几乎所有 AI 编程工具都可以正确完成，但是上下文稍微一复杂，例如函数入参有嵌套，甚至一些编程工具输出完全错误。下面是我开源一个测评案例，有关于医疗口腔服务的 API文档生成

https://github.com/laziobird/CodeLLMEval/blob/main/common-scenarios/api-chinese.md

通过代码Token，观察生成的API文档，是否符合需求，是否理解准确，主要考察：

是否理解需求业务
是否入参、出参理解准确

重点考察大模型在以下方面的能力：

理解函数的嵌套入参和出参结构
精准理解和分析代码的上下文结构，检索信息
进行逻辑推理能力

具体函数方法

@Slf4j
@RestController
@RequestMapping("/api/v1/advice")
public class AdviseController  {
    @Autowired
    AdviseService adviseService;
    @PostMapping("/submitExpertAdvise")
    public Result<Integer> submitExpertAdvise(@RequestBody ExpertAdviseDto expertAdviseDto){
        Integer expertAdviseId = adviseService.addOrUpdateExpertAdvise(expertAdviseDto);
        return Result.succ(expertAdviseId);}}

具体的入参

public class ExpertAdviseDto {
    private Integer id;
    private Integer presOrderId;
    private String advise;
    private DoctorDto doctorDto;
    private Date createdAt;
    private Date updatedAt; }

入参有子参数 DoctorDto、DoctorDto 有嵌套的二级子参数 CertInfoDto，完整入参结构

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

我们看看AI编程工具生成API文档结果，提示词这样构造的

生成submitExpertAdvise 方法的完整 API 文档：带上入参、出参所有参数 的详细中文介绍， 给出完整示例， 格式markdown，给前端调用

参数完全错误，输出结果是0分，比如下面编程工具生成的文档

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

这个案例几乎所有的AI 编程工具都是错的，只有 Github Copilot 正确完成

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

API 文档生成改进方案

在理解大模型的底层原理下，用"万能公式"，手动补充上下文，这些编程工具才能勉强生成正确的API文档

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

总结：一年中给很大企业落地实践中，我深有体会，基础的功能没做好，就算生成再多代码，也是滥竽充数。反差如此之大的根本原因在哪呢，有这么几点：

AI 编程发展是大模型技术变革带来了整体爆发，AI 编程工具过去国内完全零起步，产品思维匮乏，很多都是小白鼠实验
国外有 Cursor、Codeium、Magic等专注编程 IDE的团队，大部分融到 B、C轮，产品理念和技术生态成熟，很了解编程需求。相反国内开发团队，对产品的理解，还是过往的经历沉淀，都没有特别精通编程的产品和技术专家。
国内工具整体功能会滞后国外一段时间。国外技术革新太快，国内摸着石头过河，版本迭代就非常快，甚至有几天一个升级版本。这对于企业来说就变得非常不确定性。
版本迭代过快，产生新的幻觉和使用习惯的改变，特别是大的产品更新，导致很多企业投入大量的重复时间和精力。试错的代价非常大。对于一个工程师可能乐于接受新鲜的变化，对于企业，这种剧烈的不成熟期落地非常不现实和风险很大

前段时间公开一家国内大型科技公司落地智能编程实践效果，大家可以来感受下

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

表现结果：代码质量堪忧，企业提效不明显

反人性的代码采纳率

在落地AI 编程提效中，很多企业会提到代码采纳率这个指标。企业想以代码采纳率去衡量AI 编程的一个产出。我觉得它本身是一个反人性的东西，很像过去“追逐代码测试覆盖率”的案例，本质上反映是企业落后管理上一种 KPI 形式：

大家可以想一想，如果代码采纳 AI 的代码越多，是说明工程师越没用嘛？同时，AI工具要靠工程师去使用，工程师的动力又在哪呢？
假如AI 这种Copilot工具用的好，让AI 贡献更多的代码，更多的参与编程，把代码采纳率提上去了。那站在企业的角度，会不会认为机器生产更多代码，工程师工作量不饱和了呢？这会给工程师、企业带来巨大的困扰。工程师完全没有使用AI编程工具动力和动机。另一个角度看，代码采纳率越低，手写的代码更多，更能突显工程师的价值？会不会产生这样的误解？如果企业以代码采纳率作为一个核心的企业研发提效的指标，从逻辑看是一个比较无解的结果。就像上面的企业案例，折腾大半年几乎看不到提效，这可能是深层次的原因

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

未来企业量化AI编程的解决方案 Solution

我认为要具备以下核心的几点理论：

1、有效度量指标，指标要清晰，边界可分

2、通俗易懂，非技术人员能理解，决策层能量化成本

3、落地实践要人性化、工程要系统化

我总结一个AI参与人类编程的理想状态

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

第一，任务AI独立完成，或者人类少量微操，绝大部分 AI 完成，这样才能量化 AI 对这个任务的贡献

第二，把复杂的工程拆分成一个个独立的功能模块，提高 AI自动化的可能。其实和过去我们做一些辅助工具，解决重复低效和流水线的工作道理类似。这是机器学习擅长的工作，拆分出来这些基本任务交给 AI 自动化完成，已经被证明是屡试不爽的思路。

编程艺术

做复杂的软件编程，本质说是一种用机器语言在做艺术创作。不知大家是否这样认为？

我们奢望大模型一句提示词让 AI 写一套 ERP、写一个 Facebook 有点理想化。

人类更应该做艺术创作，工程师的价值才能得到体现。

编程有哪些艺术？有了 AI 能力，工程师专注做架构的设计和核心算法，做复杂的艺术编程。从长远来说，也是对工程师有更高的要求，迫使工程师学习进步，做更高级的编程。

另外一方面，工程师有了一个新的目标：如何把更多的任务赋能让 AI 来自动化完成。同时，软件工程理论化知识比过去重要。拆解项目，分工任务，产研协同有了全新的要求。

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

这也是体现工程师的一个价值，因为它给企业带来了巨大的绩效和节约成本。而且这就是架构师过去到现在一直在做的事。

我接触到很多技术前沿企业，都从技术团队骨干开始培养一些 AI编程落地的推动人。特别是一些业务稳定企业，内部技术团队反而有了动力，价值被重视。

企业现阶段落地的场景

正如上面提到企业量化AI编程的解决方案，确实最近一年多接触到这方面尝试落地的企业，有比较好的结果反馈，都是往这个趋势去走。包括国内外创新科技公司，做的AI辅助编程的分享，都体现了这样的思想：他们落地的场景大部分聚焦在一个个比较垂直化的编程场景。比如像编程中一些日常的基础功能，也有针对自己特定业务的一些工作场景，把它单独抽离出来，下面总结目前大家取得一些阶段性效果的典型场景

代码 Review 和版本管理

一些AI 编程工具，GitHub Copilot、CodeRabbit、国内百度Comate、通义零码自带能力：

代码质量检测：通过机器学习算法自动识别代码中的错误、漏洞和潜在风险，提供优化建议，甚至提供 Diff格式的代码建议，直接对比应用

提升审查效率：AI Code Reviewer为Pull Request提供智能反馈和改进建议，支持文件过滤功能，避免不必要的审查，设置和集成过程简单

**代码提交版本信息管理：**代码 Commit Message 自动化一键生成，AI 能全面感知代码变动细节，比起工程师写提示词，效率高，排版更规范。尤其在每次 Commit 提交文件多，能极大帮助架构师加快梳理业务代码和分析代码质量的时间

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

AI Commit Message 自动生成效果

集成版本控制平台：很多技术团队通过调用大模型 API方式与GitHub、GitLab等版本控制平台无缝集成，支持团队协作、代码共享以及版本管理

智能版本管理功能：比如 Cline 新增了智能版本管理与任务跟踪系统，通过快照、比对和恢复等功能，让开发过程更加灵活和便利

单元测试

单元测试是一个非常基础的单元，每一家企业在代码质量来说是一个必要的过程。

市面上有一些垂直类的 AI Agent 产品专注于生成单元测试。比如 Gru.ai

https://gru.ai/home/test-gru 写JavaScript、TypeScript 单元测试用例

文档编写

Readme-ai

https://github.com/eli64s/readme-ai

基于大型语言模型（LLM）的README文件生成器。它能够自动分析代码仓库，提取关键信息，并生成结构化、内容丰富的README文档

Mintlify

https://mintlify.com/

2024年9月6日 Mintlify 完成了 1850 万美元的 A 轮融资，贝恩资本和 Y Combinator 参投

用 AI 完成开发者文档，不限 ChangeLogs、API Reference、SDK Library 等

前端开发提效创新

v0 代表的创新型AI产品，主要功能是通过简单的文本提示来生成用户界面，从而简化UI的生成过程，提高设计和前端开发效率

https://v0.dev/

比如 v0 + reweb.so 工具结合，通过网站截图让它生成完整的前端代码。reweb.so 则可以直接把前端代码粘贴，自动生成控件控制台，不写代码情况下调整页面

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

截图后v0生成前端代码和预览效果

reweb 生成了编辑控件，不用写代码，直接操作控件调整页面

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

v0 + reweb 另外市场价值：对于不懂前端编程的技术，可快速入门前端开发，不需要设计，独立完成全栈开发，尤其对小团队有很大的帮助

作者简介

蒋志伟，next4.ai 创始人（微信 nizhanali)
目前从事 AI 创业和技术顾问，关注 AI Agent、RAG、AI搜索、智能编程领域
曾就职阿里、Qunar、美团，前 Pmcaff.com CTO，核心研发过上亿用户搜索推荐系统
我开源了一个用来测评 AI 编程质量的开源项目，也欢迎大家关注和交流

https://github.com/laziobird/CodeLLMEval

AI编程双城记上：万字长文剖析下一代技术革命与落地挑战

AI编程双城记下：深入分析下一个技术革命的机遇与实际应用挑战

荣耀时刻

To C

下一代编程技术 Cursor

Cursor Composer 功能

倒逼 AI 编程工具大佬 Github Copilot 由付费改免费

Cursor 其它重要亮点

Cursor的编程质量如何呢？

To B

问题和挑战

AI生成的代码质量堪忧

单元测试用例问题

单测改进方案

API 文档问题

API 文档生成改进方案

反人性的代码采纳率

未来企业量化AI编程的解决方案 Solution

编程艺术

企业现阶段落地的场景

代码 Review 和版本管理

单元测试

文档编写

前端开发提效创新

作者简介

发表评论取消回复

弟子规童声朗读app(弟子规)

wuzhi audio最新版本软件

greatpan探索版最新版

老年电话助手软件

万能测网速最新版