机器之心报道 编辑：Panda 400 多年前，宋应星著成《天工开物》。这是一部写给匠人、也写给未来的书。它让人相信：技术不是死物，而是人与世界持续互动的方式。 如今，代码系统早已成为现代文明的骨架。它们运行在日常软件、银行服务、交通调度等各式系统中，也支撑着我们所依赖的 AI 算法本身。但和古代器物一样， 再精妙的程序也难免出现 bug—— 有些是逻辑失误，有些是环境变迁，有些甚至源于协作失控。比如，就在前几天，AWS、谷歌云、Azure 和 Cloudflare 都发生了 中断，连带着 ChatGPT 和 Cursor 等热门 AI 应用也一并短暂失联；而这一事故的原因可能是一次错误的自动配额更新导致谷歌的 API 管理系统出现了故障。 同时，bug 修复也是软件工程中最基础，却也是最复杂、最消耗人力的任务之一。特别是在真实的 GitHub 项目中，修一个 bug 并不是「找到一行错字那么简 单」，它常常需要： 那么，我们能否使用 AI 智能体来完成这些任务呢？ 当然可以！但我们需要的绝不是传统的用于解决单独编程任务的 AI 编程模型，而是需要像人类开发者一样能够理解历史上下文、进行多轮推理、在模糊与不确 ...

作者丨 Gergely Orosz & Addy Osmani 译者丨明知山 策划丨褚杏娟 可以肯定的是，生成式 AI 将继续改变我们开发软件的方式。 回顾 2022 年 11 月，ChatGPT 首次问世，这是大语言模型（LLM）开始被广泛运用的开端。尽管 LLM 的构建方式出人意料地简单，但它们在各个领域都取得了令人印象深刻的结果。编写代码无疑 是它们的强项之一。这并不令人感到惊讶，因为： 去年，我们的 AI 工具使用情况调查发现，大约 75% 的开发者使用某种 AI 工具进行与软件工程相关 的工作。然而，我们似乎仍处于工具创新周期的早期阶段，而更复杂的方法，如软件工程 AI 智能 体，很可能成为 2025 年创新的核心。 主流媒体对软件工程行业的描绘越来越戏剧化。3 月份，Business Insider 报道了"软件工程师越来越 接近 AI 是否会让他们失业的真相"；9 月份，福布斯抛出疑问："软件工程师是否正在变得过时？"尽 管这类文章广为传播，但它们多出自非软件工程师之手，这些作者既不使用 AI 工具，也不了解这些 新型 GenAI 编码工具的效率（以及局限性）。 那么我们能从 GenAI 工具重 ...