社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  Git

GitHub告诉你,开发者真正需要的AI是什么

AIGC开放社区 • 9 月前 • 264 次点击  
专注AIGC领域的专业社区,关注微软&OpenAI、百度文心一言、讯飞星火等大语言模型(LLM)的发展和应用落地,聚焦LLM的市场研究和AIGC开发者生态,欢迎关注!

最好的 AI 工具从不试图取代你,而是致力于让你留在心流之中。

这是一场关于开发者真实需求的深度对话,AI究竟是打断了工作的节奏,还是真正成为了值得信赖的副驾驶。

GitHub 的高级产品经理 Dalia Abo Sheasha 与开发者布道师 Cassidy Williams 在一次名为 Rubber Duck Thursdays 的直播中,针对开发者普遍存在的疑虑进行了坦诚交流。

她们发现,开发者最想要的并不是更多的自动化,而是一个更顺畅、更少被打断的创造过程。

真正的生产力提升,在于工具能否理解并尊重开发者的心流状态,在于能否区分枯燥的样板代码与核心的架构决策。

优秀 AI 编码工具必须赋予开发者掌控权,适应个体的学习阶段,并能在正确的时刻以最不打扰的方式提供帮助。

守护开发者的专注力与心流状态

软件工程师在评估一个工具时,内心最深处的渴望往往被误解。

外界常以为他们想要的是全自动化的代码生成,仿佛只要按下一个按钮,程序就能奇迹般地自行运转。

GitHub 的用户反馈和访谈数据却揭示了一个截然不同的事实。

开发者最珍视的,其实是一条通往心流的平坦道路。

心流是一种极其微妙且脆弱的精神状态。

在这种状态下,代码逻辑在脑海中清晰构建,创意的火花自然迸发,手指在键盘上的敲击几乎与思维同步。

这是一种人剑合一的高效境界,也是程序员感到最快乐、最有成就感的时刻。

任何微小的干扰,都足以瞬间击碎这种状态。

即便是出自好意的弹窗提示,如果出现的时间不合时宜,也会像尖锐的噪音一样,强行将开发者从思维的高速公路上拽下来。

一旦心流被打断,重新回到那个深度的精神空间往往需要耗费巨大的认知成本。

基于这一核心洞察,工具的设计逻辑必须发生根本性的转变。

GitHub 在设计 AI 功能时,刻意避开了那些花哨但干扰性强的交互模式。

他们将测试和部署的重心放在了开发者最熟悉、驻留时间最长的地方:代码编辑器、终端命令行以及代码审查界面。

这种设计的初衷,是让工具去适应人的工作习惯,而不是强迫人去适应工具。

理想的 AI 应该像是一个默契十足的搭档,它静静地待在旁边,只有在你需要的时候递上一把螺丝刀。

它应该致力于解决那些让开发者脱离心流的琐事,比如繁琐的样板代码、枯燥的文档编写或是耗时的错误排查。

如果一个 AI 功能让编码的一天变得支离破碎,那么无论它的技术有多先进,在开发者眼中它都是失败的。

只有那些真正能够润滑工作流程、减少摩擦的 AI,才是好的 AI。

开发者可以通过设置来调整工具提出建议的频率和方式,确保这份帮助始终处于可控的舒适区内。

警惕对话框带来的认知负担与干扰

当前市场上充斥着一种迷思,认为所有的 AI 交互都应该通过自然语言对话框来完成。

向聊天机器人发问,要求它生成一个项目模板,随后立即得到答案,这种体验确实在演示视频中看起来极具吸引力。

这种看似便捷的交互方式背后,隐藏着一个常被忽视的陷阱,那就是注意力的被迫转移。

Dalia Abo Sheasha 敏锐地指出了这一矛盾。

当开发者正在专注于编写复杂的逻辑代码时,如果被迫将视线移开,切换到一个独立的聊天窗口,并且大脑需要从代码思维切换到自然语言描述思维,这本身就是一种巨大的认知负担。

这种切换不仅消耗精力,更是在主动破坏专注力。试图将所有的功能都塞进一个聊天框,反而是通向注意力涣散的捷径。

但这并不意味着对话式 AI 毫无用处。

对于某些特定的任务,比如解释一段晦涩的遗留代码,或者在一个陌生的框架中寻找方向,聊天界面依然是极佳的工具。

关键在于使用的时机和方式。

明智的开发者会将聊天面板最小化或置于后台,只在真正遇到阻碍、需要停下来思考或求助时才主动唤起它。

真正优秀的 AI 体验往往是此时无声胜有声的。

开发者反馈显示,最有价值的协助通常发生在代码行间。

当你开始重命名一个变量时,AI 能够理解上下文并自动建议一个更精准的名称;当你敲下函数定义的头几个字符时,AI 能够预判意图并补全剩下的样板代码。

在这些时刻,AI 并没有跳出来大声疾呼它的存在,而是化身为一种直觉般的延伸。

它不像是一个指手画脚的监工,更像是一个递过趁手工具的助手。

这种融入背景、在上下文中自然浮现的建议,才是 AI 与开发者协作的最佳形态。

赋予开发者掌控权而非剥夺思考

数据和访谈一次又一次地证明,有效的 AI 是用来增强开发者的能力,绝非取代他们的判断力。

开发者们渴望摆脱的是那些重复性的劳动,是那些毫无技术含量的样板代码搭建,是那些令人头疼却又不得不写的文档。

他们从未想过要放弃对系统架构的决策权,从未想过将棘手的业务逻辑或是隐蔽的 Bug 处理权拱手让人。

软件开发的核心灵魂依然是人。

是开发者的洞察力、判断力和积累的经验,决定了软件的最终质量。

AI 工具应当赋予开发者更强的力量,让他们能够专注于更有价值的创造性工作,而不是接管整个工作流。

对于不同阶段的开发者,AI 扮演的角色也应有所不同。

对于资深的工程师,AI 是加速器。

他们已经深知代码背后的原理,AI 的作用是帮助他们快速跨越基础构建阶段,直接进入核心逻辑的开发,改变他们既有的行为模式以实现效率的飞跃。

而对于正在学习编程的学生或初级开发者,情况则完全不同。

他们正处于构建知识体系的基石阶段,盲目依赖 AI 生成代码可能会导致基础不牢。

Cassidy Williams 强调,初学者应当利用 AI 的解释功能来加深对基础概念的理解,而不是将其视为抄近道的手段。

AI 生成的代码解释可以作为一种学习辅助,帮助理解语法和逻辑,但绝不能替代个人的分析和思考。

今天的初学者将是明天的资深专家,如果他们在起步阶段就放弃了思考的权利,整个行业的未来将变得岌岌可危。

每一次 AI 提出的建议,都应当经过开发者的审视。

即使是一个看起来完美无缺的代码片段,也需要开发者去理解其背后的含义,特别是当涉及安全性、架构稳定性或生产环境可靠性时。

这种审视过程本身,也是一种人机协作的磨合。

开发者通过反馈,哪怕是简单的采纳或拒绝,都在无形中训练着这个工具,让它变得更符合个人的编码风格。

我们也必须正视 AI 的局限性。

并不是每一个 AI 功能都能成功落地。

那些频繁打断编辑过程、满屏弹出无关提示,或者在开发者试图微调逻辑时强行帮忙的功能,最终都会被用户无情地关闭。

产品团队需要依靠这些真实的反馈来调整方向。

开发者的每一次吐槽、每一个建议,甚至是对某个功能的愤怒关闭,都在塑造着下一代工具的模样。

在这个人机共生的新时代,保持怀疑精神和高标准是必要的。

了解你所接受的代码,利用解释功能辅助学习,不断调整工具的灵敏度以适应自己的节奏。

只有当 AI 真正适应了开发者,尊重了开发者的心流与掌控权,它才能从一个炫酷的玩具,转变为真正推动软件工艺进步的强大引擎。

参考资料:

https://github.blog/ai-and-ml/generative-ai/what-ai-is-actually-good-for-according-to-developers/

https://www.youtube.com/watch?v=sUUjzVtXrfo

END

点击图片立即报名👇️


图片

图片

图片

图片

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/192219