Q18｜效率：AI辅助编程主要解决哪些痛点？

作者介绍：
姜天意，网易低代码业务中心技术负责人
段潇涵，字节跳动豆包 MarsCode IDE 架构师

Q：在实际工作中使用 AI 辅助编程主要解决哪些痛点？最常用的工具和场景是什么？是否统计过对开发效率带来多大提升？

姜天意回答说：网易公司高层对 AI 技术非常重视，甚至可以说是强力推动。公司内部举办了多次 AI 分享会、设立了相关奖项，并组织了培训和考试，高层每天都会转发大量 AI 相关的文章给我们。2023 年，我和团队主要使用 GitHub Copilot。当时市场上已经出现了一些智能体产品，如 Devin、MetaGPT 和 AutoGPT，但经过评估，这些产品的效果并不理想，因此并未在实际工作中采用。

2024 年中下旬，我从 Cursor 转向了 Windsurf，两款工具我都深度使用过。相比 Cursor，Windsurf 在大型项目的智能化支持方面表现更为出色。Windsurf 采用了一项名为 Cortex 的 RAG 技术，能够有效处理代码库的向量化，因此它在代码搜索、修改以及上下文识别方面表现出色。我们曾使用过 Windsurf 进行性能优化，询问其对组件和代码的优化建议，效果显著。此外，团队中的服务端开发人员对测试用例生成功能非常满意。编写测试用例对开发者来说通常是一项繁琐的任务，但网易内部开发的工具结合 GPT 技术，能够通过简单的命令快速生成当前文件的测试用例，极大提高了效率。

我个人深度使用的一个平台是 Bolt.New，我自行部署了一套，并定制了许多功能，使用体验非常震撼。目前，一些小型网站甚至复杂模块已经能够通过对话式生成实现。前段时间，我们尝试复现一个 名为“小猫补光灯”的项目，仅通过几句话就成功用自然语言实现了该功能，展现了强大的 AI 能力。

此外，我们产品本身是一个低代码平台，团队中的教练团队负责产品交付。我们的产品具备多项 AI 能力，包括自然语言编程、代码补 全推荐等，这些功能通过微调业内代码生成模型和多模态模型实现，例如利用多模态模型进行设计稿识别。

最后，我个人也有一些使用 AI 的习惯。由于经常出差，我需要在路上处理一些材料，因此我在本地使用 LM Studio 部署了一些模型，用于文章总结、文档编写、代码补全、SQL 生成和代码转换等任务。我认为，本地的小参数模型已经能够很好地满足这些需求。

段潇涵说道：我们团队由于专注于 AI 与编程结合的项目，接触相关技术较早。大约一两年前，大家就开始尝试使用 Copilot，包括后来的 Copilot Chat，当时普遍的感受是对这些工具缺乏信任。经过这一两年的发展，我们自己也开发了相关产品，并使用这些工具进行代码开发，团队的信任度有了显著提升。

从行业产品来看，Cursor 已经存在多年，大家对 AI 在编程中的应 用看法也发生了巨大转变。尤其是去年年底，Windsurf 的推出带来了极佳的体验，社区对此讨论热烈。由于我们从事相关产品的开发，使用频率较高，正如天意提到的，这些产品逐渐从小规模代码补全扩展到更大项目的应用。例如， Bolt.new 在新项目生成方面体验较好，而 Windsurf 和 Cursor 则能够处理历史项目的分析和拆解，效果逐渐提升。

我认为有两点值得关注：首先，AI 在工程中的落地方式逐渐成熟，工程实践得到了提升；其次，随着模型的进步，去年 Cloud 的推出和今年 DeepSeek 的火爆，极大地推动了 AI 与编程结合的应用，大家普遍认为 AI 生成的代码能够服务于实际生产。

我个人也有类似的感受。AI 不仅提升了代码生成的生产力，还改变了我们的研发流程。过去，我们通常需要分析需求、设计架构，然后进行编码。而现在，AI 在各个阶段都提供了辅助，包括需求分析、文档生成和架构设计，显著提高了效率。在代码编写方面，我倾向于让 AI 完成大部分工作，然后进行 review。目前，AI 生成的代码占比大约在六七成到七八成之间，极大地提升了开发效率。