大模型

AI编程时代:产品需求到上线的全流程变革,作为产品/设计/研发/测试的你准备好了吗?

当前,AI辅助编程日益流行,网络上因此充斥着各种如何利用AI编程加速开发效率的讨论。然而有关AI时代会对整体需求交付模式的潜在/直接影响的探讨却相对匮乏。本文通过分析AI编程的目标和发展阶段,探讨AI时代下不同发展阶段对需求交付模式的影响。

AI编程时代:产品需求到上线的全流程变革,作为产品/设计/研发/测试的你准备好了吗?

引言

大家好,我是Aaron。当前,AI辅助编程日益流行,网络上也因此充斥着各种如何利用AI编程加速开发效率的讨论。然而,有关AI时代会对整体需求交付模式的潜在/直接影响的探讨却相对匮乏。本文旨在通过分析AI编程的目标和发展阶段,并依托实战经验,来探讨AI时代下不同发展阶段对需求交付模式的影响。

AI编程的目标和发展阶段

最终目标

笔者认为:

AI编程的最终目标是构建完全自动化的软件开发生态系统。

基于此,有需求的同学可以通过自然语言来描述需求,系统能针对性的通过交互来自动生成整个软件开发的一系列要素,并最终发布上线。此外,软件还具备自我持续优化和维护的能力,能够自动感知需求的变化,并自动进行优化(性能优化、功能完善、故障修复等),当发生变更时,也会通过A/B测试等方式持续迭代演进。

发展阶段

参照自动驾驶分级,AI编程可以划分为六级:

  • L0:无AI辅助。

  • L1:AI单点辅助。辅助范围限于文件级,模式是由人指导AI编码,人检查。典型工具:Copilot。

  • L2:AI协同。辅助范围扩展至项目级,模式是AI驱动,人检查。典型工具:Cursor。

  • L3:条件约束下的AI自动编程。自动化范围,项目级。方式是从需求到发布上线,AI编程与现有工具集成。AI通过与产品设计工具、项目管理工具、云环境等打通,可以实现整个项目周期的自动化。这个过程是端到端的早期阶段,需要比较多的人工进行干预,以确保代码质量。目前Godegen等工具在某种程度上在朝这个方向努力,但实际效果一般。

  • L4:高级AI自动编程。自动化范围,项目级。AI能独立完成端到端流程,但仍需人类适时介入纠正错误。Devin等工具寄望于此,但短期内难以实现。

  • L5:AI全自动编程。自动化范围,跨项目级。AI全面理解人类需求,数分钟内完成需求至发布的整体流程,并能自我迭代改进,类似《流浪地球》中550M的自编程动态生成操作系统。若达此境界,AGI(通用人工智能)或许已近在咫尺。

不同发展阶段的需求交付模式

L0:无AI辅助

该阶段的需求交付模式如下图所示:

图片 1

在这种模式下,存在以下痛点问题:

  1. 1. 产品经理通过需求文档来传递需求,往往在细节问题上会经过比较多轮的沟通讨论,需求理解的成本会比较高;

  2. 2. 设计师提供设计稿以后,需要再次评审,前端在对齐设计稿的过程中,需要做大量的重复对齐的工作;

  3. 3. 前后端之间很容易因为一些小问题频繁沟通,有较多的复杂沟通成本;

  4. 4. 测试需要准备完备的测试用例,在此基础上需要和前后端对齐信息,等到开发完成后测试还需要额外的测试时间验证;

  5. 5. 正式提测之后产品经理和设计师才会介入,确保整体功能和界面效果和之前预期的一致,如果有问题,此时需要多轮迭代;

L1:AI单点辅助

L1级别的单点辅助当前已经比较成熟,目前已经有很多人在尝试和大模型直接交互来提升效率。比如,产品可以通过和大模型对话来整理需求,打开思路。设计师可以通过文生图模型来快速生成所需素材。前后端开发可以通过代码补全或代码生成能力来编写代码片段。测试人员可以自动生成测试用例,并针对异常给出修复建议。

该阶段的需求交付模式如下图所示:

图片 2

图中绿框部分表示当前可通过AI能力来提效的环节。

L2:AI协同

L2级别的AI协同当前也有很多团队在推广,该阶段的需求交付模式如下图所示:

图片 3

在这种模式下:

  1. 1. 产品经理基于AI工具直接生成前端页面,包括交互和视觉效果,在此基础上,承担一部分简单功能模块的开发和接口联调工作;

  2. 2. 研发人员不再区分前后端和测试角色,基于AI工具直接实现复杂的功能开发,并通过AI工具完成测试工作。

  3. 3. 需要一些AI辅助能力的支持,一部分研发从单纯的支持需求改为支持某类场景下的AI辅助能力的开发。

本质上,这个阶段会对研发流程和角色进行重塑,大家的边界不会像之前那么清晰,而是会逐渐模糊。这时候的制约更多的还是整体流程尚未完全打通,比如产品可能已经完全可以通过AI开发一个小需求,但受限于流程未打通而无法将其部署上线。

L3:条件约束下的AI自动编程

AI编程进化到L3级别,本质上每个人已经都可以是开发者了。从这个阶段开始,传统的角色划分已经没有太大意义了。在该阶段,还需要比较多的专业研发人员的参与,来确保AI自动编程的效果和质量。此时,之前的大部分初阶研发人员已经不再被需要,中阶研发人员已经退化成为类似工厂里的“质检员”,只有少量的专家,继续坚守着最后一块阵地。

L4:高级AI自动编程

到了这个阶段,大部分人应该以创业者的心态思考如何更好的应用自动编程能力,而不是再和AI去竞争编程。此时人类编程只剩极少量专家仍在坚守AI无法创新的领域。

L5: AI全自动编程

纯粹是创意和执行力的竞争,人类几乎完全无法和AI竞争。笔者认为,到了这个时候,AGI应该也已经到了,也就不必再执着于编程了。

写在最后

每一个级别本质上都是在上一个级别基础上孕育而出的,有了人类大量的编码案例,AI才能从L0进化到L1。有了L1的实际应用数据,底层模型能力才能进化到L2。有了L2的更多实践经验,才能将人类习惯和知识内化到L3。有了L3级别的经验积累,才能进化到L4,最终直到L5。人类的经验最终会逐步数字化,逐步内化抽象到某个大模型中,支撑效能持续螺旋式提升。

AI时代,人类与AI的合作共赢的关键在于发挥各自的优势,建立高效的协作流程,并持续学习和适应变化。通过将AI视为增强人类能力的工具,人类可以专注于更高价值的任务,同时利用AI提升效率和创新能力。最终,这种协作模式将推动技术进步和社会发展。

自我介绍

大家好,我是Aaron。过去一直从事算法领域相关工作,自工作以来,一直持续在关注算法相关技术的发展,当前除了在工作中会进行一些AI的落地实践,工作之余也在通过AI辅助编程做一些有趣的探索,比如ragflow4j( https://github.com/aaronshan/ragflow4j ) ,后续会持续更新AI实践过程中的心得体会,以及AI知识分享。欢迎大家关注我关注公众号,以便第一时间收到更新推送。

• 微博: https://weibo.com/u/1801679460 • Github: https://github.com/aaronshan

本文首发于微信公众号。原文:查看原文
微信搜一搜 AI拆解猿