作者 | 邹欣
缘起
《 新程序员 》执行总编唐门教主上个月某天深夜写了一篇博客 --《编程的未来》（ https://blog.csdn.NET/tangxiaoyin/article/detAIls/130651527），要我谈谈感想。这也是最近软件工程师们聊得比较多的问题，上周，在上海的 “关东小磨” 和十多位 CSDN 博主聚会的时候（https://devpress.csdn.net/shanghai），大家也稍微谈了一下这个话题，但是谈得不透。我想在本文整理一下我的思路。
软件行业有多少部分会被取代
AI 编程的能力边界
首先，从去年开始的 AI 辅助编程浪潮中，很多人提到，从具体的函数实现来看，目前 AI 代码生成有很多做得不好的地方，或者有很多 bug。
我认为不必纠结这些 bug，它们一定会不断地被解决，这是一个时间问题，也许是半年，也许是一周。但在编程方面，它有一个能力边界，这个边界未必能很快跨越。
慕测平台的一篇高质量文章总结了 AI 辅助编程目前的能力边界，我总结如下：
▶ 生成的代码长度有限制。很多情况下，AI 不能输出完整的代码，还需要程序员来拼接代码，而他们要非常懂这些程序才能拼接成功。
//问程序员：你参加过的最复杂的项目，总代码量有多少？有超过一千行代码么？
▶ 不能有效处理超长程序、开发环境的配置、多线程编程、已有程序的 bug 修复等问题。
//问程序员：你修复过的最复杂的 bug 是什么？
▶ 泛化能力有限。如果是一个人类程序员，他在一个算法测试平台通过了很多编程练习，那么他在另一个不同的编程平台也应该能应对自如。但是，目前的 ChatGPT 还不能融会贯通，举一反三。
//问程序员：你能举一反三么？
▶ ChatGPT 处理复杂编程中抽象的 “类” 和 “依赖关系” 的能力还比较弱。
//问程序员：你在这方面能力如何？你写的最复杂的 OO 设计有多少父类子类？
▶ Fred Brooks Jr. 在著名的 “没有银弹” 论断中提出，软件开发中的关键任务就是理解并处理反映软件构成的复杂概念, 目前 AI辅助编程也并没有在这个方面取得突破。
//问程序员：你构建过多么复杂的软件，这个软件运行了几年，这几年中你是如何维护这个软件的？
▶ ChatGPT 等编程辅助工具缺乏创造性编程的能力。
//问程序员：你曾经创造性地解决过什么问题？
▶ ChatGPT 等工具的能力，取决于提问者的能力。
//问程序员：你的提问能力如何？
如果 AI 都做不到上面这些，那我们的程序员有多少能做到的呢？（
京公网安备 11010802035086号