AI Dev 方法与实践

音频围绕个人技术经历、行业发展趋势及软件开发行业变革进行了分享，内容如下：

• 个人技术经历
• 代码经历
• 早年编写过大量代码，近 20 年未写，但会关注代码以理解技术和产品。
• 曾在微软工作，后专注于操作系统领域 20 多年。
• 创业历程
• 2018 年在杭州创业，成立子林级公司，愿景是做底层系统，统一各种产业场景。
• 到 2023 年前后，形势发展超出预期。
• 行业发展趋势
• 数字化到 AI 转变
• 2023 - 2024 年面临从数字化到 AI 的转变，AI 技术使行业热度回升。
• 企业需成为 AI 原生企业，如去年就提出此观点。
• AI 发展历程
• 5 年前人工智能快速发展，方向包括 AI for science 和超算等。
• 2023 年后大模型吸引了人工智能领域的关注，随后发展到 AI 的 infrastructure 和智能体。
• 软件开发行业变革
• 行业收缩预期
• 5 年前认为软件开发行业会收缩，原预期方向为代码替代、标准化、平台化等。
• 但现在实际发展方向与预期相反。
• AI coding 思路：去年提出 AI dev 思路，将其作为全生命周期的一个环节。

音频围绕软件开发趋势、AI 在软件开发中的应用以及软件开发模式变化等内容展开讨论，分享了相关实践案例和经验，探讨了 AI 对软件产业的影响和带来的机遇与挑战，内容如下：

• 软件开发趋势
• 架构稳定：软件架构逐渐趋于稳定，如今与 5 年前相比，很多公共框架和库变化不大。
• 团队规模变化：复杂业务逻辑的应用方团队规模变小，采用 OPC 模式，让一人负责项目，不分前后端，若遇到问题可自行找人或借助 AI 解决，这能驱动组织架构变革。
• 专业团队效率提升：专业开发服务团队在 AI 加持下效率极大提高，如曹总公司将效率提高 5 到 10 倍甚至更高，未来会出现大量高价值的服务公司。
• 分层分工：大厂和底层基础设施、重量级工程仍需大团队，软件公司最终会形成分层分工的格局。
• AI 在软件开发中的应用
• 解决疑难问题：在排查生产环境中的偶现问题时，AI 能关联日志、协议等信息，比人工更高效地诊断问题。如某生产系统问题，人工可能一两周排查不出，而 AI 两天就解决了。
• 开发复杂软件：对于复杂的工业软件，AI 可缩短开发时间和降低成本。原本需要 5 年开发的软件，现在可能 1 年内就能完成，投入的人力成本也大幅降低。
• 构建知识库：需将人的工作前置，形成领域知识库，贯穿需求文档、测试用例验证等环节，大模型可介入知识库的使用。
• 人与 AI 协同：软件开发迭代时，要保证人与 AI 的协同效率，避免每次只能重新生成代码或人过度介入，以提高迭代效率。
• 软件开发模式变化
• 咨询加服务模式：在 to B 业务的软件开发中，咨询加服务的模式在 AI 加持下可提高效率，缓解甲乙双方矛盾，为中国企业软件带来腾飞机会。
• 定制化软件开发：AI 使定制化软件开发变为正向，降低投入成本，提高产出时效性，让甲方能更快看到软件原型并买单。
• 潜在问题：AI 带来的软件开发叠加层可能会导致资深程序员的土壤变稀缺，软件质量也可能出现问题。