随着大模型（如GPT等）的迅猛发展，软件开拓领域中我们的开拓办法也在悄然发生变革。当然，我作为一名传统的Java后端开拓工程师，在职业生涯的初期紧张专注于利用多种数据构造以及算法编写业务代码。
然而，随着AI大模型运用技能逐渐渗透到大多数开拓职员并且初步利用它之后，我有了一个疑问？
在这个大模型驱动的时期，程序员还须要像以前那样频繁地写代码吗？
本文将结合我的一点点意见，和大家一起磋商——在大模型时期下，传统程序员是否仍旧须要专注于代码以及如何适应这一新趋势。
二．大模型的崛起与影响
这个议题我想分两个方向分享一下，分别是“浅层次的探究一下大模型能够在代码层面给予我们什么样的帮助”以及“大模型能够对传统开拓流程产生什么样的影响”。
2.1 大模型对付传统代码的帮助
首先我个人非常喜好在编写代码的时候对AI运用提出各种各样的问题，乃至是对他进行需求提问，以是累计了很多故意思的场景，如下所示：
不过由于篇幅缘故原由，只针对不闇练代码的编写以及提出详细的模块需求两个方面进行演示。
2.2.1 不闇练的代码编写
大脑对付不常用的代码常日影象的韶光不会太长。对我自身来说正则表达式的功效虽然都明白，但是如果涉及到比较繁芜的正则表达式可能会困惑我较长的韶光，那么这个时候就可以利用gpt来赞助我们。
2.2.2 提出详细的模块需求
我们在实现大多数模块需求的时候，通过是针对这个模块进行CRUD（增删查改）的代码编写，这个代码通过会加入一些非常判断或者实体类转化等操作，以是无法避免还是会产生一些重复的事情量，这个不须要脑力的重复操作也可以交给AI完成。比如我须要完成一个用户标签模块的curd的时候：
结果：
Controller层：
Service层：
ServiceImpI层：
Mapper层：
可以看出其完全的编写关于用户标签的业务模块的代码，虽然业务逻辑很大略，但是我们可以在提示词中见告他更多业务干系的判断逻辑，那么他就可以天生繁芜的业务逻辑代码。
我曾经利用这套提示词的繁芜版本在晚上空闲韶光写了10多个接口，并且成功运行。
2.2 对传统开拓流程的影响
虽然我没有展示全部的个人利用场景，但是上述的两个利用事例已经可以表达出AI运用对付目前传统开拓者的影响力。那么这个影响力是不是扩展到传统的开拓流程上呢？
现在企业里用的很多的开拓流程之一当属敏捷开拓流程，即传统的开拓方法常日依赖团队的高效协作、持续的反馈循环以及迭代式的交付。
上述是敏捷开拓的正常流程，那么AI运用可以在哪些步骤上给我们提速呢？
需求网络与剖析： 在这个环节中，开拓团队是须要与客户不断进行会议，通过口头互换、文档撰写、绘制图表等办法来明确项目的需求。那我们利用多模态大模型的特点，吸收与客户交谈中的语音、文本、图片，视频等输入，自动根据我们供应的需求模版提取出大多数关键需求以及衍生需求等等。让项目团队管理者能够迅速捕捉客户的需求，并通过自动化工具整理和剖析这些信息，减少了人工偏差和沟通本钱。
操持会议： 即节省会议之后的纪要数据整理与剖析环节韶光，让AI运用自动进行记录与总结，并且支持干系职员进行会议关键字提取以及要点汇总。使得团队能够更专注于核心任务，减少后续沟通中的不必要摩擦。
迭代开拓过程： AI运用能够根据大略的业务描述快速天生高质量的代码片段，包括掌握器、做事层和数据访问层的实现。这不仅减少了手工编码的韶光，还显著降落了代码中的潜在缺点，减少了后续Bug的产生，从而缩短了修复韶光。开拓者可以将更多的精力集中在业务逻辑的优化和创新上，而不是重复性任务的实行或不断修复Bug。这种效率的提升，使得项目开拓周期大大缩短，质量也得到了显著提高。
三．传统程序员的角色转变与未来发展路径在我看来传统程序员在角色转化上最主要的便是去拥抱AI，不症结怕AI对我们的改变，要去深入理解AI的利用和运行事理。
第一阶段：真正会利用AI。
节制提示词工程（Prompt Engineering），即如何与AI进行高效互动。提示词的设计直接影响AI输出的质量，以是我们须要知道如何构建精确且具有辅导性的提示词，以便AI能够天生符合我们预期的代码、文档或办理方案。
第二阶段：理解AI能够以及不能做什么
当我们节制了一定程度的提示词工程后，下一步可以深入理解AI的能力边界。理解AI能够做什么，以及它的局限性。我推举熟习RAG（检索增强天生）和Agent（智能体）的观点，比如RAG如何做到结合外部知识库来增强AI的表现以及如何设计能够自主决策和任务实行的Agent智能体。只要节制他们，我们就能够更精准地利用AI来处理繁芜的业务场景，同时避免因AI的局限性而产生的风险。
第三阶段：体验AI运用开拓
在深入理解AI的能力之后，对AI产生兴趣的同学们，可以去体验AI运用开拓。在这个阶段，将利用如LangChain、扣子coze和dify等工具，亲自参与到以AI驱动的运用程序开拓。通过实际的项目开拓，不仅能够更好地理解AI的运用处景，还能探索如何将AI技能无缝集成到现有的业务系统中。这一过程将帮助我们进一步提升技能，适应AI时期的开拓需求。
第四阶段：理解大模型架构
末了，我认为在角色转化的过程中末了等待我们的，并且难度很高的内容便是须要深入学习AI的底层事理，尤其是大模型的架构。理解如Transformers等关键架构对付节制AI的事情机制至关主要。这一阶段紧张是研究模型的演习过程、参数优化以及如何对模型进行微调。这更加有助于我们理解AI的运行逻辑，还能让我们具备定制和优化AI模型的能力，在实际项目中可以更好地运用AI技能。
四．写代码的必要性
只管大模型在代码天生和优化方面表现犹如演示中一样出色，但是繁芜的业务逻辑、代码质量与可掩护性仍旧是一个不可忽略的问题。
而且在我看来，完备依赖大模型自动天生代码一定存在一定的风险，尤其是在繁芜的业务场景中。大模型天生的代码虽然可以快速搭建出初步的业务逻辑，但终极的质量和可掩护性仍需通过人工review和优化来担保。
最关键的是我认为创新和个性化需求是我们程序员的独特上风。大模型虽然可以天生高质量的代码，但在处理繁芜的创新性需求时，仍旧无法完备替代人类的创造力和判断力。
五．结论
只管大模型的崛起对传统程序员带来了不小的冲击，但写代码的核心技能对付我们来说仍旧至关主要。尤其在特定的业务场景和行业中，程序员的专业知识和履历依然不可替代。
然而，随着AI技能的不断发展，程序员须要主动拥抱这一变革，通过学习新技能和技能，提升自己的竞争力。同时，探索人机协同带来的效率提升，也是程序员未来发展的主要方向。
总之，在大模型时期，传统程序员不仅须要坚守传统的编程技能，还需不断创新，以适应未来的发展需求。
如何学习AI大模型？一、全套AGI大模型学习路线
AI大模型时期的学习之旅：从根本到前沿，节制人工智能的核心技能！
二、640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技能实现、行业运用等多个方面。无论您是科研职员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您供应宝贵的信息和启迪。
三、AI大模型经典PDF籍
四、AI大模型商业化落地方案
作为普通人，入局大模型时期须要持续学习和实践，不断提高自己的技能和认知水平，同时也须要有任务感和伦理意识，为人工智能的康健发展贡献力量。