20 世紀 60 年代末出現(xiàn)的“軟件危機”揭示了軟件開發(fā)中的諸多問題，也是在此時，軟件工程概念正式誕生。此后，軟件工程的發(fā)展經(jīng)歷了多個階段。自去年 ChatGPT 帶火大語言模型熱潮后，軟件工程的發(fā)展迎來了里程碑式的新跨越：大模型增強了自然語言處理能力，使得人機交互更直觀，并以協(xié)同者的形式參與到軟件開發(fā)的整個周期中，推動了編碼任務的自動化，加快了開發(fā)周期和提升軟件產(chǎn)品的質(zhì)量。

如今，大模型已經(jīng)可以在軟件開發(fā)的多個環(huán)節(jié)（如功能設計、代碼開發(fā)、測試）中發(fā)揮作用，未來，大模型的能力邊界還將繼續(xù)擴大。越來越多的開發(fā)者擔心自己在某一天會被 AI 所取代，甚至有人用“OpenAI 殺死了開發(fā)者”來形容當下的困局。一些技術專家也給出了悲觀的預測：

Fixie 聯(lián)合創(chuàng)始人兼 CEO、前谷歌 Chrome 移動團隊工程總監(jiān) Matt Welsh：“程序員這個工作或許在三五年內(nèi)不復存在，甚至編程這個學科都會被終結?！?/p>

Stability AI 創(chuàng)始人兼 CEO Emad Mostaque：“五年內(nèi)，人類程序員將徹底消失?！?/p>

馬斯克：“有一天，人們將告別艱苦的工作，人工智能將接管大部分任務。”

……

以大模型為代表的 AI 技術在過去一年以超乎想象的速度進化，不斷重塑我們的生活和工作方式?；厮荽竽Ｐ图夹g在軟件開發(fā)領域落地應用這一年，究竟帶來了哪些改變？開發(fā)者如何應對大模型帶來的沖擊？在大模型的驅(qū)動下，軟件開發(fā)又將走向怎樣的未來？

大模型已經(jīng)成為 軟件工程變革的最大推動力 大模型浪潮下，編碼助手走向自動化

早在 2020 年，大模型就已經(jīng)在技術領域得到應用，但在當時，大模型還局限在自然語言中。隨著 2022 年 11 月底 ChatGPT 的發(fā)布，以及 GPT-4、LLaMA 等大模型相繼亮相，大模型早已超越了自然語言范疇，發(fā)展到了編程語言。

匯量科技 Mobvista 技術 VP 兼首席架構師蔡超認為，2023 年 AI 領域的大事件除了包括 GPT-4、LLaMA、Falcon 等大模型的發(fā)布，以 Copilot 形式為代表的大模型技術在不同領域的應用同樣值得關注，如 Microsoft 365 Copilot、GitHub Copilot 等等，這些 Copilot 讓 AI 真正成為了一個人類的虛擬助手或員工，并深刻地改變很多行業(yè)的工作模式。

與傳統(tǒng)的機器學習方案相比，這波大模型浪潮在編碼助手領域的明顯趨勢是性能獲得顯著提升、且構建門檻大幅降低：基于大模型的自動編碼能力可以遵循設計指令，通過簡單的自然語言交互生成高質(zhì)量代碼和程序。同時，項目研發(fā)過程中形成的數(shù)據(jù)、經(jīng)驗和業(yè)務需求也可以被大模型掌握并轉化為通用的軟件工程能力，進而取代更多的流程和工具，解決復雜的開發(fā)難點和團隊協(xié)作問題。

騰訊機器學習平臺技術總監(jiān)、算法負責人康戰(zhàn)輝認為，大模型浪潮的興起推動了 AI 編碼助手邁向自動化，并存在以下三大發(fā)展趨勢：

第一，過去的 AI 編碼助手主要應用于軟件工程領域。但如今，所有通用的大模型都具備編碼功能，這是該領域的一項明顯變革。

第二，盡管過去存在諸如啟發(fā)式規(guī)則和深度學習等方法，但現(xiàn)今的 AI 編碼助手展現(xiàn)出了更高的智能化水平。它們不僅處理代碼輔助輸入和續(xù)寫，還能通過自然語言與人類交互，這一特點尤為強大。

第三，大家過去常談及低代碼或無代碼的趨勢，主要通過拖拽和積木式工具實現(xiàn)。而今，借助 AI 編碼助手，開發(fā)人員和技術人員只需用自然語言清晰地描述想法，便能輕松實現(xiàn)低代碼、無代碼開發(fā)。這意味著低代碼、無代碼的概念已發(fā)生變化。

2023 年，大模型正加速進化。最新發(fā)布的 GPT-4 顯著提升了代碼能力，也讓大家看到了其在多個公開代碼測試集上的出色表現(xiàn)。同時，LLaMA 等開源大模型也加速了 AI 編碼助手在業(yè)界的應用，不少企業(yè)基于開源大模型進行領域增訓，代碼版本表現(xiàn)卓越。

“現(xiàn)如今，許多公司可以基于開源的代碼模型構建自己的 Copilot，進一步加速 AI 代碼助手的實際應用。這不僅在閉源和開源領域產(chǎn)生了積極影響，還促使更多公司開發(fā)自己的代碼助手。隨著 Copilot 概念的普及，各公司正采取多種方式提升效能，深入整個研發(fā)鏈路。這可能標志著 AI 編碼助手領域的一個重要趨勢變化?！笨祽?zhàn)輝提到，更加值得思考的是，代碼在從大模型中獲取大量世界知識和邏輯知識的同時，也在反哺大模型。

通用大語言模型其邏輯能力的提升在很大程度上得益于代碼續(xù)寫。代碼作為一種類似于自然語言的表達方式，為模型提供了豐富的邏輯訓練數(shù)據(jù)。由于很多代碼是用英語編寫的，其中的保留詞與英語非常相似，這種以自然語言為基礎的代碼符號實際上表達了一種人類的邏輯。因此，代碼續(xù)寫和大語言模型之間存在著相輔相成的關系。通過代碼續(xù)寫，大語言模型能夠更好地理解和表達人類的邏輯，從而提升其邏輯推理能力。同時，大語言模型的發(fā)展也為代碼續(xù)寫提供了更強大的工具和平臺，使得代碼續(xù)寫更加高效和準確。

這種相輔相成的關系不僅有助于提升大語言模型的邏輯能力，還能夠促進代碼續(xù)寫的進一步發(fā)展。未來，隨著技術的不斷進步和應用場景的不斷擴大，代碼續(xù)寫和大語言模型將會在更多領域發(fā)揮其巨大的潛力。

思碼逸創(chuàng)始人兼 CEO 任晶磊認為，從長期來看，大模型已經(jīng)成為軟件工程變革的最大推動力，并有望為軟件開發(fā)團隊提供新的人工智力資源和更高效的協(xié)作方式。但短期內(nèi)，大模型的基礎能力未必能夠達到人們想象中的美好愿望?！八晕覀冊?2023 年也看到了 GPT 編程的‘冷熱’交替。人們對大模型的認知被推上‘愚昧之巔’，又走向‘絕望之谷’——親歷種種跌宕起伏，我們的心態(tài)也受到很多沖擊?！?/p>

大模型時代下的編碼工具及背后技術

不少受訪專家提到，在大模型技術的加持下，編碼工具能力邊界得到了進一步拓展。

過去的編碼工具主要依賴于語法樹和部分統(tǒng)計機器學習技術，應用場景主要是針對函數(shù)級的續(xù)寫，例如在編寫代碼時，可以快速地利用某個代碼庫中的公共功能，但通常只能理解某個函數(shù)或 API 上下文，然后生成相關代碼片段，存在一定的局限性。

據(jù)網(wǎng)易杭州研究院人工智能專家、AI 算法團隊負責人劉東介紹，目前 IT 行業(yè)主要存在兩大類經(jīng)過大模型改造過的工具：面向?qū)I(yè)程序員，主要是專注于編程開發(fā)環(huán)節(jié)的編碼助手工具產(chǎn)品，包括代碼補全、函數(shù)生成、代碼糾錯、Chat 咨詢開發(fā)相關問題，以及簡單的測試用例生成，典型工具如在 JetBrains、VSCode 等主流 IDE 中提供智能編程助手插件等。面向數(shù)據(jù)消費人員，尤其是業(yè)務、產(chǎn)品、運營等非技術人員，過去主要是 GUI 形式的 BI 工具，涉及維度、指標等概念的理解，門檻比較高、操作復雜。目前已有基于大模型的對話式 BI 產(chǎn)品，如有數(shù) ChatBI 等，能夠降低非技術人員取數(shù)門檻、提升數(shù)據(jù)分析效率。

雖然當前主流的 AI 編碼工具與傳統(tǒng)編碼工具存在相似性——都是在主流 IDE 中作為插件產(chǎn)品提供給開發(fā)者，但其背后的技術方案卻存在顯著的差異：在 AIGC 時代，主要的算法技術方案是大模型和檢索增強。背后具體又涉及到幾個關鍵技術，如以自然語言為代表的深度學習技術、強化學習技術等。此外，代碼模型需要處理大量的代碼數(shù)據(jù)，同時還需要通用數(shù)據(jù)來學習背后的邏輯和知識，因此大模型技術還包括大數(shù)據(jù)處理能力，特別是處理代碼的能力。

“目前在 AIGC 編程工具中，代碼領域大模型、項目代碼等檢索增強技術必不可少，對實際編程體驗都有顯著影響。代碼大模型是讓編程工具更聚焦到編程領域，檢索增強技術更能有效利用企業(yè)項目代碼或個人代碼倉庫、以實現(xiàn)個性化實時信息增強?！本W(wǎng)易數(shù)帆人工智能產(chǎn)品線總經(jīng)理胡光龍總結道。

代碼模型開發(fā)有哪些關鍵點？

隨著大模型熱潮持續(xù)升溫，越來越多的國內(nèi)外科技公司參與其中，押注 AI 大模型及相關 AI 應用。其中，國內(nèi)的 AI 大模型包括百度“文心一言”、阿里云“通義千問”、騰訊“混元”、華為“盤古”、網(wǎng)易“玉言”、抖音“云雀”、智譜 AI“ChatGLM”、中科院“紫東太初”、百川智能“百川”、浪潮信息“源”、商湯“日日新”、科大訊飛“星火”等等。值得一提的是，不少大模型都具備編程能力，大模型通過學習大量的代碼樣本，可以理解和生成代碼，甚至可以完成代碼修復和自動編程等任務。

浪潮信息人工智能軟件研發(fā)總監(jiān)吳韶華認為，大模型通常在語言相關任務上表現(xiàn)出色，在邏輯和計算方面相對較弱。但從 GPT-4 開始，編程能力逐漸受到開發(fā)者的重視，并成為評估大模型能力的重要標準。盡管編程能力不一定是大模型的“基本”能力，但當前許多大模型確實具備了一定的編程能力。對于大模型來說，提升編程能力的關鍵在于建立代碼更改與人類指令之間的聯(lián)系。通過層次化的自然語言將算法任務分解，逐步引導模型完成代碼生成。 這種方法對訓練數(shù)據(jù)的質(zhì)量要求極高。為了實現(xiàn)這一目標，開發(fā)者需要精心選擇和準備高質(zhì)量的訓練數(shù)據(jù)，以確保模型能夠從中學習到有用的知識和技能。此外，還要不斷優(yōu)化模型的架構和訓練過程，以提高模型的編程能力和泛化能力。

據(jù)康戰(zhàn)輝介紹，在代碼模型的開發(fā)中，有幾個關鍵點不容忽視：

首先，高質(zhì)量的代碼數(shù)據(jù)是基礎。這不僅涉及到數(shù)據(jù)的收集，更重要的是數(shù)據(jù)的清洗。由于編程語言的多樣性，人工干預在代碼清洗過程中是必要的，團隊需要理解什么是高質(zhì)量的代碼，這涉及到代碼的格式和實現(xiàn)質(zhì)量。這就需要領域代碼的專業(yè)人員來進行高質(zhì)量的代碼識別和清洗，他們能夠識別出優(yōu)秀的代碼并進行整理。

其次，如果代碼存在缺陷或錯誤，如何進行修正也是關鍵。這相當于為代碼模型提供一些“老師”，以確保模型不僅能學習到數(shù)據(jù)，還能糾正錯誤。因此，高質(zhì)量的數(shù)據(jù)標注對于模型的表現(xiàn)至關重要。這需要團隊投入大量的時間和精力在數(shù)據(jù)清洗和修正上。

此外，安全性是另一個重要考慮因素。雖然底層代碼可能是安全的，但如果涉及到與用戶界面的交互，如 SQL 查詢等，就可能存在 SQL 注入等安全風險，前端代碼也可能存在漏洞。這需要團隊對領域代碼語言有深入理解，并關注安全性問題。因此，具備綜合能力的人才在解決這些問題上將發(fā)揮關鍵作用。

“總的來說，代碼模型的開發(fā)是一個多目標的過程，既要求對代碼本身有深刻理解，又要求對安全性等方面有專業(yè)知識。這意味著需要各領域的專家，并且需要具備多方面技能的人來處理這些問題?！笨祽?zhàn)輝總結道。

除了基礎大模型，2023 年也涌現(xiàn)出了很多軟件開發(fā)垂直領域的專業(yè)模型，以及各種協(xié)助型 AI 編程工具。比如在低代碼平臺領域，網(wǎng)易數(shù)帆自研玉言 NL2NASL 領域大模型，將低代碼平臺升級為 CodeWave 智能開發(fā)平臺，聚焦在以全棧低代碼、智能大模型為基座打造的軟件開發(fā)工具平臺；思碼逸基于 ChatGPT 開發(fā)了一款可以輔助研發(fā)效能提升的插件 DevChat，支持 VS Code 和 IntelliJ 多種主流 IDE，將大模型能力送到開發(fā)者手邊。

劉東認為，大模型在落地應用方面有著巨大的想象空間，其中最重要的一個方向是利用自然語言進行人機交互（LUI），LUI 相比傳統(tǒng)的命令行和 GUI 方式更為便捷和自然。在軟件工程領域，大模型的應用目前仍處于探索階段，“大模型在軟件研發(fā)工作流中最大的價值是輔助人工提效。業(yè)界期望能夠在軟件工程全鏈路中使用大模型，包括項目管理、需求分析、編程開發(fā)、智能測試、部署運維等環(huán)節(jié)，期望能提升全鏈路效率，加速軟件開發(fā)?！?/p>

AI 大模型在研發(fā)效能提升方面 具有獨特的優(yōu)勢和潛力

那么，在軟件開發(fā)的過程中應用大模型或其他 AI 技術，實際體驗如何？真的可以提效嗎？

分析公司 O'Reilly 日前發(fā)布的《2023 Generative AI in the Enterprise》報告指出，越來越多的開發(fā)者正積極在工作中應用 AI 技術：77% 受訪者使用 AI 來輔助編程；54% 受訪者預計，AI 的最大好處是提高生產(chǎn)力；66% 受訪者預計，利用 AI 編程是未來開發(fā)人員“最需要的技能”；16% 從事 AI 工作的受訪者表示正在使用開源模型。

不少受訪專家在接受 InfoQ 采訪時也提到，個人及團隊會在內(nèi)部研發(fā)中廣泛應用大模型，確實提升了研發(fā)效率?！拔覀冊?2023 年初，GPT3.5-Turbo 發(fā)布之后就開始著手將大語言模型應用到我們軟件開發(fā)過程中，并且與公司的 DevOps 平臺 MaxCloud 結合，構建了 DevOps Copilot，還開發(fā)了我們自己的 VS Code 插件。”蔡超提到，隨著時間的推移，大模型的應用范圍已經(jīng)從最初的運維和部署環(huán)節(jié)擴展到了軟件開發(fā)的全過程，包括設計、編碼、測試、部署以及線上維護。從實際效果來看，大語言模型在軟件開發(fā)中的應用取得了顯著成果?！案鶕?jù)我們的統(tǒng)計數(shù)據(jù)，現(xiàn)在的使用頻率和代碼生成量都比最初翻了近 10 倍，線上系統(tǒng)的發(fā)布效率及穩(wěn)定性都有很大提升。”

對于企業(yè)而言，研發(fā)效能的提升至關重要，甚至有觀點認為，研發(fā)效能高已經(jīng)成為一家科技公司的核心競爭力。AI 大模型通過自動學習和生成代碼，加快開發(fā)速度，減少開發(fā)時間和人力成本，并通過自動化的測試和優(yōu)化來進一步提高開發(fā)效率，提高代碼質(zhì)量和穩(wěn)定性，其在研發(fā)效能提升方面具有獨特的優(yōu)勢和潛力，能夠降低人們落實最佳工程實踐的阻礙和成本。

任晶磊提到，實際上，許多開發(fā)者并不是不知道什么是最佳工程實踐，而是由于時間和精力的限制，或者是因為惰性，不愿意去做。僅僅依靠管理者的口頭要求往往很難推動實施。例如，按照規(guī)范編寫提交信息、編寫單元測試等，需要開發(fā)者付出額外的精力。如果 AI 大模型能夠顯著減少人們在這些方面所需的精力消耗，降低成本和阻礙，那么它就能夠有效地推動開發(fā)者和團隊采取實際行動。因此，AI 大模型的應用有望提高開發(fā)者的生產(chǎn)力和效率，推動軟件開發(fā)行業(yè)的持續(xù)發(fā)展。

但一個事實是，當前大模型的產(chǎn)出還是需要人來把握和負責，類似于 L1/L2 級別的自動駕駛，人在其中扮演的角色至關重要。這也代表著，研發(fā)效能度量本身并沒有發(fā)生根本性變化，依然可以通過統(tǒng)計項目或團隊的需求吞吐、代碼當量、缺陷密度等指標度量研發(fā)效能。

“從務實的角度出發(fā)，我們建議企業(yè)首先將大模型應用于效果更加可見的場景中，否則這部分投入很快也會被管理層挑戰(zhàn)。例如，輔助寫好單元測試，可以提升單元測試覆蓋率（可見的結果），特別是覆蓋復雜度高、被依賴多的高危函數(shù)（也是可見的結果）；輔助寫好提交消息，項目獲得可讀性更高的提交歷史，效果直接可見，還能方便數(shù)據(jù)分析（比如可以呈現(xiàn)投入在新功能、bug 修復、重構等不同類型工作中的代碼當量占比）；輔助重構代碼，可以直接估算 AI 替代人重復勞動的工作量。行勝于言，這三個場景正是我們打造 DevChat 過程中優(yōu)先選擇的重點。”任晶磊說道。

OpenAI 殺死了開發(fā)者？

新技術的出現(xiàn)往往會對傳統(tǒng)的工作方式和職業(yè)產(chǎn)生沖擊，大模型技術也是如此。大模型在為開發(fā)者帶來生產(chǎn)力提高等機遇的同時，也引發(fā)了大家對其“是否會取代開發(fā)者”的擔憂，甚至有一種更加極端的聲音認為“OpenAI 殺死了開發(fā)者”。

表面上看，OpenAI 確實具備加速殺死大大小小 AI 開發(fā)者的能力：從企業(yè)層面來看，OpenAI 的每次重磅發(fā)布、開發(fā)者大會都會顛覆原有的市場競爭格局，有開發(fā)者感嘆“OpenAI 每發(fā)布一個功能，就消滅了一家初創(chuàng)公司”“OpenAI 殺死了 YC 2023 年整個 batch 的項目”；從個人層面來看，自 ChatGPT 發(fā)布以來，關于 AI 取代開發(fā)者的討論甚囂塵上，更有聲音認為“程序員這個工作或許在三五年內(nèi)不復存在，甚至編程這個學科都會被終結”。

不少專家在接受采訪時表示，“AI 取代開發(fā)者”這個觀點過于偏激。吳韶華認為，AI 在編程領域的能力還沒有達到完全取代開發(fā)者的水平，雖然 AI 編程助手可以提高程序員的效率，讓程序員的產(chǎn)出更高質(zhì)更大量，但目前主要還是體現(xiàn)在效率方面?！败浖_發(fā)行業(yè)是拼效率的行業(yè)，同樣的產(chǎn)品，誰更高效更快速的推向市場，誰就能贏得市場的先機，而沒有大模型外掛加持的開發(fā)者和有大模型加持的開發(fā)者，其效率的差距會越來越大。因此，對于軟件開發(fā)行業(yè)來說，現(xiàn)在就應該毫不猶豫地引入大模型技術，以提高開發(fā)效率。同時也要考慮將大模型引入到目前的軟件中，給用戶帶來更高效流暢的體驗。”

胡光龍對此也有相同的觀點，當前，基于大模型的智能編程工具在實際業(yè)務中的應用，并沒有像外界所想象的那樣徹底顛覆現(xiàn)有的軟件開發(fā)流程，而是作為一種輔助工具，增強了開發(fā)者的能力。在軟件開發(fā)流程中，開發(fā)者需要承擔許多職責，包括需求溝通、評審、分析建模、架構與模塊設計、測試等。實際上，編碼只占整個開發(fā)流程的約 30%，即使 AI 生成的代碼占比達到 20%，全鏈路的效率提升也只有 6% 左右，效果并不顯著。

對于開發(fā)者來說，這些智能編程工具是一種新的工具，掌握和使用這些工具可以提升項目開發(fā)效率，這是這些工具的最大價值。在 AI 時代，開發(fā)者需要掌握這些新式編程工具，并利用它們提升自身技能，更好地支持企業(yè)項目并創(chuàng)造價值。因此，開發(fā)者需要積極擁抱這些新技術，不斷學習和適應新的開發(fā)方式，以保持自身的競爭力和適應未來的發(fā)展。

從另一方面來看，大家對“OpenAI 殺死了開發(fā)者”的擔憂實際上也在提醒我們：在 AIGC 時代，“開發(fā)者”角色正在被重新定義。AI 技術正在軟件開發(fā)領域扮演越來越重要的角色，它通過自動化重復性任務和提供深入見解來改變軟件開發(fā)流程，并賦予了開發(fā)者新的涵義。蔡超認為，在 AI 時代，開發(fā)者不再只是編寫代碼的人，而是需要具備利用 AI 工具來提高生產(chǎn)效率和創(chuàng)造力的能力。這個時代的開發(fā)者應該是一個能夠與 AI 合作，利用 AI 的能力來解決更復雜問題的創(chuàng)新者?！八哉f，OpenAI 并沒有殺死開發(fā)者，而是在推動開發(fā)者向更高層次的角色轉變?！?/p>

與其擔心被 AI 取代，開發(fā)者真正的挑戰(zhàn)是如何更好地與 AI 合作，積極探索與 AI 的協(xié)作方式。在 AI 大模型的驅(qū)動下，軟件開發(fā)過程將變得更加自動化，因此在開發(fā)過程中，開發(fā)人員的角色也可能會發(fā)生變化。比如，測試人員將更加側重于驗證模型生成的代碼是否滿足需求和質(zhì)量標準，研發(fā)人員還需要額外關注模型的持續(xù)學習和優(yōu)化，以確保軟件能夠適應不斷變化的需求。“總的來說，由大語言模型驅(qū)動的軟件開發(fā)可能會使一些角色變得不那么重要，而另一些角色變得更加關鍵。特別是，編碼工作可能會減少，而對于理解和指導模型的能力的需求可能會增加。”蔡超總結道。

未來，大模型將如何 改變軟件研發(fā)工作流？

盡管當前各式大模型及 AI 編碼工具百花齊放，但我們還需清晰地認知到，目前大模型還不能生成復雜項目級別的代碼。不少受訪專家提到，當前 GPT-4 依然是天花板，國內(nèi)大模型仍在追趕中。預計 2024 年，基于大模型的編程能力的工具軟件將逐漸落地，越來越多的開發(fā)者將開始使用大模型進行輔助編程。隨著用戶基數(shù)的增加，大模型的編程能力將進一步提升，最終達到易用好用的目標。

展望未來，下一代生產(chǎn)力工具應該是什么樣子的？不少專家表示，下一代生產(chǎn)力工具不僅僅是一個知識庫，更是一個具備強大推理能力和多模態(tài)理解能力的伙伴。它能夠根據(jù)不同的外界輸入進行推理，并提供精準的答案和建議。這種伙伴關系可以幫助我們更好地應對各種挑戰(zhàn)，提高工作效率和創(chuàng)造力，并肩作戰(zhàn)，取長補短。

“理想中的編程工具應該是用戶只需描述需求，軟件就能自動完成開發(fā)。這種工具需要具備自動完成需求分析、接口定義、編碼開發(fā)、自動測試和發(fā)布部署等功能。然而，根據(jù)目前的 AIGC 技術原理，實現(xiàn)這一目標可能還有一定難度。未來，我們可以關注低代碼 +AIGC、多模態(tài)和 Agent 等方向的發(fā)展?！焙恺?zhí)岬健?/p>

從短期和長期視角來看，康戰(zhàn)輝認為短期內(nèi)需要探索如何利用大模型來快速生成原型。例如，根據(jù)用戶的需求和設計，快速生成出相應的模塊框架圖和原型。這需要開發(fā)者克服一些技術挑戰(zhàn)，比如如何將設計轉化為模型可理解的形式，如何保證生成的原型的質(zhì)量和功能等。從長期來看，我們有望實現(xiàn)更為遠大的目標。例如，給定一個原型圖，模型能夠自動構建出一個完整的原型，包括前端和后端的實現(xiàn)。這需要我們解決一些關鍵的技術問題，如如何將圖形信息轉化為代碼，如何處理底層邏輯和復雜的模塊組織等。

“總之，要讓大模型在軟件開發(fā)領域發(fā)揮更大的作用，我們需要不斷提升其多模態(tài)的能力、推理能力和復雜模塊組織能力。這將有助于提高開發(fā)者的效率和軟件的質(zhì)量，進一步推動軟件開發(fā)行業(yè)的發(fā)展?！笨祽?zhàn)輝總結道。

審核編輯：劉清