前言

下面是一段利用 Co-Pilot 輔助開發(fā)的小視頻，這是 Apache SeaTunnel 開發(fā)者日常開發(fā)流程中的一小部分。如果你還沒有用過 Co-Pilot、ChatGPT 或者私有化大模型幫助你輔助開發(fā)的話，未來的 5 年，你可能很快就要被行業(yè)所淘汰。因?yàn)檫@些善于使用 AIGC 輔助編程的人可以 10 倍于你的速度開發(fā)相應(yīng)的代碼，而你沒有這個(gè)技能。我并不是危言聳聽，讀完此文，我相信你對(duì) AIGC 研發(fā)提升研發(fā)效率會(huì)有全新的認(rèn)知。

2大模型顛覆傳統(tǒng)初級(jí)程序員的培訓(xùn)和輔導(dǎo)過程，讓技術(shù)和經(jīng)驗(yàn)“平權(quán)”

過去，初級(jí)程序員入職學(xué)習(xí)編程時(shí)，往往是師傅給一個(gè)任務(wù)需求，教大體的思路，然后在初級(jí)程序員寫出代碼工作當(dāng)中培訓(xùn)和糾正，針對(duì)不同的命題告訴不同的方案，直到初級(jí)程序員把這些經(jīng)驗(yàn)學(xué)會(huì)。

但大模型的到來把這個(gè)過程完全改變了。大模型自己具有廣泛的知識(shí)，而且有一些基礎(chǔ)的推理能力，它可以經(jīng)歷無數(shù)次的實(shí)踐，學(xué)習(xí)公司里各種各樣的代碼和業(yè)務(wù)定義，它所遇到的場景要比師傅當(dāng)年要遇到的場景多得多，同時(shí)它會(huì)根據(jù)開發(fā)者的需求和目標(biāo)給出可能的答案。

這個(gè)過程就像我們多了一個(gè)無所不能的“師傅”，隨叫隨到還可以給你直接寫出可能的代碼，讓你參考學(xué)習(xí)，讓一個(gè)初級(jí)的程序員快速具有“師傅”寫代碼的能力。經(jīng)過自己的學(xué)習(xí)和調(diào)整，就可以提交出一個(gè)遠(yuǎn)超你自己個(gè)人水平的代碼，讓別人 Review。

那么，我們有什么理由不使用大模型來提高自己的研發(fā)效率呢？

3如何使用大模型輔助編程？

目前常見的工具有 ChatGPT、Co-Pilot、私有化大模型等等，在不同場景下要用不同的方法來編寫程序：

可以看到，人類其實(shí)最適合就是做比較有挑戰(zhàn)和創(chuàng)新的架構(gòu)類產(chǎn)品，或者是某個(gè)新業(yè)務(wù)場景的代碼，如果中間有復(fù)用的部分或者類似的算法，可以使用 Co-Pilot 快速提升效率；ChatGPT 可以用于類似場景的代碼來自動(dòng)生成，稍微修改就可以使用；私有化大模型更適合對(duì)數(shù)據(jù)和代碼安全有要求，而又需要大模型比較了解你的業(yè)務(wù)知識(shí)的場景，私有化大模型是需要 FineTune 的。

可能有人會(huì)說，私有化大模型普通公司玩不起的！其實(shí)這是一個(gè)誤解，如果你要原生訓(xùn)練一個(gè)原生私有化大模型，估計(jì)中國能玩得起的公司不超過 5 個(gè)，而大多數(shù)公司不需要訓(xùn)練大模型，只需要根據(jù)開源大模型優(yōu)化（Finetune）大模型就可以讓大模型理解自己的業(yè)務(wù)了，而這個(gè)代價(jià)就是 1-2 張 3090/4090 的顯卡就可以了，整個(gè)的實(shí)行過程可能也只需要 2~3 個(gè)小時(shí)的配置就可以（感興趣的話可以參考下面這篇文章：《用一杯星巴克的錢，訓(xùn)練自己私有化的 ChatGPT》，里面講的利用是 Apache DolphinScheduler 和配置好的模板，拖拽就可以訓(xùn)練一個(gè)大模型的例子）。

使用私有化大模型可以直接實(shí)現(xiàn)以下功能：

軟件眾多功能中，直接找到你所需要的功能；

眾多復(fù)雜的使用手冊(cè)和規(guī)則，找到你所需要的功能和說明；

輔助編程，Txt2SQL，提高數(shù)據(jù)程序員的效率。

使用私有化大模型來輔助編程，真的距離我們一點(diǎn)都不遙遠(yuǎn)。如果你還不太相信 AIGC 自動(dòng)化編程時(shí)代已經(jīng)來臨了，那么下面這個(gè)開源項(xiàng)目如何利用 AIGC 提高研發(fā)效率的例子，或許可以幫助你更好理解。

4大模型自動(dòng)化編程實(shí)例：Apache SeaTunel

Apache SeaTunnel 愿景是“連接萬源，同步如飛”，也就是可以連接市面上所有的數(shù)據(jù)源（包括數(shù)據(jù)庫、SaaS、中間件、BinLog），而且同步效率要做的最高。這對(duì)于任何一家公司都是不可能做到的事情，而面對(duì)幾千上萬的 SaaS 軟件和不斷變化的接口，甚至人類也無法做到這一點(diǎn)，那么 Apache SeaTunnel 核心項(xiàng)目團(tuán)隊(duì)是怎么在這個(gè) AI 時(shí)代設(shè)計(jì)這樣一款開源軟件呢？總體如下圖所示：

首先，計(jì)算核心引擎部分，屬于專門為同步而生的計(jì)算引擎，它不同于 Flink、Spark，主要在同步復(fù)用內(nèi)存、CPU、帶寬和確保數(shù)據(jù)一致性上下功夫，所以大部分代碼都沒有可借鑒的，需要核心開發(fā)工程師直接編寫、修正，以確?！巴饺顼w ”。當(dāng)然，因?yàn)槭情_源項(xiàng)目，核心引擎部分得到了眾多大廠專家的修正和討論，以確保時(shí)刻跟進(jìn)全球最先進(jìn)的技術(shù)。

其次，數(shù)據(jù)庫的核心 Connector，例如 Iceberg Connector，這些接口實(shí)現(xiàn)比較復(fù)雜，除了保證代碼正確之外還要保證數(shù)據(jù)傳輸效率很高，這時(shí)候直接使用大模型是無法達(dá)到我們所需要的效果的。因此主力還是人，但可以復(fù)用自己和云端過去常用的代碼來做，這時(shí)候使用 Co-Pilot 就是最佳方案，主導(dǎo)者是人，而大模型可以作為輔助來幫你補(bǔ)充常規(guī)算法和復(fù)用的代碼，如開頭視頻所示的樣子。

面對(duì)浩如煙海的 SaaS 接口，例如 MarTech 領(lǐng)域的 SaaS 就超過 5000 個(gè)，靠人力對(duì)接接口是不可能的。SeaTunnel 核心團(tuán)隊(duì)就想了一個(gè)辦法，根據(jù)多次嘗試，把過去為人寫的十幾個(gè)接口進(jìn)行抽象，不斷和 ChatGPT 磨合，最終變成 2 個(gè)可以讓 ChatGPT 理解并寫出優(yōu)雅代碼的接口，然后利用 ChatGPT 可以讀懂 SaaS 接口文檔的特點(diǎn)，直接生成相關(guān)代碼。這在 SeaTunnel 當(dāng)中叫“AI Compatible”特性，兼容 AI。我理解這更是程序員和 AI 的一種“和解”，大家不要相互搶飯碗，程序員為 AI 做好準(zhǔn)備，AI 來做程序員無法做到的事情。

這個(gè)特性在 Apache SeaTunnel 2.3.1 里面已經(jīng)發(fā)布了，當(dāng)然作為眾創(chuàng)的開源軟件，該功能還有各種各樣的缺陷有待提升。不過因?yàn)榇a是完全開源的，我相信會(huì)有越來越多的愛好者把它打磨到更加自動(dòng)化。比如，我已經(jīng)聽到有一個(gè)開發(fā)者要做一個(gè) GPT Coder，監(jiān)控 GitHub 上的 SaaS issue，自動(dòng)化調(diào)用 ChatGPT，生成代碼并提交 PR，讓機(jī)器人和人類卷到極致。

5大模型自動(dòng)化編程存在的問題

雖然 ChatGPT、Co-Pilot 可以輔助編程，但它們也不是無敵的，目前大模型生成代碼還有很多挑戰(zhàn)：

準(zhǔn)確率問題；

無法做 code review；

無法實(shí)現(xiàn)自動(dòng)化測試；

無法擔(dān)責(zé)。

大模型依然會(huì)出錯(cuò)，這在未來一段時(shí)間是常態(tài)，哪怕是 ChatGPT4，寫出來的代碼也就 90% 的正確率，所以要盡量簡化它寫代碼的過程，否則可能會(huì)寫出來完全不對(duì)的代碼。大模型快速生成代碼之后，人類的 code review 會(huì)跟不上，因?yàn)闄C(jī)器是無法確定最終代碼實(shí)現(xiàn)業(yè)務(wù)邏輯是不是對(duì)的；而大模型做 code review 的話，你會(huì)發(fā)現(xiàn)每次都給你煞有其事地提出來不同的改進(jìn)點(diǎn)，但其實(shí)都是無關(guān)痛癢部分，無法確定最終的邏輯正確性。

同時(shí)，自動(dòng)化測試案例和自動(dòng)化測試也是當(dāng)前大模型一個(gè)弱點(diǎn)，TestPilot 屬于在學(xué)術(shù)圈比較活躍的內(nèi)容，大家可以參考 Cornell 的《Large Language Models are Few-shot Testers: Exploring LLM-based General Bug Reproduction》和《Adaptive Test Generation Using a Large Language Model》都是一些比較有意思的文章，不過距離工程化使用都還有一定距離。

當(dāng)然，自動(dòng)化編程還有最后也是最難得一關(guān)——責(zé)任問題，就像自動(dòng)化駕駛一樣，哪怕是做到 L5，如果出問題到底是誰的責(zé)任。就像 WhaleOps 實(shí)現(xiàn)了 Txt2SQL 之后，很多用戶問，為什么不直接把 SQL 執(zhí)行出來變成最終的結(jié)果給我，這才是業(yè)務(wù)部門最終需要的東西。

我認(rèn)為這是一個(gè)哲學(xué)問題，而不是一個(gè)技術(shù)問題了。不說現(xiàn)在 ChatGPT 90% 的準(zhǔn)確率，假設(shè)將來大模型可以做到 99.9999%，你敢直接問一句話讓它自動(dòng)計(jì)算全公司的工資然后自動(dòng)對(duì)接銀行發(fā)工資么？如果出問題，你覺得是誰的問題呢？永遠(yuǎn)不能幻想用技術(shù)解決所有的業(yè)務(wù)問題，大模型也是如此。

6未來展望

現(xiàn)在我們還處于大模型自動(dòng)化編程的初期，很多小伙伴還在處于試用 Co-Pilot 和 ChatGPT 階段，大多數(shù)程序員還沒有用上私有化大模型來根據(jù)自己公司的業(yè)務(wù)提升編程效率，不過我認(rèn)為未來的 3-5 年，自動(dòng)化輔助編程一定會(huì)成為我們這一屆開發(fā)者的標(biāo)配工具：

國產(chǎn)基礎(chǔ)大模型拉進(jìn) ChatGPT 距離，易用性提高；

開源大模型準(zhǔn)確性、性能提升，更多的公司使用私有化大模型 ROI 提升；

大模型自動(dòng)化門檻減低，除了 DolphinScheduler，更多的大模型訓(xùn)練平民化工具誕生；

技術(shù)管理者對(duì)于大模型自動(dòng)化編程認(rèn)知提升，技術(shù)管理流程適配大模型時(shí)代；

在當(dāng)前經(jīng)濟(jì)周期下，降本提效利用大模型提高效率勢(shì)在必行。

所以，未來幾年，如果你在研發(fā)過程還是只會(huì) CRUD，不會(huì)有效利用大模型將自己的經(jīng)驗(yàn)和業(yè)務(wù)理解 X10 或者 X100 的話，那么不用等到 35 歲，你就會(huì)被會(huì)大模型編程的那批程序員所取代，他們 X10 之后，你就是那被淘汰的 9 個(gè)人。

當(dāng)然，雖然有點(diǎn)危言聳聽，但是編程提效當(dāng)中的大模型趨勢(shì)是勢(shì)不可擋的，我也只是在大模型自動(dòng)化編程這方面不斷實(shí)踐摸索的小學(xué)生，我相信會(huì)有很多的技術(shù)管理者和架構(gòu)師加入到大模型自動(dòng)化編程的浪潮中來，不斷迭代和優(yōu)化在開發(fā)領(lǐng)域當(dāng)中人和大模型之間的關(guān)系。最終，讓程序員、AI、技術(shù)研發(fā)流程更有效的為業(yè)務(wù)服務(wù)。