AI程序员会让程序员失业吗？

前段时间百度创始人李彦宏还在说，以后的人，会说话就具备写程序的能力。仅接着，英伟达CEO黄仁勋又说，不要再学编程了，机器会替代程序员。

但是在今天，首位AI程序员就诞生了。刚刚，一家叫Cognition的10人初创公司，才成立不到2个月，就研发出全球第一款AI程序员Devin。它可以掌握云端部署、底层代码、改bug、训练和微调AI模型。这让身为程序员的我突然瑟瑟发抖起来。我心想，难道我要失业了吗？忽然一想，哦，我去年就失业了，算了，不害怕了。

那么，AI程序员到底能不能写代码呢？他们官网的宣传片是否真实呢？

我们来验证一番吧。

假设我有一个需求，那就是将一个张图片从中间劈开，看看AI能不能写出来。

询问AI内容：请编写一段代码，将一张图片从左到右，一分为二，并保存为文件。

AI回复：

from PIL import Image

# 打开图像文件
image_path = 'img.png'  # 替换为你的图片文件路径
image = Image.open(image_path)

# 计算新图像的宽度和高度
width, height = image.size
new_width = width // 2

# 将原始图像一分为二
left_image = image.crop((0, 0, new_width, height))
right_image = image.crop((new_width, 0, width, height))

# 保存每个部分为新的文件
left_image.save('img_left_half.png')
right_image.save('img_right_half.png')

print("图像分割完毕，左半部分保存为 'img_left_half.png', 右半部分保存为 'img_right_half.png'")

代码写得不错，也有注释。下面，我们找一张图片试试。运行一下，它做到了。

如果这段代码让程序员写。做过类似功能的程序员，可能就是复制粘贴的时间。如果没做过这个功能，那可能要花上几个小时的时间去编写了。

再来实验一个功能。假设老板让我写一个功能，把用户上传的txt文档，转为Excel存储。那么，这个功能让AI写代码，效果会如何呢？

询问AI内容：请编写一段代码，读入一个txt文件，然后按行写入excel，列以空格拆分。

AI回复：

import openpyxl

def txt_to_excel(txt_file, excel_file):
    # 打开txt文件进行读取
    with open(txt_file, 'r', encoding='utf-8') as txt:
        lines = txt.readlines()

    # 创建一个新的Excel工作簿和工作表
    wb = openpyxl.Workbook()
    ws = wb.active

    # 逐行写入Excel，以空格拆分列
    for row_num, line in enumerate(lines, start=1):
        # 以空格拆分列
        data = line.strip().split()
        # 写入Excel行
        for col_num, value in enumerate(data, start=1):
            ws.cell(row=row_num, column=col_num, value=value)

    # 保存Excel文件
    wb.save(excel_file)

# 使用示例
txt_to_excel('input.txt', 'output.xlsx')

运行一下，查看效果：

果然是可以的。

随后我又试了几个，功能包括数据库读写，算法计算，文件处理，多线程，UI渲染等，这些功能AI都可以写出来。而且，100%可以流畅运行。

并且，对于bug的排查，AI也是可以轻松找出问题所在。下面是我故意写了一段运行有问题的代码。

交给AI排查时，AI这么回答：

看来，让AI写代码是可行的。其实，这也不是什么新闻了。早在ChatGPT 3.5训练完成时，开发人员就惊喜地发现了AI具备代码编写的能力。而这项功能，是出乎设计者的意料的，他们也没有想到。

一年多时间过去了，现在有创业团队慢慢地深耕这一个领域，算是作出一个垂直领域的成果。这也是在意料之中，只不过是个时间长短关系。

目前来说，AI程序员虽然能够编写代码，排查bug以及部署程序。但是它还无法完全取代现实的程序员。

因为编写代码不仅仅是机械的任务，还涉及到创造性的思考和设计。人类程序员能够理解业务需求、制定系统架构，并根据具体情境做出灵活的决策。因为许多软件问题是复杂的，需要深入领域知识，并提出创造性的解决方案。AI目前仍然还是个通用模型，难以处理所有领域和问题。比如，都是处理同一项计算，在金融和电力行业，规则是不一样的。

另外，软件开发通常是一个团队协作的过程，这涉及到与其他团队成员、客户或利益相关者的沟通。人类程序员具有良好的沟通能力和团队协作技能，这些方面的工作是难以被AI完全替代的。除非将一个巨大的任务，从上游到下游全都交给AI来做。显然，这是不可能的。

此外，软件开发领域不断发展，新的技术和工具不断涌现。人类程序员通常更容易适应这些变化。而AI程序员虽然也能进行学习，但是前提是先有这些工具，并且有了一定量的训练数据，它们才能学习。而且，在人类不指定工具的情况下，他们会更倾向于采用旧技术，因为这类技术的数据资料占比最大。

随着技术的不断发展，AI程序员会越来越智能，可以解决更多的问题，也会进一步提高开发效率。

但要完全取代人类程序员，目前看来仍然是一个遥远的未来。这就如同大家都会做饭，但是厨师依然存在一个道理。

如何学习AI大模型？

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握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、技术实现、行业应用等多个方面。无论您是科研人员、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提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。