大模型背景下软件工程的机遇与挑战

点击链接了解详情

---

本文作者：汪晟杰

导语:AISE（AI Software Engineering）有人说是软件工程 3.0，即基于大模型（LLM - Large Language Model）时代下的软件工程。那么究竟什么是 AISE，他的发展历程对软件工程产生怎样的变化。本次主题文章会分为五大部分：
1、软件工程 3.0 与 AISE
2、基于 LLM 的代码生成
3、应用形态思考
4、机遇与挑战
5、小结

软件工程 3.0 与 AISE

AI 时代下的软件工程

软件工程的发展可以分为三个阶段：软件工程 1.0、软件工程 2.0 和软件工程 3.0。在这三个阶段中，AI for SE（人工智能在软件工程中的应用）的发展历程如下：

软件工程 1.0

在这个阶段，软件工程主要关注结构化编程、模块化设计和数据结构。主要集中在基于规则的 MIS 专家系统、模式识别、平台型工具等方面。当时如 Borland、Sybase 等产品，我在 05 年加入 Sybase PowerBuilder 和 PowerDesigner 产品组，负责过建模工具、MIS 系统开发平台、UEP 移动开发平台工具集（后面贡献给到了 eclipse 开源组织）。这些产品当时试图解决软件工程下复杂应用投入产出高的问题，后来推出面向组件开发范式（OOC：面向组件编程）来提高开发效率，快速发布上线，那个时候还不能称为 IDE，我们还是称 RAD（Rapid Application Development）。当时我们也探索过 Big Code 的语义搜索能力也逐步开始研究等，但受限于当时的计算能力和 AI 技术水平，效果有限。

软件工程 2.0

软件工程逐渐从结构化编程转向面向对象编程。AI for SE 的应用范围和技术水平得到了进一步发展。例如，基于遗传算法的优化技术被用于软件设计和测试；神经网络技术NLP被用于软件缺陷预测；自然语言处理技术被用于需求分析和知识表示等。此外，软件工程 2.0 更聚焦于流程统一，例如一些产品如 CODING DevOps、Gitlab 等。

软件工程 3.0

在这个阶段，软件工程的关注点从面向对象编程转向云计算和 AI。随着 AIGC 技术的这一年的高速发展，以 LLM 为首的面向大模型的软件工程体系也被国内外提出，如 GitLab Duo、Github Copilot X 等，使得 AI for SE 的应用前景变得更加广泛。例如，深度学习技术被用于代码生成和补全、缺陷检测和自动修复；数据挖掘技术被用于软件过程改进；自然语言处理技术被用于需求分析、代码审查和文档生成等。

总之，从软件工程 1.0 到软件工程 3.0，AI for SE 的发展历程可以概括为从初步尝试到逐渐成熟，再到广泛应用。随着 AI 技术的不断进步，AI for SE 将在未来的软件工程领域发挥更加重要的作用。

AI for SE 和 SE for AI

AISE，我先用中文「智能化软件工程」来定义，实际上他有两个方向：一个是 AI for SE，另外一个方向是 SE for AI。

这两个区别，我们先问下 ChatGPT，看看 AI 是怎么解答的：

可见，软件工程 3.0 就是 AI for SE，解决软件工程 2.0 流程中的 AI 化，促使效率提升，流程化简，让 AI 在关键节点赋能开发。

SE for AI 是另一个维度，即思考软件工程流程体系怎么来实现智能化软件应用，例如 ML-Ops 流程化 AI 应用研发。

这里我们先围绕 AI for SE 进行展开，至于智能化应用系统，如最近很火的面向AI的 Mojo 语言、更面向 AI 化的应用框架等等，我们以后再进行阐述。