AI 代码生成在企业应用中面临挑战，主要由于训练数据质量和自然语言的模糊性。尽管 AI 在代码补全和特定任务生成方面有帮助，但无法完全取代程序员，尤其是在需要高可靠性和长期维护的企业环境中。
译自：Vibe Coding Fails Enterprise Reality Check
作者：Darryl K. Taft
这种承诺令人难以抗拒：用简单的英语描述你想要什么，人工智能就能输出可用的代码。这种“氛围编程”方法让从创业公司创始人到企业CTO的每个人都在想，五年后他们是否还需要程序员。
Java 的创建者 James Gosling 今年早些时候与 The New Stack 分享了他的想法，他说“一旦你的[氛围编程]项目变得稍微复杂，它们几乎总是会崩溃。” 他补充说，氛围编程“还没有为企业做好准备，因为在企业中，[软件]必须每次都能他妈的正常工作。”
在与 Java 平台提供商 Azul Systems 的副 CTO Simon Ritter 谈论 AI 代码生成之后，两个根本问题不断浮出水面，表明 Gosling 的怀疑是有充分根据的。
垃圾进，垃圾出
第一个问题是训练数据。人工智能编码工具从现有的代码仓库中学习——比如 GitHub 和 Stack Overflow。但问题是：他认为，那里的大部分代码都不是很好。
“你可以建议，‘好吧，让我们只使用 GitHub 上的所有代码，’” Ritter 说，他是一位软件架构师，数十年来一直在构建企业系统。“这会给你好的代码吗？可能不会。”
他指出，GitHub 上充斥着被放弃的实验、学生项目和快速的临时解决方案。Stack Overflow 的答案通常优先考虑让某些东西能够运行，而不是让它正确运行。Ritter 说，与在人类知识的集合智慧上训练 ChatGPT 不同，没有明显的、始终如一的优秀代码来源，来满足人工智能训练所需的规模。
在计算机科学中，垃圾进意味着垃圾出。用平庸的代码训练人工智能，你就会得到平庸的结果。
英语问题
Ritter 告诉 The New Stack，第二个问题是 英语是一种糟糕的编程语言。
考虑这句话：“The chicken is ready to eat.”（鸡已经可以吃了。）我们说的是一只活鸡准备做晚餐，还是做熟的鸡可以吃了？这两种理解都是完全有效的，他说。
或者试试这条购物指令：“Get two pints of milk, and if they have eggs, get 12.”（买两品脱牛奶，如果他们有鸡蛋，就买 12 个。）12 个什么——鸡蛋还是品脱牛奶？这种歧义就存在于语言中。
“这实际上是我们首先拥有编程语言的原因之一，”Ritter 解释说。编程语言的存在恰恰是因为自然语言是模棱两可的。编译器只能以一种方式解释“if (x > 5)”。没有误解的余地。
你可以尝试在你的英语描述中更加精确，但总有另一个极端情况，另一种误解你意思的方式。Ritter 说，这就是为什么我们首先放弃自然语言进行编程的原因。
人工智能真正有帮助的地方
这些并不意味着人工智能对编码毫无用处。它已经在某些特定方面证明了自己的价值：
具有人工智能辅助功能的 现代 IDE 确实很有帮助。设置一个 X 坐标，系统通常会正确地建议接下来设置 Y 坐标。这种细粒度的代码补全使开发人员的工作效率更高，而不会产生生成整个应用程序的可靠性问题。
当需求具体且有界限时，人工智能也擅长生成单独的方法或类。需要一个用于已知模式的数据库访问类？人工智能可以很好地处理。想要重构遗留代码？人工智能可以对现有实现进行现代化改造，其中原始意图可以从上下文中清楚地看出。
对于快速原型设计和个人项目——比如我与 DevOps 先驱 Gene Kim 进行 氛围编程 的 NFL 球队追踪应用程序——氛围编程效果很好。如果它坏了，你耸耸肩再试一次。
但这正是 Java 的企业主导地位变得重要的地方。Java 不是为快速实验或一次性代码而设计的。它是为长期使用而构建的——应用程序需要可靠地运行数年或数十年，并由在编写原始代码时不在场的开发团队维护。
Java 生态系统 反映了这一现实。Ritter 说，企业 Java 应用程序通常涉及广泛的框架、严格的测试协议和详细的文档要求。这些不是可有可无的东西；当你的代码处理数百万笔金融交易或管理患者医疗记录时，它们是必需品。
企业现实
企业开发是不同的。当你构建处理医疗保健数据、金融交易或关键基础设施的系统时，“耸耸肩再试一次”是不可行的。
企业应用程序需要广泛的单元测试。你是否会信任 人工智能生成的测试 来验证人工智能生成的代码？Ritter 问道。它们需要严格的代码审查，这意味着熟练的开发人员必须理解和验证每一行代码——这在某种程度上与 消除程序员 的目的背道而驰，他说。
然后是维护。企业应用程序通常运行数十年。未来的开发人员需要理解和修改不是由人类编写的代码，而是基于从一开始就可能含糊不清的自然语言规范。
“大多数人都会进行代码审查，”Ritter 在谈到严肃的开发时说。“你将需要有能力做到这一点的人，所以你实际上是在降低试图消除对程序员的需求的好处。”
真正的未来
氛围编程不会消除编程工作——至少对于重要的工作来说不会。他说，未来可能更像是复杂的自动完成，而不是完全的代码替换。
这不一定是坏消息。编程语言总是 朝着更高级别的抽象发展。我们从汇编语言发展到 C 语言，再到 Java 语言，再到现代框架，每一步都让开发人员的工作效率更高，同时保持了 严肃软件 所需的精度，Ritter 说。
毫无疑问，人工智能将在这种发展中发挥更大的作用。但是 自然语言的模糊性 和 软件精度 之间的根本张力表明，人类程序员不会很快消失。
