5年后，ChatGPT会替代底层程序员吗？

先上答案：一定不会。

这个问题有两个关键词：5年，底层。

先说“5年”。如果你平时经常关注那些以大模型为基础的AI应用，那你肯定会觉得，以这样的发展速度，5年？别开玩笑了，5个礼拜我就不认识它了。别说程序员，整个人类估计都得失业。这种感觉很正常。在经济低迷的时候，一个有潜力替代人工的新技术出现，并在短时间内获得了大量关注......人们总会更担心丢掉自己的工作，而不是畅想未来。人们越害怕，反过来就越觉得AI会以当下的速度继续甚至加速发展。

这当然不是事实。实际上，在GPT出现之前，人工智能的发展并不顺利，很多名噪一时的产品最后都草草收场。 IBM的沃森（Watson）就是一个经典的例子。而在GPT出现之后，很多人不知道的是，截至2023年5月，OpenAI的亏损累计高达5.4亿美元。与此同时，ChatGPT的用户数也在下降，许多人还是对聊天机器人能干些什么存在疑虑。SimilarWeb数据称，ChatGPT的用户数从今年6月份的17亿下降到7月份的15亿。

《浪潮之巅》的作者吴军老师就认为，ChatGPT是一个被神化的语言模型的衍生品。今天，ChatGPT使用的语言模型采用了深度学习算法进行训练，但是这几十年发展下来，语言模型还是语言模型，不是什么其他的东西。这就如同今天特斯拉的电动汽车还是汽车，虽然和本茨早期的汽车、福特的内燃机车、丰田的混合动力汽车不同，但它不是飞机。媒体在推波助澜，扮演加速师的角色，在赞扬的同时贩卖恐惧。绝大部分赞誉是炒作，这并不可怕，因为20世纪技术的发展常常伴随着泡沫。但几乎所有的恐惧都是自己在吓唬自己，这才是可怕之处。

真没有那么快。

再来说“底层”。我理解的底层程序员，其实就是这个行业的新人。

你可能听过这个故事：有个技术公司的创始人，给ChatGPT发了一段JavaScript，请它找bug。结果，ChatGPT先是反问，这段代码的意图是什么？然后，根据意图很快就找到了bug在哪，而且还附上了一份相当详尽的文档，包括是哪段代码有问题，可能导致什么样的bug，又该怎么修复，等等。甚至还给出了一段代码示例，把修改的部分，直接批注在里面。这个事一出，好多程序员不服，都上去给ChatGPT出题，结果几乎无一例外，都被解答了。

很多新人听到这个故事都很绝望，ChatGPT能力都这么强了，月薪还比我低，这得卷成什么样才能让老板看上我啊！

其实，作为新人跟ChatGPT较劲，就像刚学习冲浪的人一开始逆着潮头而动，很容易被浪掀翻。要想成为冲浪达人，就得站上浪头，也就是找到自己的机会。

总有些程序员不喜欢AI

新人的机会，首先就来自这些不喜欢AI的程序员。他们有的可能对AI技术缺乏信心，尤其是当他们看到AI工具产生错误或不稳定的结果时（大语言模型的“幻觉”几乎是不可避免的），生怕使用AI会影响他们的工作质量和信誉。

还有些人觉得使用GPT类的AI写代码，要先写大量的提示词，费时费力，还不如自己手撸。

当然，也有很多人担心使用AI时输入的这些数据会泄漏，带来隐私和安全问题。这确实是当下业界最关心的部分。

但是咱就是没包袱，光脚的不怕穿鞋的，敢尝试就是新人的机会！

找准姿势

虽说是新人，但也有不同的岗位和角色，你目前的角色该怎样使用AI工具才最有效呢？我为你梳理了一下:

后端开发工程师

1、从业务实体到数据库的自动创建。输入业务实体描述，AI可以很快生成SQL语句，且省去了自己思考命名的麻烦。

2、从数据库到CRUD代码的自动创建。输入数据库描述，AI可以自动生成基础的CRUD代码。

1、从CRUD代码到业务功能的自动创建。输入CRUD代码以及业务描述，AI自动改写代码（这里人自由发挥的空间很大，AI能起到的作用主要是解答具体问题，有时效果还不如搜索引擎）

2、代码转换。有时候我们需要将一种语言的代码转换为另一种语言，AI在这方面相当强大且精确。

3、确定性的脚本编写。诸如定时任务、数据库备份等等确定性很强的脚本都可以借助AI完成。

4、自动化测试。可以让AI根据现有代码自动生成测试代码（这里其实是事后做的，如果采用TDD方式可能会更好）

前端开发工程师

1.构建基础页面。对于一些基本的页面布局、样式设计和交互元素，AI可以通过代码生成技术自动生成部分代码，从而加快开发速度。使用Cursor这类的IDE工具就可以轻松做到

2.页面排版优化。 有了基础页面，AI就可以自动修改代码，比如调整页面元素的排版和布局以适应不同的显示设备。

3. 数据可视化。结合现有框架，比如element-ui，AI可以自动生成任何图表所需的代码。

4. 自动化国际化处理。AI的翻译能力非常强，国际化处理不是问题。

测试工程师

1、自动编写测试用例。输入业务需求描述，AI可以自动生成测试用例。

2、结合TDD。有了测试用例，就可以考虑从用例生成代码。

3、自动准备测试数据。AI可以根据需求，自动生成大量测试数据。

运维及支持人员

1、使用Claude 2.0之类的工具，将运维相关文档上传，然后与AI对话，可以提高解决问题的效率。

2、目前开源方面已经有一些很强的模型，如果能在开源模型基础上，用公司内部的知识来训练模型，则可以创建一个供运维和支持人员使用的AI助手。比如很多大企业最近都在使用Meta开源的llama2来构建自己的应用。

3、使用AIGC工具，哪怕运维或支持人员不懂编程，也可以写出适合自己需要的简单应用。比如excel宏命令，运维脚本等。

总的来说，目前AI有能力也应该做的是那些“人做起来费时费力，但是又很确定”的工作。而我们在使用AI时候的通用方法是“合理分解任务，小步迭代”。使用“增量式”提问的方法。

鉴于当前AI的特点，可以这么说，它就是为“底层”的程序员准备的！而AI在架构设计、性能调优等方面普遍表现一般，高级工程师在这方面的能力更加突出，所以也不用担心。