軟件開發(fā)人員越來越多地將人工智能工具融入到他們的工作中，但如此快速的采用并非沒有帶來困惑或沖突。他們和他們的經(jīng)理仍在努力弄清楚這些工具何時有用，何時有害，以及如何整合它們，避免產(chǎn)生比解決的問題更多的問題。

Stack Overflow 在其對 49000 名專業(yè)開發(fā)者的年度調查中發(fā)現(xiàn)，到 2025 年，80% 的開發(fā)者將在工作中使用人工智能工具，這一比例近年來大幅上升。盡管這些工具的應用范圍廣泛且迅速，但人們對這些工具的信任度卻在下降。調查顯示，只有 29% 的受訪者表示信任人工智能的準確性，低于過去調查中的 40%。

這種差距——廣泛采用的同時，質疑聲也日益高漲——反映了 GitHub Copilot 或 Cursor 等 AI 編程助手的復雜影響。雖然很少有開發(fā)人員質疑它們的實用性，但許多開發(fā)人員仍在學習如何有效地應用這些工具，并了解它們的局限性。

當被問及最大的挫敗感是什么時，45% 的人指出，AI 生成的解決方案看似基本正確，但卻存在細微的缺陷。與明顯錯誤的代碼不同，這些“險些出錯”的代碼可能會引入隱藏的錯誤和邏輯錯誤，需要花費數(shù)小時才能解決——尤其是對于那些過于輕易接受 AI 建議的初級開發(fā)人員而言。

這種后果往往會最終回到 Stack Overflow 本身。超過三分之一的開發(fā)者表示，他們訪問該網(wǎng)站是因為與 AI 相關的問題，這意味著他們所信任的工具生成的代碼產(chǎn)生了他們無法自行解決的問題。

推理模型的最新進展提高了可靠性。然而，調查顯示，人工智能“接近但未完全”的問題仍將持續(xù)存在——這與預測文本生成的工作原理息息相關。這也是72%的開發(fā)人員拒絕“氛圍編碼”（即隨意粘貼AI建議的代碼用于生產(chǎn)環(huán)境）的原因之一。

即使存在這些挫折，也很少有人放棄這些工具。在某些情況下，管理人員會敦促團隊采用這些工具。更多情況下，開發(fā)人員自己也能從中受益——只要他們謹慎使用這些工具。

行業(yè)專家表示，關鍵在于培訓和心態(tài)。開發(fā)者應該將人工智能驅動的自動完成工具視為“陪練伙伴”，而不是沉默的“副駕”。那些只是簡單地瀏覽 GitHub Copilot 建議的人可能會留下漏洞；而那些利用它來發(fā)現(xiàn)問題或完善想法的人才能獲得最大的價值。

這些工具還具有教育意義。人工智能可以拉平新語言或框架的學習曲線，提供有針對性的答案，補充傳統(tǒng)的文檔搜索功能——Stack Overflow 多年來一直提供這一功能。

Stack Overflow 首席產(chǎn)品和技術官 Jody Bailey 告訴 Venture Beat，隨著人工智能改變開發(fā)者尋求幫助和分享知識的方式，Stack Overflow 正在重新思考其角色。她承認，該公司的訪問量確實有所下降，但她警告稱，許多人夸大了這一趨勢。

“盡管我們看到流量有所下降，但絕對沒有一些人認為的那么劇烈，”她說道，并補充道，“這種轉變使得 Stack Overflow 必須重新評估其在現(xiàn)代數(shù)字時代衡量成功的標準。”