AI能帮我成为传说中的10x工程师吗？

不知道从哪一年开始，10倍工程师，在程序员界成为了一个可望不可及的传说。

那些善用各类技术工具、编程效率极高、掌握多门编程语言、对新技术信手拈来的大神，被视作「10 倍工程师（10x Programmer）」，这类 10 倍工程师往往还能在GitHub、Blog 上坚持技术输出、在热门项目中做开源贡献，似乎也比其他人也额外多出10倍的时间。

2019年，Twitter上曾经对 10 倍工程师这一议题有过一次空前热烈的讨论，引发网友们数万的跟帖。大部分人对 10x 工程师表示向往，希望学习他们的经验和高效。也有人提及 10 倍工程师是竞争的商业环境，将程序员这一职业的异化，变为玩命追求效率的工具人。

无论 10x 工程师是不是评价优秀工程师的标准，但提升开发效率，一直以来都是所有开发者关心的话题。随着近期AI技术的快速推进，也将这股大模型浪潮席卷到了开发工具之中。

AI 帮我写代码，还是我和 AI 一起写代码？

编程语言模型、代码生成工具的出现，让工程师们眼前一亮，不少开发者第一时间进行试用。现阶段的代码生成工具，也远远不止自动补全，不仅可以编写基础的冒泡、排序算法、还可以写单元测试、代码注释这些占用开发者很多时间的重复工作。

无论是 ChatGPT 还是 Bard 这类通用大模型发布时，都在演示时强调自己代码生成的能力。更不用说诸如 GitHub Copilot、aiXcoder、CodeGeeX 等产品的相继发布和积极更新，都让行业真正看到了开发范式革新的希望。

根据 VentureBeat 每年更新的 MAD（MachineLearning、AI、Data）生态技术全景图的统计，目前服务 AI 基础设施建设的开发者产品已经百花齐放，从数据科学编辑器、数据科学平台、集成式云服务、数据生成与标注、机器学习资源运维、AI 硬件设备及边缘计算、开闭源的大模型，能够支持开发者在机器学习和人工智能应用开发的各个环节。

CSDN 小范围调研了开发者对代码生成工具的使用情况，几乎全数受访者都已经尝试过代码生成工具。相当一部分开发者已经把这类工具，结合进自己的日常开发流程中，并已经为这类服务付费。

开发者们主流采用 IDE 内安装插件的方式，也有开发者使用本地部署的代码生成服务，同时我们还了解到部分开发者，付费在 ChatGPT Plus 这类对话式窗口中完成代码生成。

在调研中，我们明确发现这类代码生成工具、智能编程助手、自然语言生成代码，给广大开发者的开发范式带来了转变。越来越多的专家学者、工程师在日常工作中，与AI代码生成工具深度协同，极大地提高了研发生产效率，也扩展了个人编程能力。

GitHub 在近期的一项调查中，基于使用 JavaScript 写一段 Web 服务器程序的任务，设置严格的样本分组，对照了两组开发者。使用 GitHub Copilot 的开发者平均用时，比纯个人完成的开发者快一个半小时，并在完成度上也领先于纯手撸代码的开发者们。

借助工具，就能成为10x工程师？

如果将 AI 视作自己的竞争者，现阶段的代码生成工具还远不能应对生产环节的所有流程，也存在合规、安全方面的问题。

但如果将代码生成工具视为协作者、结对编程对象，帮助开发者找到方向和方法，并与其教学相长，相互启发，一定会是当下最理智的选择。

在 GitHub 的调查中也发现，对于初中级水平开发者，GitHub Copilot 的价值能够发挥得更明显。

有了丰富的 AI 基础设施和开发环节的各类工具，普通程序员也可以在自己的身上叠buff，逐渐发展为 10x 工程师。我们建议开发者们积极地尝试各类新应用、新工具，吸收先行者的经验，勇敢革新自己的开发范式。

就以上问题，我们在 8 月 12 日（周六）于北京线下将举办 NPCon 2023 AI 模型技术与应用峰会活动。

活动将围绕全链路搭建 AI 研发底座主题，着重在 AI 研发中算力选型与编排调优、模型训练与部署、AI 工具的使用与能力演进等方面进行分享，关注开发者们关心的工程实现过程。

在《开谈》的圆桌分享环节，我们将以「AI 时代的研发新范式与开发者能力演进」为主题，讨论未来的编程语言和开发范式会如何影响我们的生活？

广大开发者、科研学者应当如何使用工具提高效率？如何学习 AI 相关知识与技能，提升自己的竞争力。