为什么智能AI需要更好的专家

近日，软件开发专家Diomidis Spinellis在其博客中分享了他使用OpenAI Codex（一种AI编码代理）对uutils项目中的sed程序进行重大修改的经历。这次修改涉及13个文件、1740行新增和609行删除，旨在将内部数据处理从字符改为原始字节，以提高与GNU sed的兼容性和性能。Spinellis认为，这次实践深刻揭示了AI编码代理的能力与局限。

一方面，Codex在初始提示和后续优化中正确引导了任务方向，处理了大量繁琐的工作，节省了时间和精力。修改后的代码在所有阶段都能编译和运行成功（得益于全面的单元测试、集成测试和持续集成检查）。

另一方面，Spinellis指出，要获得生产质量的代码，Codex的工作需要仔细审查和大量专家指导。在他发起的总共78个提示和子提示中，有61个（78%）是要求改进的。这些改进包括代码注释、单元测试、架构调整（如避免不必要的UTF-8转换）、错误处理优化等。Spinellis强调，即使AI代理在不断进步，分配给它们的任务也会越来越复杂，所需的审查和专家指导也将随之增加。

Spinellis对AI编码的成本提出了具体数据。一次会话的Token使用总量约430万，按当时价格计算约80美元。实际通过订阅使用的成本可能被补贴，但长期使用的成本可能与一个开发人员的薪资相当。环境方面，该会话产生了约326千克的二氧化碳排放和12,871升水消耗，相当于一辆高效柴油/汽油车行驶2,500公里或一次短中程航班的排放。这些外部成本在欧盟碳排放交易体系下约为26欧元，在美国环保局社会碳成本下为42-117美元。水费在雅典本地家庭水价中约为4.50-41欧元。这些成本虽不天文数字，但远非可忽略。

Spinellis还给出了针对不同角色的建议：

• 学习编程的人：要思考如何获得识别AI代码问题并提示修复所需的知识和经验。
• 管理软件开发或人力资源的人：要规划如何让新开发人员掌握这些技能。
• 决定完全用AI代理外包编程的人：要考虑是否愿意让代码逐渐劣化、积累技术债务。

文章末尾列出了会话中使用的所有78个提示，其中要求改进的以粗体显示。Spinellis承认，有些改进（如注释和单元测试）可以由更强大的代理或适当的初始配置自动完成，但AI代理的增强也会使任务要求更严格。最后，他还提到自己手动完成了一些更改以节省时间和浪费。