前端进阶之旅前端进阶之旅
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片NEW
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 业务场景题真实业务问题与追问
  • 查漏补缺常见问题解析
  • AI 模拟面试NEW模拟真实面试 + 报告
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
    • AI 定制路线NEW按你的简历现排
    • AI 知识地图NEW串起全站知识点
  • 动态
    • AI 热点NEWAI 每日动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
AI 助手NEW
旧版
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片NEW
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 业务场景题真实业务问题与追问
  • 查漏补缺常见问题解析
  • AI 模拟面试NEW模拟真实面试 + 报告
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
    • AI 定制路线NEW按你的简历现排
    • AI 知识地图NEW串起全站知识点
  • 动态
    • AI 热点NEWAI 每日动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
AI 助手NEW
旧版
返回 AI 情报前线
All News · 全部资讯8630
  • 模型蒸馏原理解析与行业舆论澄清
  • Braintrust 实战:Codex 从客户需求快速生成代码
  • 推理性能突破:消费级 GPU 达成 3k tokens/sec
  • AI Agent 系统的真实挑战:治理、安全与供应链
  • Claude Code 完整配置指南:文档未覆盖的选项
  • 新型 LLM Hy3 登顶 OpenRouter 性能排名
  • Cursor 推出自动审核模式,大幅减少交互
  • PyTorch 性能分析入门指南
  • OpenAI 发布 AI 模型评估最佳实践指南
  • LLM 实战中的常见失败模式总结
  • Claude Code 推出动态工作流:编程自动化新纪元
  • Claude Opus 4.8 旗舰模型发布
  • 微软数据分析工具 Data Formulator 0.7 发布
  • AI 生成代码调试时间竟是编写时间的 10 倍
  • AI Agent权限疲劳讽刺游戏
  • Endava 用 Codex 构建 Agent 驱动组织
  • OpenAI 发布前沿 AI 治理框架
  • 用个人数据训练AI Bot的实战经验
  • OpenAI和Anthropic实现产品市场契合
  • 企业Agent应用现状:单Agent为主、监控严格
  • 开发者工作中的AI工具应用现状
  • 用Codex构建自进化税务Agent
  • Claude Code日常开发完全指南
  • TRL万亿参数模型的增量权重同步方案
  • Warp用GPT-5.5实现多Agent编码协调
  • 4张GIF讲清LLM API调用原理
  • AI时代如何保持人的真实性
  • 实验证实:Prompt礼貌程度影响LLM准确率
  • AI 生产部署:可观测性与资源调度的实战指南
  • macOS 内核漏洞由 Claude 发现
  • 大厂内部 AI 编程工具成本危机
  • 为什么 AI 会丢失对话上下文及修复方案
  • 工程团队如何避免 AI 削弱集体思维
  • AI Agent 术语标准化:Harness vs Scaffold
  • Claude 不是架构师:AI 设计工具的边界
  • 435 条 AI 工程经验的从零到一总结
  • 论文:LLM Agent 后端代码生成的脆弱性
  • Microsoft 实测:AI 成本已超人工员工
  • DeepSeek的10万亿美元商业野心解析
  • Google Antigravity IDE 升级迁移指南
  • Microsoft取消Claude Code许可证
  • 用 Gemini Embeddings 构建智能推荐算法
  • DeepSeek V4 Pro永久降价方案
  • 超越幻觉:AI Agent 的隐性失败模式
  • Superset:Agent 时代的 IDE 框架
  • O'Reilly:Agent 工程学的无意发现
  • 2026 年最令人担忧的 AI 风险
  • 多流 LLM:并行化 Prompt、思考、I/O
  • 用 AI 全栈开发数据库性能测试工具
  • 框架设计的新范式:不再为人类独占
  • 每个开发者都在隐瞒什么——AI 解决不了
  • 已加载 51 / 8630
6.0
关注
AI SCORE
行业动态2026-05-27 15:11

开发者工作中的AI工具应用现状

DEV Community · Sylwia Laskowska#最佳实践#社区调查
Editor brief · 编辑速览

社区热讨(177条互动)关于程序员在实际工作中如何落地AI。了解同行做法,找到适合自己的应用场景。

文章思维导图
Knowledge map
拖拽缩放
Full translation

完整中文译文

高级职位和遗留代码迁移

JSNation 即将来临,除了我的演讲(我会在评论中分享链接,这样就不用第十次烦你们了 😅),还有讨论室。不知怎的,我被邀请参加其中的两个。

一个正常人可能会停顿一下,想想:"我真的有时间吗?"、"值得吗?"、"我是不是该少承诺一些呢?"。但作为典型的 Sylwia,我几乎是瞬间回复:"哦,听起来太棒了!当然,我报名参加所有的!" 😎

就这样,我参加了一个叫"新时代的高级工程师:构建者、评审者还是编排者?"的讨论室。

我的职业顾问 ChatGPT 经常告诉我:"Sylwia,请把你的生活整理好。如果你坚持要同时做十件事,至少把内容重复利用一下。" 😅 所以与其自己想出所有的结论,我何不问问 DEV 社区呢?

但在我问大问题之前——高级工程师在 AI 时代应该成为什么——我觉得还有一个更有趣的问题要问:你们实际上在工作中如何使用 AI?

不是在会议演讲中。不是在疯传的 Twitter 帖子上。不是在"我的 AI agent 在午餐时间重写了 Kubernetes"的故事里。我是说真实的工作。真实的项目。真实的团队。

当然,你们可以直接跳到评论区(你们知道我喜欢和你们交流 ❤️),但首先,让我分享一些观察。

至少这是互联网给我们的形象。会议标题。新闻通讯头条。LinkedIn 预言家。

Matteo Collina 为 Node.js 开启了一个 10 万行的 PR,人们陷入了恐慌。

有人在两周内把整个 React 应用重写成 Svelte。数十万个文件。

Bun 的创造者在一个晚上把它从 Zig 重写成 Rust,同时随意提及他那晚还去了一个约会。(就我奇怪吗?😅)

成群的 agent 取代开发团队。Agent 为其他 Agent 开启 PR 进行评审。一切都自动化。在这一切的中间某处,高级工程师变成了某种 AI 牧羊人,偶尔检查一下机器人是否直奔悬崖。

说实话,既迷人又有点可怕。有时你会想知道我们是否都应该重新考虑职业选择,也许在机器人学会之前先去学美发吧 😅

但随后我停下来想了想:我实际上在这个行业工作。我认识很多开发者。真实生活往往看起来……非常不同。

从兴奋到成本优化

我的一个朋友在一家巨大的科技公司工作。那种你肯定知道的公司——可能要么喜欢要么讨厌 😄

当然,他们很早就开始使用 AI 工具,包括 Copilot。但一旦他们有了真正的编码 agent——我想是 Claude Code——事情真的升级了。

一开始,公司完全被迷住了。他们购买了最昂贵的计划并鼓励人们积极使用 AI。如果有人遇到令牌限制,管理层基本上说:"别担心,我们会买更多。这是革命性的!"

我的朋友碰巧从头开始构建一个新应用,说实话——他喜欢极了。生成的代码量是荒谬的。通常,构建这样的东西需要花费数个月的时间和整个团队。现在呢?几天,系统的巨大部分已经存在了。

因为他是一个真正出色的开发者,他变得非常善于察觉 Claude 开始完全脱轨的确切时刻。有趣的是,这经常发生在下午 5 点左右。显然 AI 也想下班 😅

但几个月后,兴奋度慢慢褪去。结果证明,虽然 AI 有时会使开发速度急剧加快,但它肯定并不总是这样。

然后是第二个惊喜:公司实际计算了所有这些 AI 使用成本多少。突然间,每个人都发现了——惊喜吧——无限制的 AI agent 一点也不便宜 😄

所以现在有关于限制、优化和减少令牌使用的讨论。按照这个速度,也许最终招聘实习生会变成更便宜的选择 😂

说实话,我们已经看到这个趋势越来越多。不是 Meta 引入了某种"tokenmaxxing"文化吗,其中人们因使用更少的令牌而获得奖励?

最后,说说我自己的故事

现在让我们转向我的世界。

一个庞大的国际机构。一艘需要三年时间才能向右转的企业级船舰。一个把隐私当作宗教对待的地方。所以自然地,人们长期以来对 LLM 非常怀疑。

但最终 AI 也到了那里,这让我想这些工具现在基本上无处不在 😄

所以:编码 agent 是否大幅加速了企业遗留系统中的开发?

嗯……那就是事情变得复杂的地方。

当然,有一些任务 AI 确实有用。简单的 bug。小功能。样板代码。但在某些任务上呢?它完全崩溃。

Agent 读取库代码。它爬过应用。它搜索了半个仓库。但不知何故仍然一无所知 😅

有时我必须真的告诉它:"也许检查一下那个七年前由初级开发者写的奇怪文件。"或者:"我们的 UI 库有一些非常具体的遗留怪癖,也许调查那个方向。"

说实话吗?在这个项目中花了 2.5 年后,在许多调试场景中我速度比 AI agent 快。

不是因为我更聪明。不是因为 AI 无用。而是因为企业系统积累了背景、历史、奇怪的决定、部落知识、隐藏的依赖关系和许多年来的架构疤痕。而我拥有这些背景。AI 通常没有。

我真的怀疑我的项目在这里是否独特。今天运行世界的软件中,大部分是企业遗留系统,这些系统的存活时间远超任何人最初的计划——并且仍在积极演进 😄

所以也许,不知怎的,我实际上会作为程序员活到退休。而且也许我不需要学美发。

这对人类来说可能是个好消息,因为我会很糟糕的 😅

但现在我真的很好奇:在你的工作中,AI 使用实际上是什么样的?

百万行的 AI PR?与遗留系统的日常战斗?令牌优化?还是完全不同的东西?

顺便说一下,如果你喜欢我的帖子,欢迎在 Linkedin 上关注我!

一些评论可能仅对已登录的访问者可见。登录以查看所有评论。

如需进一步行动,你可以考虑屏蔽此人和/或举报滥用行为。

Original source

本文由 AI 翻译整理自 DEV Community · Sylwia Laskowska,原文版权归原作者所有。

阅读英文原文
上一篇
企业Agent应用现状:单Agent为主、监控严格
下一篇
用Codex构建自进化税务Agent