大模型驱动软件开发的一些误区和思考
内容提要
本文是作者在SDCon 2024全球软件研发技术大会上的主题演讲的节选，讨论了大模型对软件开发智能化的影响。作者指出了大模型在企业级项目中的不足和代码领域的训练不足等误区，并提出了关注抽象能力、演化能力、协作能力和工具能力等核心能力。最后，作者列举了十个基础建设方面的重要方向，希望能给读者带来启发。
关键要点
-
大模型带来了计算、开发和交互范式的三大改变。
-
存在对大模型在企业级项目表现的误区，主要训练数据缺乏过程数据。
-
大模型在动态性训练方面表现不如自然语言和视觉领域。
-
追求一步到位的智能软件开发是不现实的，智能是迭代的过程。
-
软件开发的复杂性需要分解和抽象两种手段，当前大模型在抽象能力上不足。
-
软件开发的动态性要求模型能够理解和适应变化。
-
协作性在复杂系统中至关重要，智能体之间的协作需遵循新的“智能康威定律”。
-
工具能力在混沌系统中解决确定性问题，需与大模型融合。
-
提升软件开发智能化水平需要关注抽象、演化、协作和工具四大核心能力。
-
基础建设包括扩展定律、上下文窗口、长期记忆、System 2提升等十个方向。
延伸问答
大模型在软件开发中存在哪些误区？
大模型在软件开发中存在几个误区，包括对企业级项目表现的过高期望、缺乏动态性训练、追求一步到位的智能开发以及对超级模型的误解。
如何提升大模型在软件开发中的抽象能力？
提升大模型的抽象能力需要导入高抽象任务的最佳实践和方法论，包括设计图和设计文档，以增强其System 2能力。
大模型如何应对软件开发的动态性？
大模型应对软件开发的动态性需要训练更多的过程数据，以帮助模型理解软件开发中的变化和演化。
智能软件开发的核心能力有哪些？
智能软件开发的核心能力包括抽象能力、演化能力、协作能力和工具能力。
大模型在软件开发中的协作性如何体现？
大模型在软件开发中的协作性体现在智能体之间的协作，遵循新的“智能康威定律”，即智能体的协作沟通架构决定系统设计架构。
提升软件开发智能化水平需要关注哪些基础建设？
提升软件开发智能化水平需要关注扩展定律、上下文窗口、长期记忆、System 2提升等十个基础建设方向。
