斯坦福 CS146S:AI 会写代码后,工程师该学什么?

Latent Space7 天前

当学生已经普遍使用编程智能体,软件工程课还应该考什么?斯坦福 CS146S《现代软件开发者》的调整,提供了一个具体案例。

课程授课者 Mihail Eric 同时负责 Monaco 的 AI 工作。他面对的是两个相连的问题:课堂上如何培养工程能力,以及团队里如何让编程智能体真正参与交付。

从完成作业,到接受真实项目评审

CS146S 首轮课程安排了九次作业和一个结课项目。其中一次练习要求学生在代码仓库中运行 AI 代码审查工具,再评估它的反馈。

到了下一轮课程,Eric 判断,不少旧练习可能已经可以通过一次提示完成。在他询问的一群斯坦福大二、大三学生中,所有受询者都已使用编程智能体。这只是他在现场的观察,并非对所有学生的统计。

课程因此将部分作业调整为:向开源项目贡献代码,由项目维护者评审补丁。

这让任务不再止于“实现功能”,还要求学生弄清楚:

  • 维护者是否需要这个改动;
  • 现有代码为什么这样运行;
  • 补丁可能影响哪些其他行为。

与维护者沟通,也给了初级开发者向资深开发者学习的机会。即使智能体能快速写出代码,学生仍需要理解改动,并回应真实项目的要求。

用问答检验自己是否理解 AI 写的代码

一个可借鉴的练习是 Geoffrey Litt 的 explain-diff 技能:先把代码变更转换成可视化讲解,再围绕变更向使用者提问。

可以把它用在智能体刚生成的补丁上,检查自己能否解释这次修改。一个具体的自测问题是:哪些问题,你必须重新打开代码才能回答?

它把注意力从“代码是否已经生成”,转向“开发者是否真正理解这次变更”。

Monaco:采购审查工具,自建智能体工作环境

在 Monaco,团队评估过代码审查产品,并继续使用 Devin;但对于智能体工作环境,团队选择了自行搭建。

原因在于,后台智能体需要一个能够运行产品、复现故障并测试补丁的地方,而这些环境细节取决于 Monaco 自身的云端配置。

Eric 将这类取舍概括为:“为了学习而购买,为了长期使用而构建。” 这是他对团队实践的总结,而不是所有团队都应照搬的采购原则。

同一个智能体,需要面向不同角色交付结果

Monaco 的系统 Hal 可以服务不同岗位:

  • 工程师可以要求它调查故障,并创建拉取请求(PR);
  • 销售人员可以询问产品如何工作,获得可用于向客户解释的答案。

两种任务需要不同的输出。工程师需要可审查的代码变更,销售人员需要清楚的产品解释;把同一大段调试日志交给两者,并不能同时满足他们。

代码之外,还需要保留决策背景

另一个值得关注的问题是:智能体能看到当前代码,但它如何知道,团队为什么在六个月前否决过类似修改?

这涉及代码库中的当前行为、历史决策和设计意图如何被组织与查找。仅让智能体读取代码,并不等于它理解了项目的全部约束。

Eric 预测,开源仓库可能逐渐变成由智能体运行的软件工厂。不过,这仍是一种预测。眼下,课程让学生面对真实维护者,强调的依然是一个具体责任:有人必须判断,哪些改动应该进入项目。

对正在使用编程智能体的团队来说,一个值得讨论的问题是:你们如何检验开发者理解了 AI 生成的补丁,而不只是确认它通过了测试?

评论

请登录后发表观点

暂无数据