主要观点总结
《2024 中国开源开发者报告》发布，聚焦 AI 大模型领域。报告总结了 2024 年 AI 编程工具的进化趋势，包括全面探索、演进路径和形态变化。黄峰达（Phodal）作为 Thoughtworks AI 辅助研发工具与开源解决方案负责人，对 AI 在软件工程中的应用进行了详细阐述，包括个体、团队和组织层面 AI 工具的应用和发展趋势。此外，报告还涉及 AI 编程工具的设计建议以及领域特定的智能代码生成工具的发展情况。
关键观点总结
关键观点1: AI 编程工具进化趋势
AI 从辅助开发人员扩展到覆盖软件开发的整个生命周期，提高了效率和质量。AI 工具的应用范围不断扩展，从需求分析到运维管理，越来越多的 AI 工具开始涉足到软件开发的不同阶段。
关键观点2: AI 工具在个体、团队和组织中的应用
越来越多的组织开始探索在组织层面使用 AI 辅助整体软件研发。AI 工具从个体使用扩展到团队和组织层面，全面增强了协作和效率。
关键观点3: 形态变化：从本地 AI IDE 到领域特定的智能代码生成工具
领域特定的智能代码生成工具效果更好，因为它更了解领域的特点，更容易生成符合领域规范的代码。智能云开发环境的出现，使得未来的开发流程更加智能化和高效。
正文
AI 工具从个体使用扩展到团队和组织层面。个体使用的 AI 工具如 AutoDev，团队助手如 Haiven，以及组织层面的 AI 集成到内部 IM 和 Chatbot 系统中，全面增强了协作和效率。
形态变化：
从本地 AI IDE 发展到领域特定的智能代码生成工具。智能云开发环境如 Google 的 Project IDX 等工具，使得未来的开发流程更加智能化和高效。
站在全球来看，在不同的国家、区域人们的关注点是不一样的，比如在中国，人们更关注于如何提高软件工程师的工作效率，而在其它一些区域，人们更关注于如何提高软件工程的质量、如何辅助进行遗留系统的迁移。除了各自所处的数字化阶段、水平不同，还存在一些技术人才数量、质量、分布等方面的差异。
AI 技术已经从简单的辅助开发人员发展到涵盖软件开发的整个生命周期。在这一过程中，AI 工具的应用范围不断扩展，从需求分析到运维管理，每个阶段都得到了显著提升。
从 2022 年 GitHub Copilot 的发布，我们可以看到越来越多的 AI 工具开始涉足到软件开发的不同阶段。比如，面向需求阶段的 Jira/Atlassian Intelligence，面向原型设计的 Vercel v0，面向编码阶段的 GitHub Copilot，以及运维阶段的 Dynatrace Davis AI 等等。
就 2023 年的结论而言，基于人工智能的工具与基础大语言模型可以增强软件开发在设计、需求、测试、发布和运维等各个环节中的能力，提高质量和效率。但是，这些工具往往是破碎、割裂的，还可能并不适合我们现有的研发流程。
在市场上，我们也可以看到市面上的主流研发工具，如 JetBrains、GitHub（网站）等，都在逐渐加入 AI 功能，使得 AI 功能逐渐融入到我们的日常工作中。
在 IntelliJ IDEA 中，我们可以看到 AI 功能的加入，如：原生的向量化模型、基于语义化搜索（SearchEverywhere）、结合补全统计的机器学习补全插件 Machine Learning Code Completion、适用于单个代码行的 Full Line Code Completion 等等。
而除了 GitHub Copilot 工具本身，它还开放了其插件能力，使得我们可以定义自己的 AI 智能体，以适应我们自己的工作流程。
在多阶段协同方面，2024 年有了更多的变化，比如在智能运维领域，AI 可以结合判别性 AI 分析日志，生成式 AI 分析原因，再结合智能体根据运行错误，自动修代码复问题等；在测试领域，AI 除了辅助进行测试用例的生成，还可以生成对应的单元测试代码，甚至是自动化测试代码；在 UI 设计领域，AI 可以直接生成对应的代码，基于提示词来修改 UI，所生成的是最终的 UI 代码，而不是设计稿。
诸如此类的变化，使得 AI 所能辅助的范围更加广泛，从而使得 AI 在软件工程中的应用更加全面。
