Von au?en schauten der Markt für KI -Codierung wie eine gro?e Unsch?rfe der assistierten Codierung. Die Realit?t ist weitaus nuancierter und bewegt sich mit brennender Geschwindigkeit.

Was als einfacher Code -Abschluss begann, hat sich durch verschiedene Generationen entwickelt, die jeweils eine grundlegende Verschiebung in der Arbeit von Entwicklern mit KI -Tools darstellen. Und wenn Sie nicht aufpassen, sind Sie bereits zurück.

Andrew Filev ist Gründer/CEO von Zencoder und Original -Gründer von Wrike.

Die erste Generation: Als die KI lernte, ?unsere Sandwiches -S?tze zu vervollst?ndigen“,

Die KI -Codierungsrevolution begann bescheiden mit dem Abschluss der Code - betrachten Sie sie für Steroide als automatisch. Frühe Pioniere wie Kite haben den Weg geebnet, aber es war Github Copilot, der diese F?higkeit zu den Massen durch Microsofts riesige Verteilungskan?le brachte. Bis 2024 gaben 62% der Entwickler an, KI -Tools zum Schreiben von Code zu verwenden, wobei der Code -Abschluss als Gateway -Medikament.

Aber hier verstanden die Branche es falsch: Das Marketing versprach eine Revolution und lieferte eine Entwicklung. Github Aficionados beobachtete 20% Produktivit?tsverbesserungen, Skeptiker konterten, dass es sich um einen negativen Trend handelte, der Müllcode erzeugte, und die Wahrheit lebte wie immer irgendwo dazwischen. Es war eine wunderbare, hilfsbereite F?higkeit, die Entwickler wirklich mochten.

Aber bahnbrechend? Nicht ganz.

Die Zahlen erz?hlen eine interessante Geschichte. Ab 2024 wird über ein Viertel aller von Google generierten neuen Code von AI geschrieben. Trotz dieser massiven Annahme sind laut DORA -Bericht 2024 die Geschwindigkeit und Stabilit?t tats?chlich gesunken. Die erste Generation lieferte in Quantit?t, k?mpfte jedoch mit Qualit?t - ein klassischer Fall der L?sung des falschen Problems.

Die zweite Generation: vom Assistenten zum Agenten

Dann ?nderte sich zu Beginn 2024 etwas Grundlegendes. Cursor, Zencoder und andere KI -Tools, die in den IDes von Entwicklern leben, haben v?llig neue Gehirne mit radikal unterschiedlichen F?higkeiten.

Diese waren nicht mehr nur Code -Vervollst?ndiger - sie waren in ide Coding Agents. Was diese Generationsverschiebung erm?glichte, ist die neue Klasse von Modellen, die agentener sind, insbesondere in der Verwendung von Tools, das Verst?ndnis Ihrer Projektumgebung und das Zusammenhalten ihres Verstandes über l?ngere Sitzungen.

Die Verschiebung t?uschte, weil sich visuell nichts ver?ndert hat. Gleiche Schnittstelle, gleiche Integrationspunkte, aber unter der Motorhaube? Ein ganz anderes Tier. Die Agenten k?nnten einen Fehler in einem gro?en Repository beheben oder den Benutzern helfen, einen gesamten Prototyp mit unbekannter Technologie "Vibe -Code" zu helfen.

Es ist einer dieser seltenen F?lle von ?gleicher Benutzeroberfl?che, unterschiedlichem UX“ - die Anwendungsf?lle haben sich ge?ndert, und die Verwendung hat sich mit ihnen ge?ndert. Entwickler verbringen zehnmal mehr für diese Tools der zweiten Generation und verbrennen wesentlich mehr Token, da sie immer komplexere Aufgaben ausladen.

Die dritte Generation: SDLC-integrierte Software-Engineering-Agenten

Markieren Sie das zweite Quartal von 2025 in Ihren Kalendern als frühes Auftauchen der dritten Generation, und es geschieht schneller als die meisten wissen:

-Mai 9.: Zencoder hat Zen-Agenten auf den Markt gebracht und eine Verschiebung von individueller Produktivit?t zu teambasierten Agenten markiert, die die vollst?ndige SDLC abdecken.

-Mai 16.: OpenAI hat Codex gestartet, sodass Sie ChatGPT semi-autonom in Ihrem GitHub verwenden k?nnen.

-MAY 19.: Github Copilot gestartete Agenten DevOps.

-Mai 20.: Google kündigte einen asynchronen Jules -Agenten an.

-Ma 22. Mai: Anthropic kündigte Claude 4 an und aktualisiert sein Claude -Code -Tool, das die Befehlszeilenautomatisierung unterstützt.

-10. Juni: Zentester wird gestartet, um die automatisierte überprüfung in AI SDLC zu bringen

Die Branche ist daran interessiert, die n?chste Wertstufe freizuschalten, indem sie von IDE-basierten Codierungsagenten zu Software-Engineering-Agenten über den gesamten Lebenszyklus der Softwareentwicklung wechseln. Diese Agenten k?nnen Probleme aus Ihrem Rückstand ergreifen, Funktionen implementieren, automatisierte Tests ausführen und die Sicherheitsscanner Ihrer CI/CD -Pipeline nutzen. Sie werden bald die Fehler, die in diesem Zyklus auftreten, selbst korrigieren.

Ich bin ein gro?er Fan von kollektiver Intelligenz und menschlichem Einfallsreichtum. In den letzten vier Jahrzehnten und 100 Millionen Ingenieuren (die immer noch der goldene Intelligenzstandard sind) hat die Branche eine hoch entwickelte Reihe von Tools und Prozessen zur Unterstützung von Software -Engineering entwickelt.

Ich hatte immer das Gefühl, dass frühe Versuche, LLMs zu trainieren, um Tools wie Compiler oder Debugger zu ersetzen, kommerziell und wissenschaftlich eine Sackgasse waren, und dass das Unterrichten von LLMs, um vorhandene Werkzeuge und Prozesse zu nutzen, eine bessere Route ist. Diese Philosophie (nutzte vorhandene Werkzeuge) hat die Branche in die zweite Generation gebracht, und jetzt führt die Philosophie (Nutzung von DEVS) zur dritten Generation.

Die Realit?tsprüfung: Wir sind immer noch in Beta

Hier ist die entscheidende Einschr?nkung: So wie der Code-Abschluss der ersten Generation aus fehlerhaftem und primitiv bis wirklich hilfreich ist, ist diese dritte Generation immer noch im Entstehung. Die F?higkeiten sind da, aber sie sind rau an den R?ndern. Planen Sie für die n?chsten sechs Monate, diese Tools alle zwei Monate neu zu bewerten-das ist ein brennendes Tempo, mit dem wir Stieffunktionsverbesserungen feststellen werden. Wie bei AI üblich, k?nnen Sie einen enormen Wert erhalten, wenn Sie ihn im richtigen Szenario mit dem richtigen Kontext bereitstellen.

Das Versprechen von 10 -fachen Ingenieuren wird zum Leben erweckt, und die gr??te Verschiebung ist in diesem Kalenderjahr. In meiner Karriere dauerte es 5-15 Jahre, bis die Generationen in einer bestimmten Softwarekategorie generationsbedingt gesehen wurde, und wir sehen sie jetzt innerhalb von 12 Monaten zweimal. Tools der ersten Generation ben?tigten starke Code-LLMs und füllende Benchmarks.

Agenten der zweiten Generation haben l?ngere Kontextfenster, Werkzeugnutzungsfunktionen und die F?higkeit, Entwicklungsumgebungen zu navigieren, erworben. Jetzt nutzen Agenten der dritten Generation bessere Modelle, mit denen Websites für End-to-End-Tests navigieren, CI/CD-Tools verstehen und mehrere Spezialagenten orchestrieren k?nnen, die zusammenarbeiten.

Was bedeutet dies für Sie

Die Branche wechselt von KI-Codierungsassistenten zu In-Ide-Coding-Agenten zu SDLC-integrierten Software-Engineering-Agenten. Jeder übergang stellt nicht nur eine Verbesserung dar, sondern eine grundlegende Neuinterpretation darüber, wie Entwickler mit KI arbeiten. Bis Ende 2025 werden die meisten Start-ups und zukunftsgerichteten Unternehmen stark in ITE-Agenten der zweiten Generation einsetzen und einen betr?chtlichen Teil der Routinearbeit in die in CI/CD integrierten Agenten der dritten Generation abladen.

Bei der Zukunft der Softwareentwicklung geht es nicht um schnelleres Tippen - es geht darum, gr??er zu denken, w?hrend KI die Implementierungsdetails umgeht. Halten Sie Ihre Augen offen, aktualisieren Sie Ihre Tools h?ufig und passen Sie vor allem Ihre Erwartungen und Bewertungen an. Das Zeitalter der Software -Engineering -Agenten ist eingetroffen und bewegt sich schneller als jeder von uns erwartet.

Das obige ist der detaillierte Inhalt vonDie drei Generationen von KI -Codierungswerkzeugen und was im Rest von 2025 zu erwarten ist. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!