人工智能编码工具现在可以在几分钟内生成数千行代码，帮助公司更快地构建功能、测试和解决问题。但人工智能生成代码的泛滥仍然需要考虑。大语言模型可以生成表面上看起来干净的代码，但隐藏了一些小错误，例如不正确的假设、安全漏洞或仅在部署后发生的细微错误。解决这个问题可能会破坏人工智能高生产率的承诺。 公司正在通过修改代码来应对人工智能代码折磨的冲击。新的策略正在出现：除其他方法外，工程师在开始人工智能编码之前检查蓝图，使用特殊的人工智能代理来检测常见缺陷，向人工审查发送危险的更改，或者要求开发人员保护其代理生成的代码。 随着人工智能生成代码的兴起给工程团队带来了新的压力，这一转变随之而来。在对 1100 多名开发人员的调查中 声纳在一家人工智能代码测试初创公司中，受访者估计人工智能贡献了他们添加到共享代码库的代码的 42%。然而，虽然开发人员发现人工智能对于解释代码和构建代码原型很有用，但 96% 的开发人员对最终的功能缺乏信心。 投资者看到了缩小这一差距的机会。比如8月AI码评CodeRabbit上线 筹集了1.43亿美元 该公司价值 15 亿美元，声称每周为 17,000 名客户处理超过 200 万条评论，其中包括 […]