新智元报道
编辑：英智
从代码补全到全流程开发，AI 正以前所未有的速度改变软件开发的规则。本文深入解析了 L1 到 L5 五个等级的 AI 编程工具，展望了 AI 编程的全面自动化。
AI 恰似一把神奇的钥匙，悄然开启了编程领域的全新大门。
从代码补全到项目级自动化，AI 的角色从「助手」转变为「工程师」，甚至是「开发团队」，极大地改变了软件开发的传统格局。
借鉴自动驾驶的术语，AI 编程工具可以划分为 L1 到 L5 五个等级。接下来将详细介绍。
2025 年 1 月 AI 编程领域可视化图
L1：代码补全
从基础功能层面来看，以 GitHub Copilot 为代表的 L1 级工具，主要聚焦于代码补全。
开发者常常会面临一些重复、繁琐的代码输入，这类工具极具实用价值，通过智能建议与代码补全功能，能极大地简化编码流程。
在现代开发环境中，L1 级的代码补全工具已经极为普遍，为更先进的 AI 编程工具奠定了坚实的基础。
GitHub Copilot 擅长代码补全
代码补全（L1）产品
L2：任务自动化
L2 级别的工具专注于任务级自动化，LLM 如 ChatGPT 便属于这一范畴。
这类工具擅长处理各种开发任务，能够依据描述性提示来开发新功能、修复漏洞以及重构代码。
然而，在实际使用过程中，使用 LLM 进行编码任务也面临着一些挑战。例如，它需要精心设计的提示以及相关源代码上下文，才能生成高质量的代码，而手动创建提示既耗时又繁琐。
为了解决这一问题，一些工作流自动化工具应运而生，如命令行工具 aider 和桌面应用程序 16x Prompt，它们能够简化提示生成过程，帮助开发者从 LLM 中获取高质量代码。
此外，Cursor、Continue 和 PearAI 等集成开发环境（IDE）及其扩展，能够将 LLM 无缝集成到开发环境中，为开发者提供更友好的交互界面，让他们在开发过程中能够更便捷地与 LLM 互动，实现编程任务的自动化。
任务级自动化（L2）产品
L3：项目自动化
L3 代表着项目级自动化的早期阶段，像 Codegen、Sweep 和 Pythagora 这样的工具，具备分析项目需求并生成相关拉取请求的能力。
L3 级工具的一个关键特性在于，它们能够通过与项目管理工具（如 Jira）和源代码平台（如 GitHub）集成，实现软件开发多个步骤的自动化，包括需求收集、代码生成、拉取请求创建和部署。
然而，目前这些系统尚处于初级阶段，仅能管理较为简单的编码项目，并生成基本的代码片段。在实际应用中，还需要人工进行干预，以确保代码的质量和相关性，这在一定程度上限制了它们的自主性。
另外，还有一些工具，如 Vercel 的 v0、Tempo Labs 的 Tempo 和 CerebrasCoder，能够帮助用户创建网站，但通常专注于软件技术栈中的某一部分，例如前端开发。
项目级自动化（L3）产品
L4：AI 软件工程师
L4 标志着从人类驱动编码向 AI 驱动软件开发的关键转变，开发过程能够实现从产品需求到生产部署的完全自动化。
这一级别的工具，如 Devin、Marblism 和 Cosine 的 Genie 等，旨在访问终端和部署工具，管理整个开发活动的流程。
用 Marblism 制作的示例项目
SWE-bench 验证排行榜（截至 2024 年 12 月 19 日）
这些先进的系统不仅能够解读产品需求、管理代码部署，还能维护生产环境中的软件，充分体现了 AI 软件工程师的角色。
它们的出现，能让非技术人员在短短几分钟内，就能从零开始创建一个功能完整的软件产品，大大降低了软件开发的门槛。
AI 软件工程师（L4）产品
L5：AI 开发团队
在 L5 级别，AI 编程进入了一个全新的领域，可能涉及一个包含多个 AI 软件工程师的 AI 系统。这些 AI 代理能够协作完成项目，各自专注于软件开发的不同方面。
微软的论文《AutoDev》提出，智能体能够从智能体调度器（Agent Scheduleer）接收目标和对话历史，并根据规则和动作配置做出响应。不过，该论文目前仅使用单个 GPT-4 智能体来进行评估。
参考资料：https://arxiv.org/html/2403.08299v1
这一类别中的另一个产品是 MGX，由 MetaGPT 团队设计，目前处于等待名单阶段。
随着 GPT-5 预计在 2025 年发布，AI 开发团队的梦想正逐渐从蓝图走向现实。
我们可以预见，在不久的将来，AI 系统能够复制整个软件开发团队，在软件创作的各个方面进行编程和协作，真正实现软件开发的高度自动化。
AI 开发团队（L5）产品
如何选择适合的 AI 编程工具？
面对如此丰富多样的 AI 编程工具，开发者应如何选择呢？这需要依据自身的需求和项目的复杂程度来决定。
如果仅仅是需要代码补全功能，那么 L1 级别的工具，如 GitHub Copilot，就能够满足需求。
对于更复杂的任务，如功能开发和漏洞修复，可以使用 L2 级别的 LLM，如 ChatGPT 或 Claude 3，并结合工作流自动化工具，如 aider 或 16x Prompt。
倘若你勇于尝试新事物，对项目级自动化感兴趣，那么 L3 级别的工具，如 Codegen 或 Sweep，将是一个不错的起点。
开发者不必局限于使用单个级别的工具，完全可以根据实际需求，组合使用不同级别的工具。
例如，在遇到简单的代码补全任务，能够在 5 秒钟内解决的，可使用 GitHub Copilot；而对于那些需要花费几分钟来精心设计提示的复杂任务，则可以借助 ChatGPT 和 16x Prompt 来处理。
AI 在编程领域所扮演的角色，正经历着快速的演变。从最初仅能为开发者提供基本语法层面的辅助，到如今已深度渗透至软件开发生命周期的每一个环节，实现全流程的管理与赋能。
随着 AI 技术的不断成熟，未来将会涌现出更加复杂、强大的工具，它们将彻底重塑编程领域，让开发者能够专注于高层次的任务，而将软件开发的常规工作交由 AI 来处理。
从代码补全到全方位开发支持，AI 正在重新定义软件开发的未来。
参考资料：
