全球首位AI软件工程师 Devin;2000万份数据探寻「工作难找」的真相;产品经理AI修炼手册;<电子书>AI帮我快速学Pyhton | ShowMeAI日报
👀日报&周刊合集 | 🎡生产力工具与行业应用大全 | 🧡 点赞关注评论拜托啦!
🉑 全球首位AI软件工程师 Devin:这次破大防的是程序员们
3月12号,Cognition Labs 在其X账号推出了全球首位AI软件工程师 Devin,其表现随机引发了全球IT界的关注。
虽然官方之发布了演示 Demo 片段,但其展现出的能力带给程序员们极大的震撼:Devin 熟练掌握全栈开发技能,能自主学习并快速掌握新技术,能端到端地构建和部署应用程序,能自己排查和修正 bug,甚至还能训练和微调自己的AI模型。
最让人感到震撼的是,用户只需输入一句指令,Devin 就能端到端完成整个开发项目 😮 ⋙ 查看演示视频
据官网介绍,Devin 在 SWE-bench 基准测试中的表现,碾压全球其他所有大模型:在没有人类帮助的情况下,Devin 可以解决**13.86%**的问题。相比之下,GPT-4 只能处理1.74%的问题,而且还需要人类告诉它需要处理哪些文件。
这次好像,,狼真的来了 😨
开发团队介绍,Devin 已经通过一家顶级AI公司的实际工程面试,还在 Upwork 平台上完成了很多项真实的工作任务!!全球程序员们,还有与他们密切协作的产品经理们,紧迫感瞬间拉满~
不过,似乎,也不用那么紧迫 🧐
Andrej Karpathy 大神转帖并阐述了他的观点:软件自动化的进程可能类似于「自动驾驶」,有一个逐渐增加自动化、减少人类参与的过渡周期,大致进程可以分为:
-
初始阶段:人类手动编写代码。
-
辅助阶段:GitHub Copilot 等工具开始自动完成一些代码行
-
扩展阶段:ChatGPT 等工具能够编写更大块的代码
-
集成阶段:使用更高级的工具 (如Cursor copilot++风格) 处理越来越大的代码差异。
-
未来展望:协调开发者需要使用的各种工具 (如终端、浏览器、代码编辑器等) 进行编程 (就像 Devin),并在更高抽象层次上提供人类监督
这极大地改变了软件工程各岗位的协作方式,并且对编码器的用户界面和用户体验 (UI/UX)设计提出了全新的挑战。不过,也有声音表示,Devin 的演示 Demo 很短且不排除有夸张的部分 (我们经历过很多了),所以真实效果仍需检验。
Devin 拍了怕「程序员」,整个IT大厦跟着晃了一下 👋👋👋
👀 Devin 很厉害但还不够,连「初级软件工程师」都胜任不了
在可预期的相当长一段时间内,Devin 不可能取代软件工程师。
一方面,人类工程师的岗位职能是多样的,除了编程,还有用户需求洞察、复杂问题拆解、协作沟通思考等等。AI的能力远不能覆盖所有技能。
另一方面,哪怕是在「编程」这个方向,Devin 展示出的能力也不太「够用」——人类最初级软件工程师的工作复杂度,足以让 Devin 崩溃。
为了解释清楚这个观点,就要先介绍一下「SWE-bench」这个基准测试。
其实,SWE-bench 已经是更接近现实的基准测试了,它包含了 2,294 个来自 GitHub 的实际问题和拉取请求,这些任务要求AI有更深层次的理解 & 与代码的交互,因此测试成绩能够比较真实地展示AI的能力。
所以,Devin 在 SWE-bench 上正确解决了 13.86% 的问题,的确展示出了远超以往的技术水平,说明 Cognition Labs 团队非常优秀。
但是!对比一下人类开发者的实际工作,就会发现 SWE-bench 基准测试的复杂度一般。
拿「修复bug」这类测试举例。
SWE-bench 要求 Devin 修复的是编程竞赛算法库中的常见 bug:一般涉及到一个特定的算法问题,而且通常有明确的输入和输出,以及有一个或多个已知的解决方案。这种类型的任务正式AI擅长的。
然而,真实世界中的软件开发通常要复杂得多,开发者们在修复bug时,可能需要面对多系统交互、并发和性能问题、用户反馈和需求变更、代码维护和重构等等问题。而这些挑战并没有体现在 SWE-bench 基准测试里。
总之!莫慌!Devin 短时间内对不会替代人类软件工程师!反而,Devin (这类AI 工具) 会成为优秀的助手,帮助人类将日常任务自动化,释放出更多时间和创造力~
🉑 2000万份岗位数据,揭露程序员「工作难找」的残酷真相
一项调查显示,25%的工程师们花了一年才找到新工作。这在过去几年是完全不可想象的!!
作者分析了2022年11月1日至2024年2月21日期间的2000万个技术岗位空缺,想一探究竟:到底发生了什么?!AI是这一切的罪魁祸首吗?
哪些工程岗位 (例如机器学习、数据科学、前端、后端) 的需求增长和下降最多?
增长:AI研究科学家和机器学习工程师的需求显著增长,其中AI科学家的职位空缺增长了80%,机器学习工程师增长了70%。这表明这些角色目前非常受欢迎。
下降:其他类型的工程师需求减缓,特别是移动工程师、前端工程师和数据工程师的职位空缺比一年前下降了超过20%,目前不那么受欢迎。
各工程岗位的薪资在过去一年中如何变化?
过去一年中,尽管AI人才的需求激增,但在高生活成本城市 (如旧金山、纽约和西雅图) 的薪资并没有显著增长。实际上,考虑到通货膨胀,薪资与之前是基本持平的,即使是AI科学家和机器学习工程师的薪资也是如此。
哪些技能/技术/语言的需求增长和下降最多?
-
增长:自然语言处理 (NLP) 技能的需求增长最为显著,增长了 155%。计算机视觉的需求增长较少,可能是因为其应用场景更为专业化,而 LLMs (大语言模型) 的职位空缺增长了惊人的 3000%。
-
下降:Rust 编程语言需求增长显著,而 Ruby on Rails 的受欢迎程度持续下降。React的需求虽然下降,但仍在从Angular和Vue中抢占市场份额。
公司在裁员后是否比之前招聘了更多的AI人才?
裁员后,公司在招聘AI人才方面没有显著增加。虽然在裁员后三个月内,与裁员前相比,进行裁员的公司平均增加了20%的AI相关职位空缺,但总体职位空缺也增加了24%。这表明裁员和增加AI人才招聘之间没有直接关系。公司可能因为其他原因 (如过度招聘、高利率和成本效率措施) 进行裁员,而不是为了转向AI战略。
SO!结论是!AI技术爆发与这轮技术岗位裁员,木有明显关系~ 不过呢,各个岗位的工程们可以把AI技能学起来了,可以考虑转到更更受欢迎的AI科学家、机器工程师等方向,还能为即将到来的 LLM 浪潮做准备 🥳
👀 但是产品经理笑了:欢迎 Devin!这下可以大展拳脚了~
相较于程序员们的悲观与焦虑,产品经理们对 Devin 展示出积极的善意!
一方面,填写工单、用户故事、规范文档、战略备忘录、分析数据、总结用户反馈等等,这些繁琐的工作终于可以交给AI了!!
另一方面,想办法让领导过审项目需求、保持工程师和设计师的积极性、与用户沟通并洞察真实需求等「核心技能」,还是AI短时间内攻不破的堡垒~
还有就是,AI可以预见地将大幅提升整个团队的效率,换句话说,小团队也很有可能搞出「大动静」,极大拓展了创意落地的想象空间 👀
作者提到了 Kraftful 这家公司正在研发面向产品经理的 Copilot,,旨在通过自动化和智能化的工具来提高产品经理的工作效率,感兴趣可以关注下 👇
🉑 产品经理的AI修炼手册:AI 技术进步,将极大拓展 PM 岗位版图
想成为被AI加持的产品经理,需要从哪些方面进行努力呢?不妨看看这篇教程!
作者非常清晰地列出了各项技能清单,而且明确说,不用担心自己没有技术背景,只要保持热情地学习,实现目标就是完全有可能的!而且已经有很多这样的例子的~
AI + 产品经理 = ?
-
岗位职责:识别何时使用AI、理解客户需求、研究最新AI模型、构建概念验证(PoC)、与工程团队合作将AI模型整合到产品中。
-
注意事项:技术与用户需求之间找到平衡;可能需要阅读白皮书、听播客、亲自尝试工具,并理解不同模型适用的问题类型。
AI技术可能带来变革的领域?
-
大语言模型(LLM)在聊天机器人、搜索、情感分析等方面的应用
-
预测分析在库存管理、患者护理、客户流失预防等方面的潜力
-
合成数据生成在测试数据和调查响应中的应用
-
多模态应用如何结合视觉和语言处理
-
AutoML 如何简化机器学习模型的训练过程
-
……
日常工作必备的AI工具
-
工具清单:ChatGPT、Perplexity、AutoML 平台、Replit等等。
-
工具作用:可以帮助进行高效的产品发现、原型设计和用户测试。
仍应坚守的基本原则
- 追求技术进步的同时应坚持基本的原则,比如深入了解用户需求、专注于提供增量价值、使用工具进行实验、持续学习AI的最新发展,并始终将伦理和透明度作为工作的核心。
AI技能将成为产品经理的标配
产品经理们要尽早行动,积累AI相关经验,并且为即将到来的技术突破做好准备。熟练掌握AI技能的产品经理,更有可能成为未来的行业领航者。
🉑 借助 AI 学会 Pyhton 编程:所有人都能轻松敲代码的时代要来了
ShowMeAI知识星球资源编码:R240
这本书很有意思,主要内容是教你在 GitHub Copilot 和 ChatGPT 的帮助下,快速搞定 Python 编程。
随着AI的普及,编程的门槛也会随之降低,直到大多数人都能轻松上手。比如,就像使用手机和电脑一样,操作 Devin (成熟版) 开发个应用出来。而人工智能领域最受欢迎的编程语言就是 Python。
是时候学起来了!勇敢的人先享受世界~
阅读这本书不需要编程背景,但应该具备基本的计算机素养。书籍会总结讲解展示原理、代码、代码运行结果解析等内容,所以你的电脑上需要安装 GitHub Copilot 和 ChatGPT (或者同类型软件)。
随着内容的展开,读者可以学会用 Copilot 编写 Python 代码,并且理解代码是否符合预期;还可以在不符合预期时,知道如何处理。这本书主要目的,是在实战中教会你 AI+Python 并完成任务目标,而不是照本宣科的讲 Python 的基础知识。
以下是书籍的详细大纲,感兴趣可以前往星球下载电子版 (PDF,英文版)!👆 网站可以在线阅读,还可以直接 COPY 代码!
AI辅助编程与Copilot入门
探讨如何与计算机对话
技术简介
Copilot如何改变我们学习编程的方式
Copilot还能为我们做些什么?
使用Copilot时的风险与挑战
我们需要掌握的技能
对AI代码助手(如Copilot)的社会担忧
开始使用Copilot
准备你的计算机开始学习
系统配置
在Visual Studio Code中与Copilot协同工作
解决Copilot的常见问题
我们的第一个编程问题
设计函数
函数概述
函数的优势
函数的作用
函数的合理任务是什么?
与Copilot一起设计函数的循环过程
用Copilot创建高效函数的实例
阅读Python代码(第一部分)
为什么我们需要阅读代码
让Copilot帮助解释代码
你需要了解的十大编程特性(第一部分)
介绍函数、变量、条件判断、字符串、列表
阅读Python代码(第二部分)
你需要了解的十大编程特性(第二部分)
介绍循环、缩进、字典、文件、模块
测试与提示工程
测试代码的重要性
封闭测试与开放测试
如何测试你的代码
重新审视与Copilot设计函数的过程
完整的测试示例
另一个完整的测试示例:文件测试
问题分解
问题分解概念
自顶向下设计的小例子
识别作者身份
使用自顶向下设计识别作者身份
分解过程子问题
自顶向下设计的总结
实现我们的函数
进一步探索
调试与深入理解代码
错误(bug)的成因
如何定位bug
如何修复bug(找到后)
根据新技能调整工作流程
应用调试技能解决新问题
使用调试器深入理解代码
调试的注意事项
自动化日常繁琐任务
程序员为何要创建工具
如何使用Copilot编写工具
示例1:清理电子邮件文本
示例2:为PDF文件添加封面页
示例3:整合手机照片库
制作游戏
游戏程序简介
引入随机性
示例1:猜数字游戏(Bulls and Cows)
示例2:Bogart游戏
未来展望
提示模式
当前局限性与未来趋势
感谢贡献一手资讯、资料与使用体验的 ShowMeAI 社区同学们!
◉ 点击 👀日报&周刊合集,订阅话题 #ShowMeAI日报,一览AI领域发展前沿,抓住最新发展机会!
◉ 点击 🎡生产力工具与行业应用大全,一起在信息浪潮里扑腾起来吧!