2031年,编程可能变成审查由智能体构建的拉取请求并解决判断性问题——例如如何为过期卡片退款——而不是编写代码。文章认为,AI是继FORTRAN、编译器、库和Copilot之后,用于自动化编码任务的最新工具,而程序员会转向更难的问题。采用率很高,但信任度仍参差不齐;一项METR研究发现,经验丰富的开发者使用AI后虽然感觉更快,实际上花了更长时间。随着代码生成变得更便宜,审查和验证成为瓶颈,团队可能需要为初级开发者建立新的学徒制。作者预测,团队会更小,软件会更多,规格和测试会成为主要产物,单用户工具会更多,变更会有来源标签。最终,AI不会终结编程;它会把人类转向决定应该存在什么,以及检查其是否正确。
Trail of Bits 和 OpenAI 发布了两个 Codex 插件,patching-bugs 和 regression-hunt,用于标准化 AI 辅助修补和回归检查。patching-bugs 通过三臂证明、不变量引导修复和集成回归分析来复现 bug、开发修复并测试。regression-hunt 将变更代码追踪到真实接口,在真实部署中复现候选问题,回放证明并判定回归;初步测试中,其误报比基线代理减少 25%,但某些已知回归仍处于边界情况。这些插件基于 Patch the Planet 经验和四项原则构建:简洁且有明确立场的指导、模块化技能、严格输入/输出模式,以及每个声明对应的实时 PoC。它们最适合配合项目特定的 THREAT_MODEL.md 和 PATCHING_GUIDELINES.md 文件使用,这些文件定义漏洞、回归、构建/测试期望和修补标准。目标是在 AI 加速漏洞发现的同时,更快、更安全地修复 bug。