AI 正在改变开发者工作，GitHub 给出三项值得强化的技能

AI 正在改变开发者的工作方式以及他们运用自身技能的方式。编写代码仍然至关重要，但开发者越来越需要懂得如何指挥 AI、评估其输出、沟通权衡取舍，并做出明智的技术决策。

好消息是？你今天就可以开始准备。以下是需要重点关注的地方：

技巧 #1：学会指挥 AI，而不只是使用它。

AI 正在改变执行工作的样貌。越来越明显的是，出色的执行意味着清晰地定义问题、提供恰当的上下文、评估 AI 生成的代码，并判断哪些内容可以交付。随着 AI 智能体承担越来越多的实现工作，这些技能变得更加宝贵。

例如，假设你被要求添加一个新的身份验证流程。

传统的工作流程可能看起来是这样的：

Task: Add authentication  

→ Create branch  
→ Write code  
→ Run tests  
→ Open pull request

随着 AI 工具变得更加强大，并更深入地融入日常工作流程，这些同样的技能可以帮助你协调多个 AI 智能体。你的工作流程可能更像这样：

Workspace: Add authentication  

Agent 1 ✓ Authentication ready for review 
Agent 2 ✓ Documentation draft ready  
Agent 3 ✓ Test suite ready

注意发生了什么变化。你仍然对结果负责，但你花在亲自实现每一个环节上的时间更少了。相反，你在定义工作、审查输出，并做出将一切整合在一起的技术决策。

要点：学会指挥 AI 智能体。

开启你的第一个智能体会话 >

技巧 #2：不要轻信 AI 的第一个答案

AI 可以在几秒钟内生成令人印象深刻的解决方案，但第一个答案并不总是最好的。你编写整洁、可维护代码的经验可以帮助你评估 AI 的输出。

让第二个 AI 模型来评判第一个模型的成果，然后运用你自己的判断来评估这两个回答。

下面是一个提示词，展示了这在实践中可能是什么样子：

"Write a SQL query that returns each customer's most recent order." 
↓ 
AI Model #1 
✓ Generates the query 
↓ 
AI Model #2 (Critique) 
⚠ Doesn't handle duplicate timestamps 
⚠ Missing index recommendation 
⚠ May perform poorly on large tables

不同的 AI 模型有不同的优势和盲点。这就是为什么 GitHub Copilot 内置的 Rubber Duck 智能体会使用第二个模型，在你继续推进之前对计划、代码和测试进行评判。第二个视角往往能发现第一个模型遗漏的问题。

要点：信任 AI 到足以使用它，但不要信任到跳过审查。

技巧 #3：用 AI 解决更大的问题

当 AI 节省了实现时间，开发者可以用这些时间来解决更广泛的问题：理解客户需求、评估权衡取舍、设计更好的系统，以及做出 AI 无法替他们做出的技术决策。

例如：

Issue #4821 
Title: Add dark mode 

AI 

✓ Build implementation 
✓ Generate tests 
✓ Update documentation 

Developer checklist 

☐ Validate customer problem 
☐ Review architectural tradeoffs 
☐ Check accessibility 
☐ Define success metrics 
☐ Approve solution

随着 AI 承担更多的实现工作，那些让优秀工程师脱颖而出的技能变得更加重要：运用明智的判断、平衡权衡取舍，以及解决正确的问题。

要点：让 AI 处理更多的实现工作，这样你就能花更多时间培养判断力，帮助团队做出更好的决策。

归根结底

随着开发者工作流程的演变，学会高效地与 AI 协作——并强化你自己的技术判断力——可以帮助你适应变化。

把这些想法付诸实践 >

文章 AI 正在改变开发者的工作。以下是三项需要强化的技能。首次发表于 The GitHub Blog。