GitHub博客：AI正在改变开发者职业阶梯，提出三项技能调整建议
GitHub官方博客发文称，写代码仍属必要，但开发者需要学会指挥AI、评估其输出、沟通权衡并做出技术判断。文章给出三项建议，并以GitHub Copilot的Rubber Duck agent为例说明用第二个模型复核代码的做法。
GitHub官方博客发布由Gwen Davis撰写的文章，称AI正在改变开发者的工作方式与技能应用方式。文章认为，写代码仍然必要，但开发者越来越需要懂得指挥AI、评估其输出、沟通权衡并做出可靠的技术决策。
文章将内容分为三项建议，并给出示例流程与提示词，说明AI参与后开发者角色和步骤的变化。
建议一：学会指挥AI，而不只是使用它
文章称，随着AI agent承担更多实现工作，良好的执行意味着清晰定义问题、提供正确上下文、评估AI生成的代码，并决定哪些可以交付。
文中用一个例子对比流程：传统工作流是“添加认证→创建分支→写代码→运行测试→打开拉取请求”；AI深度集成后，工作区可能变为“添加认证”，多个agent分别就绪认证代码、文档草稿和测试套件。
文章称，开发者仍对结果负责，但花在逐项实现上的时间减少，更多是定义工作、审查输出并做技术决策。
- 传统流程示例：添加认证→创建分支→写代码→运行测试→打开拉取请求
- AI参与后示例工作区：agent 1认证代码就绪、agent 2文档草稿就绪、agent 3测试套件就绪
- 文章称开发者仍需对最终结果负责
建议二：不要相信AI的第一个答案
文章称，AI可以快速生成看似不错的方案，但第一个答案不一定最好。开发者编写干净、可维护代码的经验，有助于评估AI输出。
文中建议让第二个AI模型批评第一个模型的成果，再由开发者自行判断。示例提示词为“写一条SQL查询，返回每位客户最近一次订单”；文章称第二个模型可能指出未处理重复时间戳、缺少索引建议、在大表上可能性能不佳等问题。
文章提到，GitHub Copilot内置的Rubber Duck agent使用第二个模型来批评计划、代码和测试。文章称，第二个视角常能发现第一个模型遗漏的问题。
- 示例提示词：Write a SQL query that returns each customer's most recent order
- 第二个模型可能提示：未处理重复时间戳、缺少索引建议、大表性能可能不佳
- GitHub Copilot的Rubber Duck agent使用第二个模型审查计划、代码和测试
建议三：用AI处理更大范围的问题
文章称，当AI节省实现时间后，开发者可以把时间用于理解客户需求、评估权衡、设计更好的系统，以及做AI无法替他们做的技术决策。
文中以“Issue #4821 标题：添加深色模式”为例：AI完成实现、生成测试、更新文档；开发者检查清单包括验证客户问题、审查架构权衡、检查可访问性、定义成功指标和批准方案。
文章总结称，随着AI承担更多实现工作，可靠判断、平衡权衡和解决正确问题等能力更重要。
- 示例中AI负责：实现、生成测试、更新文档
- 示例中开发者清单：验证客户问题、审查架构权衡、检查可访问性、定义成功指标、批准方案