与许多人一样，我们一直在讨论人工智能 (AI) 和网络未来。信息非常杂乱，很难知道我们作为 Web 开发者需要了解哪些内容。
与整个网络相比，我们的团队不过是沧海一粟。因此，我们希望了解您对 AI 的看法、希望学习的内容，以及希望如何利用这些新兴技术。这样，我们就能为您提供最适合的内容，帮助您摆脱信息洪流的困扰。
在过去几个月里，我们与 Web 从业者进行了交流，以了解当前形势以及您对 AI 的看法。当然，我们不可能与所有人谈论所有事情。我们仅与一小部分 Web 开发者（包括 Web Google 开发者专家）进行了对话，重点讨论了开发者如何使用 AI 来提供面向用户的功能，以及如何在日常工作流程中提高工作效率。
我们认为，我们学到的知识可能广泛适用于网络上的其他人。我们认为，社区可能对我们学到的知识感兴趣。
我们根据这些反馈以及对 Web 开发者领域的其他研究，创建了新的 AI 合集。在此合集中，您将找到面向 Web 开发者的概览、Codelab 和演示，以及其他资源，帮助您了解 Web 上的 AI 工具和模型。
但这只是开始。在未来几个月内，您会看到我们推出更多新功能。
利用生成式 AI 提高工作效率
我们注意到，Web 开发者希望利用生成式 AI 来提高工作效率，并与聊天机器人互动，以学习新技术或寻求 Web 开发问题的答案。
我们采访的开发者要么已在日常工作流程中（无论是商业项目还是个人项目）使用 AI，要么认识正在使用 AI 的人。
代码生成
我们从您那里了解到，Gemini 和 Copilot 等代码生成工具非常适合标准单元测试、基本自动补全（您知道要写什么，但只是需要写出来）以及不需要广泛了解代码库的简单函数。在编写需要特定项目广泛上下文的更复杂的算法代码和函数时，这些工具往往不太有用。
资深开发者表示，他们担心代码库的长期质量，包括代码重复和长期可维护性方面的问题。有些人担心，经验不足的团队成员可能无法检测到错误，也不知道如何准确验证生成式 AI 工具生成的代码。
开发者还表示，需要特定领域知识的用例（例如编写无障碍组件）尚未得到他们尝试过的代码生成工具的正确处理。
使用 LLM 进行学习
我们看到许多开发者使用 ChatGPT 和 Gemini 来学习软件开发概念，例如让大型语言模型 (LLM) 解释排序算法的工作原理、快速掌握不同的编程语言或弥补知识缺口。
您认为 LLM 提供了出色的体验，因为问题和回答之间的互动非常快速，而且 AI 不会批评提出的问题，只会提供所需的答案。
再次强调，对于经验较少的开发者，我们担心他们需要具备最低限度的知识才能发现模型产生幻觉并生成错误回答的情况。
IP 保护作为一项业务问题
我们采访的许多开发者表示，他们的公司尚未制定相关政策，允许开发者使用生成式 AI 来提高工作效率。 生成式 AI 工具的使用通常是由开发者进行实验推动的。
“我们公司普遍不了解 AI 的含义，因此无法制定正确的政策。”
不过，制定了相关政策的企业往往会禁止员工使用生成式 AI，因为他们担心公司的知识产权 (IP) 会泄露给第三方。在直接与这些工具背后的公司沟通，了解数据的使用方式和潜在风险后，我们有时会更改此类政策。
通过企业账号和合作伙伴关系，可以确保数据保护，因此企业更愿意鼓励开发者使用。
面向用户的产品功能的生成式 AI
在产品方面，当我们使用“AI / ML”一词提示对话时，回答往往侧重于生成式 AI，这并不令我们感到意外。开发者很想知道如何使用生成式 AI 来改善用户体验，但不太确定这些体验是什么样的，以及有哪些工具可用于在生产环境中提供这些体验。
对于已在产品中构建或正在构建生成式 AI 功能的开发者来说，使用生成式 AI 通过聊天机器人或一次性界面回答用户问题是最常见的用例。
我们了解到，输出质量是您最关心的问题。具体而言，开发者希望确保回答准确无误，并防止 LLM 生成与预期目标无关的内容。当 LLM 的输出直接面向用户时（例如聊天机器人），这一点尤为重要。
“AI 演示太疯狂了。每次演示我的项目时，输出结果都完全不同。”
您投入了大量精力来创建测试套件，以验证各种提示的生成式 AI 输出，但没有明确且已确立的测试或监控回答的方法。大部分评估工作都是手动完成的。 许多开发者不熟悉如何处理不确定性输出。作为一个社区，我们尚未构建出能与它们良好协作的系统。
运行生成式 AI 模型的费用也是一个重要的考虑因素，开发者正在仔细评估费用与用户收益之间的关系。
标准模型与自定义模型
我们采访的开发者大多倾向于使用现成的模型和 API。这优化了产品上市时间以及工程时间和知识的使用，而这些资源是有限的。
“我想继续从事 Web 开发工作。我不想成为机器学习工程师。”
虽然开发者了解 RAG 和微调等高级技术，并看到了其中的潜在价值，但您更希望他们专注于工作中的 Web 开发方面。最终，您更倾向于使用默认工具，或者依靠其他团队来生成针对其使用情形的优化模型。
隐私权和安全问题
隐私权和安全性是首要考虑因素，对于医疗行业等数据要求严格的垂直行业尤其如此。设备端 AI 可能是解决这些使用情形的关键，但这一领域在很大程度上仍未得到探索。
通过云 API 将用户数据暴露给更多第三方是一个令人担忧的问题，许多开发者都看到了设备端机器学习或生成式 AI 在缓解潜在隐私和安全风险方面的价值。
面向 Web 开发者的 AI
AI 无处不在，并以惊人的速度发展。我们如何才能及时了解最新动态，将现有工具和模型纳入考虑范围，或者与机器学习工程师合作开发最符合我们需求的新模型？
根据我们从您那里了解到的情况，我们正在制定面向 Web 开发者的 AI 指南。我们的目标是帮助您从宏观层面了解 AI 概念，发现利用生成式 AI 提高工作效率的机会，并使用现有工具、模型和 API 通过 AI 构建出色的用户体验。我们会在 AI 合集中发布更多内容，请继续关注。
虽然大多数 Web 开发者都希望专注于自己最擅长的领域（即 Web 开发！），但我们鼓励那些想要深入了解的开发者构建 Web 开发者所需的工具、模型和 API。我们希望听到您的反馈， 了解如何帮助您取得成功。
AI 是一个快速发展的领域。因此，随着情况的变化，我们将继续与社区互动，开展更多对话和调查。如果您想与我们讨论，请预约与我们团队的在线咨询时段。