和很多人一样，我们一直在探讨人工智能 (AI) 和网络的未来。这涉及到很多噪声，而我们作为 Web 开发者，到底需要知道什么，我们很难知晓。
Web 团队比我们的团队大得多，因此我们想了解您对 AI 的看法、您希望学习什么，以及您希望如何利用这些新兴技术来做些什么。这样，我们才能最好地为您提供内容来消除这些干扰。
在过去的几个月中，我们与 Web 从业者进行了交流，了解了 AI 现状以及您对 AI 的看法。当然，我们不可能面面俱到所有人。我们刚刚与 Web 开发者（包括 Web Google 开发者专家）进行了一小部分对话，重点关注开发者如何使用 AI 提供面向用户的功能并提高日常工作流的工作效率。
我们认为，我们所学到的知识可能广泛适用于网络上的其他用户。我们认为社区可能有兴趣聆听我们学到的内容。
我们根据这些反馈以及针对 Web 开发者领域的其他研究，创建了新的 AI 集合。在本集合中，您可以找到面向 Web 开发者的概览、Codelab 和演示，以及有助于思考 Web 上的 AI 工具和模型的其他资源。
这仅仅是开始，未来几个月，我们将提供更多精彩体验。
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，并与聊天机器人进行交互以学习新技术或寻找其 Web 开发问题的答案。
我们采访的开发者要么已经在日常工作流中（针对业务或个人项目）使用 AI，要么认识在使用 AI 的人。
代码生成
我们从您那里了解到，代码生成工具（例如 Gemini 和 Copilot）非常适合标准单元测试、基本的自动补全功能（您知道要编写什么内容，但只需要编写这些内容）以及不需要对代码库有广泛了解的更简单的函数。在编写需要特定项目的广泛上下文的更复杂的算法代码和函数时，这些工具往往不太实用。
资深开发者提到，他们对代码库长期质量的担忧，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或不知道如何准确验证生成式 AI 工具生成的代码。
开发者还指出，他们尝试过的代码生成工具尚未正确适应需要特定领域知识的用例（例如编写可访问的组件）。
使用 LLM 学习
我们看到许多开发者使用 ChatGPT 和 Gemini 学习软件开发概念，例如要求大语言模型 (LLM) 解释排序算法的工作原理、逐渐使用各种编程语言，或缩小知识缺口。
您认为 LLM 之所以提供出色的体验，是因为问题和回答可以快速互动，而且 AI 不会批判人们提出的问题，而只是提供他们所需的答案。
再次强调，一个与初级开发者相关的一个问题：需要最低限度的知识才能捕获模型产生幻觉和生成错误响应的实例。
企业需要关注的 IP 保护
我们采访的许多开发者都表示，他们的公司尚未制定关于使用生成式 AI 提高工作效率的相关政策。对生成式 AI 工具的使用通常是由试用该工具的开发者推动的。
“我的公司通常错误理解 AI 的含义，因此没有制定合适的政策。”
但是，已制定政策的企业往往不建议使用，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联系以了解数据的使用方式和潜在风险后，这些政策会在某些情况下发生更改。
有了旨在确保数据保护的企业帐号和合作伙伴关系，企业更有可能鼓励开发者使用。
用于面向用户的产品功能的生成式 AI
在产品方面，当我们提示与“AI / 机器学习”对话时，人们的回答往往侧重于生成式 AI，这一点并不令人惊讶。开发者想知道如何使用生成式 AI 来改善其用户体验，但不确定这些体验是什么样的，以及有哪些工具可用于生产环境。
对于已在产品中构建生成式 AI 功能或正在将生成式 AI 功能构建到产品中的开发者来说，使用生成式 AI 来回答用户问题（使用聊天机器人或一次性界面）是最常见的用例。
输出质量是大家最关心的问题。具体而言，开发者希望确保响应准确无误，并力求防止 LLM 生成与预期目标无关的内容。当 LLM 的输出直接面向用户（例如聊天机器人）时，尤其如此。
“AI 的演示太疯狂了。每次我演示项目时，输出都是完全不同的。”
您正在投入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，但没有清晰且成熟的方法来测试或监控响应。大多数评估工作是手动进行的。许多开发者刚开始处理非确定性输出。作为一个社区，我们尚未构建能适应这些社区的系统。
运行生成式 AI 模型的费用也是一个重要的关注点，开发者正在仔细评估费用及其为用户带来的好处。
标准模型与自定义模型
最常见的是，我们采访的开发者倾向于使用现成的模型和 API。这样可以优化上市期，并优化对有限的工程时间和知识的使用。
“我想留在 Web 开发领域。我不想成为一名机器学习工程师。”
虽然开发者了解并看到了检索增强生成 (RAG) 和微调等高级技术的潜在价值，但您更希望专注于其工作的 Web 开发方面。最终，您更愿意使用默认工具或依赖其他团队为其用例生成优化的模型。
隐私和安全问题
隐私和安全是首要考虑因素，尤其是对于具有严格数据要求的行业，例如医疗行业。设备端 AI 可能是解决这些用例的关键，但这一领域仍有很大的有待探索。
通过 Cloud API 向更多第三方公开用户数据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隐患方面的价值。
面向 Web 开发者的 AI
AI 无处不在，并以惊人的速度发展。如何及时了解最新信息、整合现有工具和模型，或与机器学习工程师合作生成最符合我们需求的新模型？
根据从您那里了解到的信息，我们正努力为 Web 开发者提供 AI 指南。我们的目标是帮助您大致了解 AI 概念，发现使用生成式 AI 来提高工作效率的机会，以及使用 AI 利用现有工具、模型和 API 打造令人愉悦的用户体验。我们会在 AI 集合中发布更多内容，请经常回来看看。
虽然大多数 Web 开发者都希望将精力集中在自己最擅长的事情（即 Web 开发）上，但我们仍然鼓励那些想要深入了解构建 Web 开发者所需的工具、模型和 API 的开发者。我们期待收到您的宝贵意见，并了解我们可以如何帮助您取得成功。
AI 领域发展迅猛。因此，随着情况的变化，我们将继续与社区互动，开展更多的对话和调查。如果您想要与我们讨论，请与我们的团队预约咨询交流时间。