前一段时间和公司几个同事，其中包括一个领导沟通了关于提高工作效率的问题。
起因是小领导说看到了一些AI生成项目的本地化部署工具，用它能够帮助我们快速实现基本代码的生成。希望部署到本地，并且要把生成代码的模型放到本地推理。
希望我们能够去调研这些东西，提高我们的代码开发能力，或者是甚至代替程序员。
首先对于AI这个能够提高工作效率的工具，我是持有平常心看的，我觉得这个是可以进行代码生成，而且确实能够提高我们的工作效率。就一点，他能够生成项目结构，并能够对于简单的增删改查的功能快速开发，和前端的页面的生成有一定的作用。
但是，我对于大多数中小企业研究本地化的这种工具其实是不赞同的。
首先，我们即使有这样的本地化工具，本地化模型，对于程序员的帮助也是很有限的，因为公司的任何业务都不可能只有简答的增删改查。而是有很多的比如日志分析，视觉算法，多模态模型的内容生成，软硬件结合的落地应用等等。。。而这些，对于像一般中小企业本地化部署的代码生成模型是很难做到，或者是不能真正正确理解公司的业务需求的。需要程序员根据自己的经验，将业务的需求转换成技术的需求并拆分成合理的技术功能点去攻克的。而为了几个简单的增删改查，和几个简单的前端页面。对于小量且简单的的工作需求，而要搭上公司付出一定的人力物力和算力，实际上是不划算的
第二，我们即使没有这样的本地化代码生成工具，现在的gpt, 豆包，deepseek一样能够帮我们生成代码，我相信现在绝大多数的程序员已经在这样做了。无非多一点的是，需要把在网页上由gpt生成的代码复制黏贴到本地而已。一样能解决我们的代码生成问题。并且还有个好处，满血版的生成代码能够更准确，更好的理解我们的需求，而大部分的中小企业本地是部署不起来这样体量的大模型的。反而得不偿失。
第三，一个企业的重点其实很少是因为代码开发慢，而是这个企业的应用是不是有更好的留住用户的功能点，或者解决了用户的痛点，或者为用户提供了便利等等 诸如此类的功能点和想法。至于这些想法和功能落到真正开发成业务需求的时候，是快了一天还是两天，其实重要性并没有那么大，而且我们本来就有GPT可用。
第四，对于一个程序员，我们的核心从来不是增删改查浪费了我们多少时间，而是其中的一个尖锐的问题让我们难以解决，浪费了大量的精力。比如说，在训练多模态模型生成视频时，模型生成的背景总是过于虚拟化。比如，人脸识别算法应用的国产的算力板子上时，总是对于识别的效率非常低下等等。而解决这些问题，我们可能不需要大批量的生成代码，或许只是修改某个函数的某个参数而已，但这恰恰是需要向GPT或者豆包这样的满血版的大模型经过搜索全网经验来为我们提供解决方案的。
所以，综上所述，我承认代码生成工具的便利性，却也不认同中小企业去使用，或者把精力放在上面的想法。
甚至，并不同意某些老板认为公司挣不了钱，是因为工作效率低下。有了这样的代码生成工具，提高了工作效率，公司就能赚钱。
你觉得呢
