每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领域的领跑者。点击订阅,与未来同行! 订阅:https://rengongzhineng.io/
大型语言模型(LLM)将彻底改变软件工程师编写代码的方式。上周末,有人利用基于LLM的集成开发环境(IDE)Cursor构建了一个副项目,整个过程中没有亲自编写一行代码。这个项目通常需要一周时间完成,但现在只花了一个周末(没有赞助)。
尽管LLM并不完美,但它们非常擅长处理编程中那些重复、乏味的部分。
新的工作方式
当你可以通过一个命令生成整个功能代码时,开发流程发生了有趣的变化。抛弃现有代码并通过调整提示词重新生成代码,效率远高于调试已损坏的代码。这种方法加快了开发速度,但也导致对代码的理解较少。有几次,代码在局部看来合理,但从全局看问题明显,例如,一个简单的错误是同时存在两个相互冲突的数据模型。如果自己手写代码,显然可以避免这种设计失误。
此外,LLM还让打印调试变得比使用调试器更好。过去,调试器可以快速检查程序状态,但现在无需手动编写打印语句,LLM可以轻松通过一个提示插入高质量的打印语句,并且清理起来也一样简单。
再见,Google
大多数情况下,LLM提供的答案比Google更直接,不需要阅读冗长的教程或Stack Overflow的回答。以下是两次必须使用Google的例子:
- 特定问题:想让Chrome扩展覆盖当前页面,但不改变DOM,LLM总是给出注入DOM的明显答案,而Google提供了更适合的解决方案。
- 奇怪的错误:如果没有注册信用卡,OpenAI API会返回429错误(请求过多)。LLM给出了缓存和限速的解决方案,逻辑合理但无效。Google搜索显示问题源于未绑定信用卡。
学习如何使用LLM
要充分利用LLM,需要知道如何有效地提出问题。经过几天的使用,可以逐渐了解其擅长和不擅长的领域:
- 擅长:
- 小范围的变更:小算法基本能做到完美。
- 基础UI:轻松生成简单美观的项目界面。
- 代码转换:几分钟内将Vanilla Javascript转换为Typescript。
- 不擅长:
- 超出代码范围的更改:无法可靠地设置环境或跨项目目录引用。
- 开放式功能:功能越模糊,提示词失败的可能性越大。
用户的首选模型是Claude-3.5-sonnet,运行快速且大部分时候效果不错。当Claude遇到困难时,用户会切换到更强大的OpenAI的O1-preview模型,虽然效果更好,但速度较慢且成本较高。理想情况下,未来的LLM工具能够根据任务难度自动选择模型。
现阶段的关键技能
尽管LLM让开发变得更快,但仍存在许多限制,处理这些限制的关键技能包括:
- 高级规划和设计:LLM在详细的算法调整上表现出色,但对于功能路线图和技术设计,它们还不足以胜任。
- 调试能力:虽然LLM可以帮助排查一些错误,但它们有时连一些明显的错误也难以解决。
值得注意的是,LLM在处理简单的全栈应用时表现优异,因为这类项目有许多公开的训练数据样本。但对于那些具有前沿性或私有性代码的行业应用,LLM的效果将大打折扣。
LLM的代码生成能力可以替代编写简单且范围明确的代码,但这并不意味着AI会取代开发者的工作。经过一段时间的使用,你会发现AI距离真正接管编程任务还有很长的路要走。
标签:彻底改变,AI,代码,擅长,Google,LLM,编写 From: https://blog.csdn.net/2301_79342058/article/details/142471190