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