… 3. 我的（可能具有专有性质的）解决方案如何得到保护？（例如，我的公司何时才能在专有环境中托管一个可行的训练好的模型？）" 我想说的是，我的想法是有价值的，因为对于AI生成的世界来说，这些问题的当前答案（按我的看法）并不理想。但是，世界不是静止不变的。在某个时候，AI代码生成器将变得10倍甚至100倍强大。我确信，总有一天，这些代码生成器将轻松超越我20多年的经验。而且，公司托管的训练好的AI模型很可能会实现。而上下文存储和重用将（由于需求）找到解决方案。而信任最终将通过“事实胜于雄辩”的逻辑来实现。基本上，如果没有关于AI的法律，我的项目几乎没有一线生机。我知道这种情况迟早会发生，但我之前认为可能需要5到10年的时间。现在，我意识到，可能只需要5到10个月。
源讨论展示HN：我们正在构建一个由AI代理驱动的开源IDE，这些代理会为你工作原帖 175 条评论 · 导入时统计把你的经验，加入这段讨论。
不是原帖作者，但我一直把类似的技术作为爱好来玩。 >1. AI学习阶段使用的来源是否可信？（例如，模型什么时候能足够成熟，以避免一些潜在的问题解决方案？） 很可能不可靠，但对大多数领域来说，审查代码应该比编写代码更快。 >2. AI生成的解决方案如何长期维护？ 我想你不会保存原始提示。当你想做更改时，只需给AI当前的项目和要做的更改列表。Copilot现在已经可以做到一定程度了。你可能需要一些创造性的提示来绕过上下文大小的限制，比如给它整个项目的框架，然后只在需要时提供实际代码。 > 我的公司什么时候才能在专有环境中托管一个可行的训练模型？ 希望很快。微调过的LLaMA不会是可行的。…
完整原文谢谢提问。我稍后会回复。我现在在火车上，阅读和写作会让我的胃不舒服
完整原文> 给定一个数据模型和关于数据的信息（关系、意图、分组等），输出一个完全可部署的服务。从单元测试到容器定义，以及我所能想到的中间所有内容（文档、OpenAPI规范、日志转发器等） AWS在Amplify中大致有一个这样的工具。数据映射部分非常棒，但其余大部分都很糟糕。我想问的是，这些部分是由于设置本身的性质而糟糕，还是只是Amplify有奇怪的假设
完整原文尊重不同观点，分享具体经验。
登录后即可发帖、评论、转发和引用。