作为一名开发者，同时也是产品经理，我一直试图用AI来帮我写代码。我一直失败，因为上下文长度不够，因为模型输出的垃圾内容，因为缺乏任何架构等等等等。我可能真的很蠢，因为根本无法让它做任何有用的事情，除了帮助我做LeetCode。就在昨天，我尝试让它从一个简单的HTML页面中提取选择器，我试了GPT-4-turbo，试了Claude，试了Groq，还试了本地的LLama2模型，上下文窗口有128k。但它们都没能工作。这个任务虽然有点烦人，但我在大约10秒内就能完成。当然，我愿意接受在接下来的2到3天，甚至几年内，我不再手动编码。但说实话，经过这么多炒作，我开始对这种炒作感到有点恼火。只要给我一个按宣传工作的产品，我会毫不犹豫地花钱，因为我有很多想法，但缺乏代码输出！
源讨论Devin：AI软件工程师原帖 553 条评论 · 导入时统计把你的经验，加入这段讨论。
我也有同感。我最初对大语言模型（LLMs）感到兴奋，并渴望在各个地方使用它们，但随着我尝试将它们应用于日常任务，以及看到其他人也以同样的方式尝试并失败，我逐渐感到失望。 说实话，大语言模型甚至不能正确使用语言。它们生成的内容很普通，很业余，看起来像是委员会写的。GPT的表现甚至达不到中等市场的文案写手或内容营销人员的水平。我确信那些认为大语言模型可以写作的人，只是没有真正理解专业作家的工作。 对我来说，在失望之后的“生产力高原”是将大语言模型像搜索引擎一样使用。快速的独立摘要、片段或想法。这确实是一个不错的日常生产力提升，但不会让我工作得更轻松。
完整原文我开发了一个相当受欢迎的LLM工具。我认为学习何时以及如何使用它们，和当初学习如何很好地使用谷歌或判断某件事是否可以搜索一样，是一个同样大的心理障碍。 在编程领域，它确实擅长以下几件事： - 代码翻译，生成跨语言客户端。我会给它一个Go语言的单文件API后端，然后让它为该API生成TypeScript客户端。你可以添加提示，例如“使用fetch”，“允许每个请求方法有头覆盖”，“保持类型安全，使用zod”，等等 - 基本的验证测试。它在生成基本验证的模板测试方面表现不错（Opus在编写更复杂的测试方面表现更好）。 - 小模块的补全。我会写一个类/结构体的接口及其方法和一些注释，然后让它来填充。我最近做过的一个例子如下（已简化）： type CacheDir struct { dir string, …
完整原文很多初创公司都在兜售永远不需要学习编程的梦想/炒作。请注意，这只是一个炒作。如果你想构建东西，就去学习编程吧。它们只是那些已经具备有效使用它们所需知识的人的工具。
完整原文哈哈，我之前也是一样的，直到我把一切都搞砸了。我最后花更多时间与LLM聊天，而不是做任何有用的事情。我现在只用它作为参考，而且就连这一点我也不确定是否100%正确。
完整原文Claude Opus 对我来说很有效。它不完美，但它确实能很好地处理琐碎的工作，这使其成为一个净收益。比如，当我向表中添加一些新字段并让它更新所有依赖该字段的文件时，它在1或2次尝试后就能工作。虽然有节省时间的好处，但避免了繁琐工作的精神疲劳也有好处。
完整原文我认为要获得OpenAI产生有意义、有用输出，需要在你所询问的领域有多年的专业知识。我可以利用它，但有时它让我觉得「新手怎么才能提出对这种误解或遗漏的反对意见呢？」目前来看，GPTs基本上还不能满足非专家的需求。
完整原文在我们Pythagora[0]的实验中，我们发现最佳点是技术人员，他们不想知道、不知道或不关心细节，但仍然具备足够的技术能力来指导AI。此外，这并不是非此即彼的，为了达到最佳效果，应结合人类和AI的脑力，因为对人类和AI来说，什么是简单的和繁琐的有所不同，因此我们可以互补。 目前的LLM还不能胜任大型或中型项目。GPT4太慢且昂贵，而Groq虽然超级快，但开源模型还不到位。Claude则处于中间位置。我预计在接下来的12个月内，会出现一个转折点，它们将具备足够的能力、速度和可靠性，从而广泛用于这种风格的编程[1]。 [0] 我在http://pythagora.ai 有AI方面的投资，所以我是有偏见的 [1] 它已经可以很好地工作了…
完整原文我每天都在使用ChatGPT，它非常擅长： - 替代StackOverflow和库文档 - 库搜索 - 在不同格式和语言之间转换 - 解释现有代码/查询 - 反混淆代码 - 解释概念（有点靠运气） - 在调试或寻找解决方案时帮助你摆脱困境（‘给我可能的原因…’） 我觉得这其中很多事都需要提出正确的问题，这需要一定的经验。但一旦你达到这个水平，它就是一个极其有价值的助手。
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。