我在90年代开始了我的开发职业生涯，在C++中磨练了我的技能，后来在2000年代初转向了Python、Perl、Java等。然后我做了大约20年的管理职位，不再在“一线”工作，尽管我早期学到了一些扎实的软件工程规范。作为一个老家伙，我非常感激大语言模型（LLM）让我可以跳过学习曲线中陡峭的部分，从而进入任何不熟悉的语言或框架。例如，大语言模型让我能够快速掌握使用Pandas进行数据分析。除非你和Pandas一起从数据科学的原始沼泽中走出来，否则Pandas很难上手。编程的很大一部分就是学习新的API或框架。大语言模型在帮助你理解如何将概念X应用到框架Y方面非常出色。这正是它们的用武之地。每次新的大语言模型发布都会让事情变得更好，这让我更加高效，挖掘出长期以来被语言和框架变化积累的尘埃所掩埋的软件工程人才。……
源讨论由大语言模型驱动的工具增强了开发人员的能力，而不是取代他们原帖 238 条评论 · 导入时统计把你的经验，加入这段讨论。
编程的很多内容其实就是学习一个新的API或框架。 一旦你在这方面变得熟练。我最近目睹了一个初级开发人员完全依赖AI的情况，我发现这比非开发人员使用AI更糟糕：至少他们不会用自己半知半解的想法来混淆模型，也不会认为他们可以"只是写一些胶水代码"，在过程中破坏东西，然后自信地声称他们通过添加一些他们学到的术语解决了问题。 感觉更像是一台挖掘机：在正确的人手中很有用，在错误的人手中很危险。（我认为挖掘机非常有用且极其危险，我认为AI在这些方面没有那么极端）
完整原文> 数据科学的原始沼泽 每次我盯着pandas代码试图理解它时，这句话都深深触动了我。
完整原文我基本上和你有同样的感受，虽然我从没那么高级的开发者。 这些LLM工具对我来说真是强大的助力。这个特定的时刻感觉与我的知识水平完美契合。我正在尽可能快速地构建许多MVP想法。希望其中有一个能留住用户。
完整原文我也同意。我一直在用Godot做一些非常简单的游戏开发，它在帮助我掌握Godot的系统（节点、如何构建游戏、Godot API）方面出乎意料地出色，这样我就能专注于我喜欢的部分（编程游戏机制）。 当然，它并不完美，我想这可能带来一些大问题，但相比按照标准教程在YouTube上学习，它要好得多，现在我度过了初始的搭建和设置阶段，总是可以随时重构我的脚本。
完整原文是的，我完全能理解。ChatGPT恰好在我需要学习如何使用Kubernetes的时候出现，之前我用的是另一种容器编排工具。这让我学习起来容易多了。 从那以后，这一直是我的最爱用例，可以在我学习一个熟悉事物的新实现时，消除意外的复杂性。这不仅加快了我的学习过程和使用新工具的项目，还让我在面对不熟悉的工具时更有信心。这非常有价值。
完整原文我一直在用它来学习Lean，这个证明辅助语言，效果很好。代码并不总是能编译，但整体结构和方法通常是对的，这有助于理解不同的实现方式以及每种方式的优缺点和细微差别。 由此我想，AI是否能促进可证明正确代码的采用。依赖类型以难以使用而闻名，但有了AI的帮助，它们似乎会变得更容易处理。此外，从另一个方向来看也是有益的：你能在领域模型的类型系统中构建的约束越多，AI就越难产生破坏它的幻觉。任何不满足约束的内容都会无法编译。 我怀疑这一点，但还是抱有希望。
完整原文是的，我也是。我是个pandas的老手，用一个300行的pandas脚本让Claude重写为polars，这让我比任何其他方法更快地学会了polars。
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。