… 我上周又尝试了Gemini，这次我准备更充分，让它逐个类进行改进，不知为何我得到了更好的答案——修改了代码，还有解释，当我让它将重构分成更小的步骤时，它也这样做了。在感恩节假期里和它一起工作非常愉快。它能够将更改分成小块，随着我逐步演化之前学到的概念进行讨论，听取我的反馈和优先级，并且还给了我关于我试图实现的业务目标的细致解释。这并不是要贬低Claude，这只是事件的叙述顺序。所以，虽然它对经验丰富的程序员可能效果不错，但对于那些了解领域或概念（或两者皆有）但苦于细节的人，它是一个非常有用的工具，因为这个工具可以帮你解决很多细节问题。我现在的目标是有一个新的项目在冬季假期，然后考虑在周末进行4-6小时的AI辅助重构。请注意，这是一个个人感兴趣的项目，所以我不打算在周末为大公司工作。
源讨论OpenAI宣布‘红色警报’，因为谷歌在AI竞赛中迎头赶上原帖 930 条评论 · 导入时统计每隔一段时间，我都会尝试一下GPT模型进行编程，然后会被其非常稀疏的对话风格所欺骗，觉得它在几天内很棒（当它什么也不说，然后就生成代码并说“我做了x、y和z”，没有那些愚蠢的“你完全正确”式的奉承，而且代码运行良好，这感觉非常好）。 但我会一直意识到这只不过是烟雾和镜子——代码的实际质量以及失败模式等等，都比Claude和Gemini差得多。
完整原文把你的经验，加入这段讨论。
我从未考虑过尝试将Claude/Gemini等模型应用于Fortran或COBOL。那会很有趣。
完整原文我对Gemini的问题是它对token的消耗太大了。它做得不错，但最终却比其他任何模型都昂贵，因为它太爱说话了。它在那里和自己争论，并输出整部电影。
完整原文将需求、功能和更改分解成更小的部分，会得到更好的结果，大多数工具都是如此。如果它能在上下文窗口中完成较小的任务，质量可能会保持。我通常会创建包含多个功能和子任务的任务文档。一次构建一个功能。提交，清除上下文，然后开始下一个功能。如果某事偏离了轨道，就回到提交点，修复并重新应用后续更改或放弃并分支。 如果我想要质量，就会这样做。如果我只是想快速原型设计，不介意的话，我会让它继续。看看我喜欢和不喜欢的地方，然后按照上面的说明重新开始。
完整原文> 我准备得更充分，并让它逐个类进行改进，不知何故我得到了更好的答案 所有LLM工具都有一个学习曲线。基本上每个人都必须经历一段幻灭的时期，当你意识到vibecoding的魔法并不像影响者所说的那样真实时。 你仍然需要参与这个过程，引导它走向正确的方向，并审查输出。拒绝大量输出并重新提示是正常的。从阅读评论来看，新用户通常会期待完美，并在工具不能为他们自主vibecoding应用程序时拒绝使用它们。说实话，这是炒作影响者承诺过的，但并不真实。 如果你把它当作一个可以更快打字和搜索的自己延伸，同时承认错误是常见的，你需要保持关注，那就有一些…
完整原文有趣。根据我的经验，Claude在涉及前端设计的某些方面比其他模型（GPT相当差）要好。Gemini也不错，但“思考”模式经常会添加我并没有要求它添加的东西，或者修改某些内容使其“更好”。它经常试图超越目标，这在你只是希望它精确地完成你所要求的事情，而不要其他任何东西时并不是很好。
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。