我之前持怀疑态度，但大约3-4个月前，我的最近经历完全不同。背景：我们是ChatBotKit的创建者，从早期就开始部署AI代理（大约两年前）。现在，我们的系统显然在自我改进。我不是在夸大其词（从我在Reddit上的怀疑态度可以自己判断），但我们确实到了代码可以编写代码的阶段，质量也大幅提升。这并没有像我预期的那样崩溃。我不知道为什么会这样。是因为我们的经验，代码库的架构，还是更好的模型？最后一点肯定起了很大作用，但也有许多基础层让一切变得更简单。这是一个框架，所以添加新插件比从头开始编写整个框架要容易得多。这对招聘意味着什么？对我而言，很明显我们现在可以用更少的人做更多的事情，而一年前我并不希望这样。…
源讨论取代开发者的反复梦境原帖 522 条评论 · 导入时统计把你的经验，加入这段讨论。
我也看到了这一点，但我觉得有一个区别很重要：人工智能并不是在取代思考，而是在改变瓶颈所在。 你提到系统是自我改进的，代码质量有了巨大提升。但现在的约束因素不再是执行，而是大规模的判断。 当人工智能将构建时间从几周缩短到几小时时，新的瓶颈就变成了保持对实际变化的了解。你需要知道竞争对手发布了什么，有什么研究结果，以及50多个来源中出现的模式。 通用的 ChatGPT 无法做到这一点。它不知道你关心什么。每次它都从头开始。 真正的问题是，你如何构建一个了解你优先级的个人人工智能，来过滤噪音？现在杠杆作用就在这里。 对未来的前景感到兴奋 :)
完整原文同意。我不知道这会创造还是消除工作，但这确实是我们之前看到的另一个层次。 过去两个月以来，将LLM（大语言模型）甚至互联网级别的发明称之为“不足”。 你可以看到，过去几个月，从所有有经验的开发者中都出现了这种情绪的转变。
完整原文我的猜测是：每次我们改进文档、添加静态分析、编写测试、让API更清晰等等，这些项目“学习”到了东西。一旦新的代理通过阅读AGENTS.md开始上岗，它们就会比之前“聪明”一些。 也许在某些阈值之后，改进会变得容易一些，这取决于LLM和项目本身？ 作为一名业余程序员，我觉得自己被提升到了“秃头老板”的位置。
完整原文但文章中的假设仍然成立。如果你想添加一个新功能，你仍然需要仔细思考并告诉AI如何实现它，并验证结果。 你可能能够用更少的资源做更多的事情，但每一次技术进步都是如此。 关于你的经验，听起来你的代码库质量非常好，这使得AI能够很清晰地理解系统并对其进行改进。 但我可以想象，你的代码库并不是自己变成这个状态的。
完整原文如果这些代理如此强大，为什么 ChatBotKit 不是一个价值数百亿美元的成功的上市公司，而只是一个包装过的 ChatGPT 呢？如果你能用这么少的资源做到这么多事情，为什么实际上并没有变成一家盈利的公司呢？有什么借口？ 人们真的需要知道一家十年后可能不存在的公司的一堆代码有什么值得关心的吗？
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。