ai 水平高低取决于使用者水平

普通的被坑了哪里都不知道呢 还更麻烦

问一个好问题确实很重要。

@clino 那是现在 ai 能力不行，长期来看不会
同时，会有架构师（或者 ai 架构师）去做系统模块划分，一个具体业务模块就那么点代码，bug 是有限的

现在人怎么解决系统的 bug ，未来 ai 就怎么解决

ai 编程的本质是否是将自然语言映射到机器语言，如果自然语言可以编程，那为什么还要使用代码，不如直接用汉字编程就得了...或者就是像目前已有的框架一样，一步一步整合提升代码可读性，无限逼近自然语言，代价就是损害运行性能。

其实就是语言逻辑的能力。不过 llm 也是在不断进化，gpt3.5 刚出来，各种 prompt 技巧，现在浪潮一波接一波，技巧也早荒废了

@dgthyiolyjmyt2 有知道具体哪几家在做这个功能了吗？我去试试看有没有内测版可用的

@clino #19
目前 AI 的溯源推理能力很弱，人类查 bug 是跳跃式的，大概知道出错位置，在定位范围内寻找查错；而 AI 可能要全程代码及参数数据喂给它，也不一定能完成，更别说只告诉它错误信息和代码片段了

@pureGirl 之前也看到类似的观点，ai 直接将自然语言转化为机器语言，毕竟机器更了解机器。不过还是很遥远。

@Morriaty
https://github.com/dzhng/deep-research

@66beta 提示词写明不懂不要瞎编，有一点效果

@NoOneNoBody 对于比较难查的 bug ，人类会来回琢磨做各种假设和实验，步骤可以很长
但是我的重点不是在这里，我想说的是如果 AI 生成的代码人类都不懂，那么人类怎么知道 AI 是不是自己也不明白其实是在用各种幻觉瞎搞一气呢？

一个可能的解法是 AI 编写各种单元测试 case 要求过，反正把 AI 生成的代码当黑盒用，反正功能能搞定就行，但是这样有可能会发生 AI 一直解决不了让 test case pass 的问题。

同意，各行各业就目前阶段来说还是要跟 AI 提出具体的“问题”，回答的才能更加准确。但是怎么更加准确还是需要人为去判断，如果 AI 给出的回答结果是比人能理解的结果能加难懂，那么此结果对于问题提出人来说就不知是否正确。
所以，是不是可以理解为，AI 不会比我聪明，目前只是解放我的人力（如果靠我自己学习，或者花时间是不是也能实现），而还没到达代替的阶段。如果 AI 要进化到代替人，那只能是 AI 做到我们怎么做也无法做到的事。

@pkoukk AI 会反问啊, 你加上一句: 有不清楚的地方问我.
就可以了

@clino 测试驱动开发感觉还靠谱一些

目前我的使用体验是必须明确告诉 AI 你要干什么，出问题了自己要有解决的思路，不然 AI 会顺着错误的方向越走越远。

@hancai2 反了吧，要真是“转换为机器语言”，那应该生成的是二进制指令才对。目前的 LLM 都是模仿的人类思维，其算力也会降低到人类思维的水平。
随便拿个 CPU 秒算的数学运算，LLM 得写一整页草稿才能算出来，还很可能因为专注度问题算不对。

LLM 的 Tokens 数，专注度，以及幻觉问题，都是压在头顶的大山。
这几个问题不解决，那就还是只能用于辅助编程，成为不了真正的程序员。

为什么对本质上还是靠概率猜的程序有这么高的期待？

https://x.com/interjc/status/1894649888723603503
"我不知道 AI Native 的开发者们怎么样了

就在今天，项目上出现了一个线上问题，换用了 N 个最新模型越改越乱，无奈之下我只好亲自看代码、看文档、一点点把问题修复了

我估摸着如果不是有古法开发的底子，可能就只能删库重开了吧

下图中是 Grok 给出的兜底方案"

我最近的一个需求问 Claude 3.5 Sonnet ，它给的几个方案都是次优的

最后我把我的方案方案和他一说，它马上又开始附和我了，并夸赞这个方案比之前的方案好，好在哪里

现阶段的 AI 都是苟且的，说实话我不担心它夺走我的工作

AI 一个很现实的作用是提问者必须清晰的描述问题和提供上下文，在这个过程中实际上加深了提问者对问题的认识。AI 很多时候能给出不少方案，这也有利于扩展思路