@rcchen123 差不多,不过我是直接起多个 Agent 实例的,Codex 虽然慢,但是有一个优点是,额度比 Claude Code 多得多。
swananan
2 天前
@Danswerme AI Code 用好了,当然可以帮助我们学习新的语言,毕竟水平相当在线,任劳任怨,价格还低廉的老师,这个社会已经找不到了。需要警惕的是,很多不擅长不熟悉的技术细节,全部让 AI 代劳了,并且不求甚解。这样的话,不仅给项目埋下隐患,还失去了个人成长机会。
肯定还是要学习各种新的编程语言的,每个新出现的编程语言,肯定是为了解决某些痛点,采用了不同的实现方案,按自己的需求去学习新语言的解决思路是蛮有意义的一件事情。另外,我觉得虽然代码生成工作大部分被 AI 代劳了,但是作为“架构师”,连自己带的技术团队所使用的语言很多细节都把握不到位,那怎么履行架构师的职责。
写的很棒,用管理技术团队的方法论来管理 Agent ,确实是一个可以深入探讨的方向。针对 OP 提到的工作中只能使用 Copilot ,我倒是想展开说点东西。 我的工作环境比 OP 稍微好一点,可以使用(国产模型的) Code Agent ,但非 AI Native 的整套开发环境&流程确实很大程度上阻碍了 AI 的深度使用。大部分情况下,一个需求,技术相关的部分(技术方案撰写,代码编写,测试,上线部署)能占一半就很不错了,而这一半里面目前只有代码编写是可以深入使用 AI 的,其他部分受限于现有的基建,还是要回退到最原始的人工执行(或者说,正是因为这些部分 AI 无法担责,所以还需要人工执行)。 所以,在实际的生产环境上,AI 的提效还是相当有限。在充满了历史逻辑与复杂基建的业务上,Agent 相较于 Copilot ,在开发效率的提升上,很难说有质的飞跃。如何让 AI 更好地赋能这些现有的项目,可能是未来 AI Coding 需要大力钻研的方向。
HappyAndSmile
2 天前
@cover 是的,以前没 AI 辅助的时候,出活快的人也就只有出活快了,实际写的代码是一坨难以言表的东西