氛围编程 AI coding
结论
- 人类需要掌握高级的架构/设计，底层的工作已经被编译器和AI替代了
- 目前AI还只能接受明确的任务，如果有循环依赖，嵌套的问题，就是很理想了
- 如果需要一个比较巧妙的、高度定制的、高性能的实现或者设计，AI还不能很好的实现
- 如果需要一个基本功扎实，执行力高，速度快，那么AI将是完美的给你打下手的助理
氛围编程是一个Agent推理应用的非常典型的场景
- 编程具有容错性，不像自动驾驶等，要求准确度很高
- 软件工程领域在过去数十年间积累了极其完善的数字化工具链，编译器，CICD，等等
- 协作模式非常合理，依赖于软件工业的发展，编程协作非常成熟，让AI编程能快速嵌入到工作中，并不断正向迭代
- 大量的低维度训练数据，归整的数据集
- 标准的输入输出，可以构造出足够复杂，但是又容易理解的，低维度的归整的输入
陷阱
- 当用户习惯于直接接受 AI 生成的代码而不加审查时，代码库的复杂性并没有消失，只是被隐藏了。
- 高层级的软件架构，大型软件的架构和高层级的抽象一样，是LLM难以克服的障碍