诚心问：为什么这里大多数人不太感冒 AI 写程序？

事情起因是这样的。前天的一个帖子里（ https://www.v2ex.com/t/1070885?p=1#reply35 ）大家都表示 AI 对自己的工作无用。我只是有点好奇，为什么我的感觉完全相反？所以想分享一下我的感觉和情况，很好奇大家感觉的没用是什么意义上的没有用（因为不了解专业程序员的工作流程）。

本人没学过大多数码，但是算法懂。因为工作和研究兴趣需要（ NLP ，很多很冷门的语言），也会经常坐一些很没办法要做的东西。比如分词器，就和 Andrej Karpathy 的网课跟着做，所以其实前一段时间看见他推荐 cursor ，我前天开始也就试着用。然后就觉得 AI 太有用了。我暂时感觉突然摆脱了对程序员的大多数依赖。

比如，试验阶段就很快用 prompts 做了一个全栈的、机构内部使用的工作记录论坛，感觉很兴奋。因为我之前既不会 java 、也没学过 sql 。就看着看着，debug 的时候，感觉就大概了解了构架、前端后端怎么互动的 blabla ，觉得很不错。我打算马上用现有的经验，写一个网页版的数据库，可以搜集结构化的语料 metadata （就是研究生会看古代语言的、就用这个网页进行标记并且生成结构化的元数据的 database 了，以后 training 时候用）（这样他们做习题就是 labelling slaves 了哈哈）。在之前这是想都不敢想的，肯定会想外包。但即便让专业 coder 做，也会有太多太多需要交流的小细节，比如很多语言是从右到左、从上到下，元音啊各种细节包不包括，乱七八糟的细节，这些调整交流起来会吐血（尤其是 coder 如果完全是技术部门来的），和 cursor 交流就感觉非常好，真的可以一个人把这个想了很久的事情做成。

再举一个例子，我之前也想过用 OpenAI 的 api 去导出一些专业的语料元数据，但是有一定的格式需求。我大概知道 function calling 和新的 Response format 可以实现，但是因为自己不是专业的，手笨不会做。但程序员一般都只会英语或者欧洲语言，对这些元语料的结构理解需要很多解释（因为现代语言一般语法都很简单），这是去年就一直搁置到现在。昨天突然想起来，半个小时之内就开始用 function calling 自动帮我生成 training data 了。今天打算晚点试试 response format 效果会不会更好。

所以我会感觉 ai 真厉害，尤其是很多事情可以一个人做了，会比团队快很多。可能有人觉得 AI 不会 debug ，其实不是这样的。第一，这几天 cursor+claudedev 几乎可以解决过程中 60%的错误。即便不能解决，很快要求它们解释哪部分代码是负责的，看懂之后很容易也能修好剩下的问题。（可能对程序员来说，没学过 java 看 java 的代码是荒谬的。但是实际情况是，其实 java 和 python 里也充满了自然语言，大多数问题理解了出在哪里就很容易看见并且修改。一些更高级的概念，比如类的继承啥的，单独看半个小时也基本理解了，虽然具体语句记不住但是可以问 ai 写。更复杂的 transformer 啥的框架确实要另外学懂才会改造，这个 ai 不行。还有，剩下 40%的几率 ai 即便不能完全 debug 、但可以快速定位是哪些代码，定位速度可能比有经验的眼睛还快）

是不是专业程序员写的程序都比这些任务要复杂很多，所以 ai 会失效？还是什么别的原因会觉得 ai 鸡肋呢？真心好奇，避争论。

TArysiyehua

2024-09-09 11:28:19 +08:00

我们组有专门研究 AI 代码这块，这么说吧，如果是简单的提问他还是很强的，比如 web 你多多少少懂一点，但是不是很熟悉，这时候你问它，它就很强。
但是但是，大型的商业项目它只有在某个非常具体的细节业务才有用，就是上面举例的，这是通用 LLM 的通病，所以我们需要研究专有 LLM 。
特定领域的 LLM 还有一个问题，就是大型项目无法做到基于项目来给出答案。比如说我要请求网络，基本上大型项目的网络请求，都是封装好的，所以你问 AI 给你写个网络请求，它只会用同样的网络请求，这肯定是不行的。
所以我们又研究了 Lora 跟 RAG ，但是目前看来效果并不好，还要持续研究迭代