最新

作为一名终身程序员和企业家，我想说，2-4-8倍的AI生产力提升仅仅是个开始。与AI出现之前相比，我目前在16周内的编码生产力达到了40-50倍，并且这个数字还在不断增加，我正在努力寻找方法与更多程序员分享这些技巧。大家好，HN... 我用代码行数来衡量，虽然我知道这不是一个完美的指标，但这是我能用的量化指标，我也有能力了解它的局限性并说，这是真的。我在高中时就编写和销售软件。27岁时，我将一家公司卖给了谷歌，而我为这家公司编写了大约一半的代码（Neotonic [1]）。在那家初创公司中，我每年编写多达60,000行的Python、C和HTML模板。现在，借助AI，我平均每周能产生这么多代码……持续了16周。我在33岁时基本上退休，而现在我52岁，依然每天都在编码。 我使用AI模型的方式与我所知道的大多数人有所不同。我把它们当作一种“文字计算器”来使用，并不会像它们很聪明那样依赖它们。（它们并不聪明。在软件设计权衡方面，它们的表现保守地比高级架构师差100倍，但它们知识丰富且工作非常迅速。它们是你一直希望拥有的“实习生”。） 我通过至少以下三种关键方式来实现这一点： 1. **我在编码时关闭思考。** 我将设计时间的思考和阐述前置，形成设计规范和实现规范，因此在AI编码时，我已经自己解决了所有的模糊性。因此，我关闭思考（或将其调到最低），这样AI就不会重新审视我已经解决的问题。这一点尤其重要，因为我的代码库现在超过了350,000行的相互关联的分层抽象，而不是一个一次性的移动应用。 2. **我保持连接并阅读大部分的文字聊天输出，** 当AI说出任何与我脑海中的设计不符或错误的内容时，我会立即停止它。因为这表明LLM的上下文不一致，它误解了某些内容。 3. **我设计编码优先级以从A到B。** 就像我自己会做的那样，安排功能开发的顺序，以最小化架构风险，消除未知因素，在复杂性层叠之前感受到事物的成型。然后为我们正在处理的部分构建尽可能多的AI可见迭代循环。我会在可能的情况下使用第三方的参考（例如，针对Skia进行像素精确的字体和形状测试，而不仅仅是凭眼睛判断）。我决定这种细节的有用程度，然后将LLM放在一个能够成功的位置。 简而言之，仍然是我在以我的方式构建软件。我尽力让AI在每个阶段都反映我会如何做，因为我发现这个过程更具生产力。我尝试过更多的放手和不干预的替代方案，结果是快速跳跃后又花费整整一天去理清一些AI产生的混乱，代码库在达到60,000行时就变得错综复杂，曾两次陷入困境。 LLM可以一次性编码一个移动应用。它们可以从研究论文中实现一个大致正确的算法，有时也能制作出半漂亮的用户界面。但它们（目前为止）无法直觉出满足你需求的正确权衡。它们无法决定构建什么软件，为什么要构建它，哪些软件部分应该为未来的灵活性而构建，哪些则是现在的实用性。它们无法判断哪些算法最适合现实世界的需求，所有这些都无法做到。 而它们在这些领域的表现比不知道还要糟糕。它们自信地阐述垃圾信息，完全是废话。因此，成为与AI编码高效合作的最有价值的技能，就是能够快速阅读，以跟上进度，并识别出优秀执行与废话之间的区别。 [1] https://en.wikipedia.org/wiki/Neotonic_Software

我是一个电影制作人，对于那些专注于自动化剪辑而不是帮助艺术家实现他们创作愿景的AI视频编辑器感到相当沮丧。最近我对Claude是否能够为我的素材进行调色产生了好奇，于是我创建了Pico。结果发现Claude有时确实可以做到这一点！ 如果你有任何问题，或者想尝试自己的素材，或者想为这个项目贡献力量，请随时联系我！如果你是研究人员或业余电影制作人，我很乐意和你交流，探讨如何让模型在这方面变得更好！

我构建了一个完全本地的工具，这样Claude就可以搜索并查看我所做的一切，而不需要我一直复制粘贴截图。

也许这就像商标一样，我们不应该知道。<p>对我来说，每周的重置时间是（一直以来都是？尽管其他用户界面/用户体验/模型变化，但始终如一）东部时间星期四下午4点，无论天气如何，无论计划如何。<p>根据我对软件发布周期/迷信/智慧的了解，这感觉可能是一次性完成。这真是疯狂！<p>有人知道吗？如果重复了，抱歉！