AI编码无需人类插手！Claude工程师摔断右手，竟一周狂肝3000行代码

---

新智元报道

原来，摔断胳膊也是一件幸事......

当事人表示，「我再也不想回到过去了」。

这是为何？

事情是这样的，几个月前，Claude工程师Erik Schluntz骑车上班的路上，意外摔断右手，打上了石膏。

为了生计，他不得已用左手打字。

即便如此，Schluntz依旧在Anthropic旧金山的办公室里，一周狂肝了3000行代码。

为AI编码点赞

谁也不曾想，这背后竟是AI立了大功。

他通过结合语音转文字技术，与Claude AI结队，整整写了2个月的代码。不过，必须承认的是，其中有许多是「样板代码」。

为此，Schluntz还撰写了一篇长文，题为——AI替代了我的右手。

文章中，他表示，「通过这件事，体验到了人类几乎不再需要自己编写代码的未来」。

老实说，我爱上了这种感觉。

另一位Anthropic工程师表示，通过从这件事，我们可以获得软件工程未来几年的关键一瞥。

即使右手不能使，AI是完全可以让你成为一个10倍程序猿。

那么，Erik Schluntz如何在受伤期间，能够让AI为他高效编码呢？

首先，文章开篇他最先介绍了，自己如何对AI进行设置，最终决定使用了Claude AI。

Schluntz在摔断手之前，也曾使用类似Copilot等AI代码生成工具，但主要还是「手写」。

2105年哈佛硕士毕业，Cobalt机器人公司创始人、Anthropic AI技术研究员

此外，他也使用过「语音转文字」，但也主要在手机上发短信，并未在电脑中尝试过这一功能。

好在，Mac内置语音控制在NLP处理上非常出色。

唯一不足的是，在听写任何与代码相关的内容时，Siri表现得很糟糕。毕竟，一些符号和词汇，大大超出其识别范围。

Schluntz：Eval

Siri：Eval？你想说的是Evil吗？

当然，目前有一些专门针对代码的优秀语音转文字系统，比如Talon。

但由于Schluntz对AI代码生成非常感兴趣，于是决定尝试，用自家AI去完成这项艰巨的任务。

这里没有使用Copilot，是因为其自动补全功能，对作者来说异常慢，需要开发者先写出半行代码，才能实现。

毕竟摔伤了一只手，「动嘴」还是比「动手」快。

这时，只需将大块代码库内容一键复制粘贴到Claude AI中，然后通过语音命令进行转换。

举个栗子，Schluntz会说「重构ABC函数以接受输入XYZ」或「为这些新函数ABC编写单元测试，并查看XYZ的示例测试」。

虽然Claude并不总是能在第一次尝试时成功，但它能很好地接受后续指令和调整——

「我感觉就像是，和AI进行『结对编程』，而由另一个人操作键盘」！

「被迫」这样写代码后，Schluntz很快就弄清楚了，什么样提示会生成有效代码，什么会是无效。

有时候，它非常神奇，但有时候，就连作者本人恨不得把电脑扔出窗外。

他不得不在IDE和Claude之间频繁地复制粘贴，并手动拼接被Claude输出长度限制截断的代码片段。

甚至，有几次他对Claude「提高了嗓门」，只因AI「忘记了」Schluntz之前的指令。

接下来，就看看Schluntz如何调教的Claude。

要具体，并举例说明

如果你只给出一个基本请求，LLM可能会给出一个中规中矩的通用答案，可能并不适用于你的特定代码库。

这时， 就需要给出「非常明确的指令」，来获得更优的结果。

比如，详细说明你期望的输入和输出，使用哪些库等。

Schluntz发现，将指令放在输入的开头和结尾效果最好，可以确保AI不会「遗忘」重要的上下文。

最好是，能够提供代码库示例，供AI参考。特别是，在编写单元测试、处理样板代码时，AI表现特别好。

通过示例，AI还可以学习如何使用代码库中的内部工具函数。

这当中，迁移和重构，是最完美的应用场景。

Schluntz会手动迁移一个实例，然后用它作为示例让Claude转换其余的输入。

通过这种方式，他可以快速重构大约3,000行代码。

让Claude掌舵

大多数人把LLM当作StackOverflow的替代品：他们虽是在询问方向，但仍然自己在驾驶。

Schluntz则反其道而行之。

「如果你能够给Claude正确的基础构建模块，它往往可以一次性完成整个任务」。

在周末的机器人项目中，Schluntz和朋友Survy给Claude提供了一段控制单个电机和读取蓝牙游戏手柄的代码。

通过这些构建模块，Claude能够一气呵成地编写出所有远程控制机器人的代码，节省了大量时间和繁琐的数据处理！

令人惊讶的是，这与常见的建议完全相反，即一次只向LLM提出一个问题。

尤其是，在Schluntz不熟悉的领域，Claude往往在任务分解方面表现得尤为出色。

过于具体的请求也能奏效，但有时会导致失去整体视角，类似于在没有整体背景的情况下，给出狭隘的建议。

RTFM == Read This For Me

电机控制器，有一份100页的说明书，内容繁琐且复杂。

但Schluntz和Survy将其上传到Claude，然后提问，迅速解决了其中一个问题。

在以前，这可能需要一个小时的仔细阅读，并查找相关术语和教程。

机械同理心

「你不需要成为工程师才能成为赛车手，但你必须拥有机械同理心。」

——三届F1世界冠军Jackie Stewart

渐渐地，Schluntz开始建立起一种非常好的直觉，Claude能正确处理哪些事情，以及哪些事情仍需要人类做。

了解这种区别，让他在两个方向上都避免了很多挫败感。

Schluntz学会了哪些地方可以进行简化处理：

- 「我正在使用一个名为pygame的Python库……」 简化为 「在pygame中……」

- 「当我运行你的代码时，我收到了这个错误信息……你认为我现在应该怎么做」 简化为直接复制堆栈追踪（stack trace）。

他甚至还学会了，转换或重构大块代码可以带来显著效果。例如，在每一行之间添加计时器（timing instrumentation）。

另一方面，Schluntz学到如果一个LLM在两次尝试中，无法修复一个错误，那么它永远也不能修复。这时就需要自己动手了。

他还对Claude可能会犯的错误，有了很好的直觉。

有一次，Claude给了一段代码，它循环遍历motor1, motor2, motor2, motor4，遗漏了motor3。

作者的朋友注意到这一点，并说 「这一定是幻觉」！但Schluntz能感觉到，「Claude绝不会犯这种错误」。

果然，当他们检查输入时，发现这个错误确实存在于最初放入Claude的原始代码中。

为自己构建临时工具

当Schluntz带着机器人绕着后院转了一圈后，它输出了一份包含GPS坐标和其他数据的CSV文件。

他想检查这些数据与实际情况的准确性，但并没有很高效的方法，要弄清楚如何查看和分析这些GPS坐标可能需要一个小时。

甚至，他可能会手动在手机上检查GPS坐标，用眼睛死死盯着这些数字，害怕漏掉其中一行。

这次，Schluntz将CSV文件的前两行提供给Claude。

它立即生成了一个网页APP，可以在卫星图像上渲染上传的GPS坐标CSV文件！

拥有恰好符合我需求的完美调试工具，而不用依赖print语句或预先构建的可视化工具，彻底改变了局面。

AI让软件开发变得如此便宜，以至于它可以为特定任务创建一次性工具！

总的来说，这些经验和教训让Schluntz在使用AI写代码时，变得更高效！

没有AI工具，这就像是放弃编译器，改为手写汇编语言一样。

在文章的最后，Schluntz将AI编程划分为三个阶段：

过去1-2年

过去的几年里，AI在软件工程中的最大用途是，在IDE中使用Copilot自动补代码，或是通过ChatGPT查询代码知识（以往需要去StackOverflow寻找答案）。

以及，通过一些智能体，在没有人类监督情况下辅助编程，执行多个步骤，但这些并不实用。

今年

2024年，这三个领域都在发生变革。

诸如Zed、Cursor和各种VSCode扩展这样的IDE，深入地整合了大模型，拥有更完美的上下文，还能处理更大块的代码生成。

Claude Artifacts、ChatGPT的Data Analyst取代了Jupyter Notebook。它们已经成为作者的原型开发工具，和一次性代码的首选解决方案。

最后，一批如Cognition、Factory、CodeGen等智能体初创公司，正在端到端地自动化某些工作流程。

未来1-3年

Schluntz认为，未来1-3年，会出现真正的「AI工程师」。

也就是说，这三个领域可能会融合成一个产品——「AI工程师」，一个可以在自主模式和同步模式之间连续工作的系统：

1. 自主模式适用于范围明确的任务

AI将完全独立工作，具备编写和运行代码、使用外部工具、搜索网络信息、访问内部文档以及从过去错误中学习的能力。它会不断迭代任务，直到完成或遇到瓶颈。这将占据80%的工作量。

2. 配对编程模式适用于最难的任务

人类将在高层次上指导AI，而AI负责处理低层次的实现细节。互动将是高度多模态的，人类和AI将在文本描述、视觉图表、口头讨论和直接操作彼此代码之间无缝切换。你可能会共享屏幕，让AI跟随并给出建议和意见，或者AI共享它的屏幕，而你在它操作时给予指导。

除此之外：

- AI工程师将拥有与你作为员工时相同的所有背景信息和知识

AI将连接到公司的知识库，访问你的设计文件和客户访谈记录。无论是自主操作还是与人类配对，AI都能在需要时无缝地提取这些信息以做出决策。

- AI工程师将是主动的而不是阿谀奉承的

如果你提出一个设计建议，AI会提供用户访谈记录，并提出更好的建议。

AI工程师将为其工作中的简单和可预测部分派遣更便宜的子智能体，从而降低计算成本和延迟。就像你可以浏览日志文件而不必逐字阅读一样。

在Schluntz看来，AI工程师在特定方面将比大多数人类工程师更聪明，但有时会缺乏常识或者需要重新集中注意力并接受指导。