匿名投稿：《AI 的笨是可知的，小弟的笨是不可知的》
来自一位大厂朋友的经验分享，谈他在用 AI 辅助写代码的感受：
**我们的 AI 写码之旅**
我们的挑战：
1. **编程语言：Rust**，可以说是“专门为 AI 负优化”的语言。
2. **产品：特殊设计的操作系统**，几乎没有任何现成的参考。
3. **自研的第三方库**，包括 RPC、异步调用等，大部分库只有我们自己在用。
我们经历了几次迭代，目前还没有为 Rust 专门调优 LLM。
**初始阶段**
1. 使用通用的代码补全与生成模型做 tab 补全。
2. 使用通用的 Chat 模型进行跨文件代码生成、解释以及生成单元测试等。
这个阶段整体表现不佳。只有 tab 补全在一些简单情况下偶尔能有用。由于 LLM 对我们的系统一无所知，一旦遇到特定领域内容，LLM 就会开始“瞎猜”。
**第二阶段**
我们把项目代码放进去对 LLM 进行微调。
在这一阶段，LLM 勉强理解了一些系统相关的内容，能生成部分相关代码，但准确性依然不高，尤其在我们逐步废弃一些旧组件、引入新组件的过程中，LLM 容易混淆。毕竟当前文件里旧组件的使用频率可能比新组件更高。
简单的单元测试和基础的 setup 代码，LLM 能生成一些，但通常还是需要人工改动；复杂的部分几乎没戏，尤其是 setup，AI 往往“乱来”。
但好的一面是，代码解释的效果好了很多。总结下来就是：它能省下一部分工作量，但离省下全部还有很大差距。
一个明显的好处是，我减少了和初级开发沟通的次数。有些设计，只要我把分割做得足够清晰，给出合适的提示，AI 就能完成个七七八八。
之前的工作流是：我设计、分割，自己搞定难点，把简单的、重复的工作交给小弟，或者写好 demo 再分配任务。
现在的工作流是：我设计、分割，难的部分自己搞定，剩下的交给 AI。说实话，有时候感觉更累了 😂
但至少，AI 的“笨”是可以预见的，而小弟的“笨”却难以预料。
举个例子，有一次我把 demo 都写好了，调试通过，只需要小弟加两个测试就能交付。结果小弟愣是“搞”了一个月... [捂脸]
网页链接
来自一位大厂朋友的经验分享，谈他在用 AI 辅助写代码的感受：
**我们的 AI 写码之旅**
我们的挑战：
1. **编程语言：Rust**，可以说是“专门为 AI 负优化”的语言。
2. **产品：特殊设计的操作系统**，几乎没有任何现成的参考。
3. **自研的第三方库**，包括 RPC、异步调用等，大部分库只有我们自己在用。
我们经历了几次迭代，目前还没有为 Rust 专门调优 LLM。
**初始阶段**
1. 使用通用的代码补全与生成模型做 tab 补全。
2. 使用通用的 Chat 模型进行跨文件代码生成、解释以及生成单元测试等。
这个阶段整体表现不佳。只有 tab 补全在一些简单情况下偶尔能有用。由于 LLM 对我们的系统一无所知，一旦遇到特定领域内容，LLM 就会开始“瞎猜”。
**第二阶段**
我们把项目代码放进去对 LLM 进行微调。
在这一阶段，LLM 勉强理解了一些系统相关的内容，能生成部分相关代码，但准确性依然不高，尤其在我们逐步废弃一些旧组件、引入新组件的过程中，LLM 容易混淆。毕竟当前文件里旧组件的使用频率可能比新组件更高。
简单的单元测试和基础的 setup 代码，LLM 能生成一些，但通常还是需要人工改动；复杂的部分几乎没戏，尤其是 setup，AI 往往“乱来”。
但好的一面是，代码解释的效果好了很多。总结下来就是：它能省下一部分工作量，但离省下全部还有很大差距。
一个明显的好处是，我减少了和初级开发沟通的次数。有些设计，只要我把分割做得足够清晰，给出合适的提示，AI 就能完成个七七八八。
之前的工作流是：我设计、分割，自己搞定难点，把简单的、重复的工作交给小弟，或者写好 demo 再分配任务。
现在的工作流是：我设计、分割，难的部分自己搞定，剩下的交给 AI。说实话，有时候感觉更累了 😂
但至少，AI 的“笨”是可以预见的，而小弟的“笨”却难以预料。
举个例子，有一次我把 demo 都写好了，调试通过，只需要小弟加两个测试就能交付。结果小弟愣是“搞”了一个月... [捂脸]
网页链接
