相信很多大家對AI編碼無需人類插手！Claude工程師摔斷右手，竟一周狂肝3000行代碼還不知道吧，今天菲菲就帶你們一起去了解一下~.~！

【新智元導讀】一次意外右手骨折，Claude工程師的工作竟被AI挽救了。近兩個月的時間，他們一起結對編程，甚至在一周內肝出3000行代碼。他瘋狂暗示，未來1-3年，就是「AI工程師」的天下。

原來，摔斷胳膊也是一件幸事......

當事人表示，「我再也不想回到過去了」。

這是為何?

事情是這樣的，幾個月前，Claude工程師Erik Schluntz騎車上班的路上，意外摔斷右手，打上了石膏。

為了生計，他不得已用左手打字。

即便如此，Schluntz依舊在Anthropic舊金山的辦公室里，一周狂肝了3000行代碼。

誰也不曾想，這背后竟是AI立了大功。

他通過結合語音轉文字技術，與Claude AI結隊，整整寫了2個月的代碼。不過，必須承認的是，其中有許多是「樣板代碼」。

為此，Schluntz還撰寫了一篇長文，題為——AI替代了我的右手。

文章中，他表示，「通過這件事，體驗到了人類幾乎不再需要自己編寫代碼的未來」。

另一位Anthropic工程師表示，通過從這件事，我們可以獲得軟件工程未來幾年的關鍵一瞥。

即使右手不能使，AI是完全可以讓你成為一個10倍程序猿。

那么，Erik Schluntz如何在受傷期間，能夠讓AI為他高效編碼呢?

初始設置

首先，文章開篇他最先介紹了，自己如何對AI進行設置，最終決定使用了Claude AI。

Schluntz在摔斷手之前，也曾使用類似C o p i l o t等AI代碼生成工具，但主要還是「手寫」。

2105年哈佛碩士畢業(yè)，Cobalt機器人公司創(chuàng)始人、Anthropic AI技術研究員

此外，他也使用過「語音轉文字」，但也主要在手機上發(fā)短信，并未在電腦中嘗試過這一功能。

好在，Mac內置語音控制在NLP處理上非常出色。

唯一不足的是，在聽寫任何與代碼相關的內容時，Siri表現(xiàn)得很糟糕。畢竟，一些符號和詞匯，大大超出其識別范圍。

就比如:

當然，目前有一些專門針對代碼的優(yōu)秀語音轉文字系統(tǒng)，比如Talon。

但由于Schluntz對AI代碼生成非常感興趣，于是決定嘗試，用自家AI去完成這項艱巨的任務。

這里沒有使用C o p i l o t，是因為其自動補全功能，對作者來說異常慢，需要開發(fā)者先寫出半行代碼，才能實現(xiàn)。

畢竟摔傷了一只手，「動嘴」還是比「動手」快。

這時，只需將大塊代碼庫內容一鍵復制粘貼到Claude AI中，然后通過語音命令進行轉換。

舉個栗子，Schluntz會說「重構ABC函數(shù)以接受輸入XYZ」或「為這些新函數(shù)ABC編寫單元測試，并查看XYZ的示例測試」。

雖然Claude并不總是能在第一次嘗試時成功，但它能很好地接受后續(xù)指令和調整——

「我感覺就像是，和AI進行『結對編程』，而由另一個人操作鍵盤」!

調教Claude

「被迫」這樣寫代碼后，Schluntz很快就弄清楚了，什么樣提示會生成有效代碼，什么會是無效。

有時候，它非常神奇，但有時候，就連作者本人恨不得把電腦扔出窗外。

他不得不在IDE和Claude之間頻繁地復制粘貼，并手動拼接被Claude輸出長度限制截斷的代碼片段。

甚至，有幾次他對Claude「提高了嗓門」，只因AI「忘記了」Schluntz之前的指令。

接下來，就看看Schluntz如何調教的Claude。

如果你只給出一個基本請求，LLM可能會給出一個中規(guī)中矩的通用答案，可能并不適用于你的特定代碼庫。

這時， 就需要給出「非常明確的指令」，來獲得更優(yōu)的結果。

比如，詳細說明你期望的輸入和輸出，使用哪些庫等。

Schluntz發(fā)現(xiàn)，將指令放在輸入的開頭和結尾效果最好，可以確保AI不會「遺忘」重要的上下文。

最好是，能夠提供代碼庫示例，供AI參考。特別是，在編寫單元測試、處理樣板代碼時，AI表現(xiàn)特別好。

通過示例，AI還可以學習如何使用代碼庫中的內部工具函數(shù)。

這當中，遷移和重構，是最完美的應用場景。

Schluntz會手動遷移一個實例，然后用它作為示例讓Claude轉換其余的輸入。

通過這種方式，他可以快速重構大約3，000行代碼。

大多數(shù)人把LLM當作StackOverflow的替代品:他們雖是在詢問方向，但仍然自己在駕駛。

Schluntz則反其道而行之。

「如果你能夠給Claude正確的基礎構建模塊，它往往可以一次性完成整個任務」。

在周末的機器人項目中，Schluntz和朋友Survy給Claude提供了一段控制單個電機和讀取藍牙游戲手柄的代碼。

通過這些構建模塊，Claude能夠一氣呵成地編寫出所有遠程控制機器人的代碼，節(jié)省了大量時間和繁瑣的數(shù)據(jù)處理!

令人驚訝的是，這與常見的建議完全相反，即一次只向LLM提出一個問題。

尤其是，在Schluntz不熟悉的領域，Claude往往在任務分解方面表現(xiàn)得尤為出色。

過于具體的請求也能奏效，但有時會導致失去整體視角，類似于在沒有整體背景的情況下，給出狹隘的建議。

電機控制器，有一份100頁的說明書，內容繁瑣且復雜。

但Schluntz和Survy將其上傳到Claude，然后提問，迅速解決了其中一個問題。

在以前，這可能需要一個小時的仔細閱讀，并查找相關術語和教程。

「你不需要成為工程師才能成為賽車手，但你必須擁有機械同理心。」

——三屆F1世界冠軍Jackie Stewart

漸漸地，Schluntz開始建立起一種非常好的直覺，Claude能正確處理哪些事情，以及哪些事情仍需要人類做。

了解這種區(qū)別，讓他在兩個方向上都避免了很多挫敗感。

Schluntz學會了哪些地方可以進行簡化處理:

- 「我正在使用一個名為pygame的Python庫……」 簡化為 「在pygame中……」

- 「當我運行你的代碼時，我收到了這個錯誤信息……你認為我現(xiàn)在應該怎么做」 簡化為直接復制堆棧追蹤（stack trace）。

他甚至還學會了，轉換或重構大塊代碼可以帶來顯著效果。例如，在每一行之間添加計時器（timing instrumentation）。

另一方面，Schluntz學到如果一個LLM在兩次嘗試中，無法修復一個錯誤，那么它永遠也不能修復。這時就需要自己動手了。

他還對Claude可能會犯的錯誤，有了很好的直覺。

有一次，Claude給了一段代碼，它循環(huán)遍歷motor1， motor2， motor2， motor4，遺漏了motor3。

作者的朋友注意到這一點，并說 「這一定是幻覺」!但Schluntz能感覺到，「Claude絕不會犯這種錯誤」。

果然，當他們檢查輸入時，發(fā)現(xiàn)這個錯誤確實存在于最初放入Claude的原始代碼中。

當Schluntz帶著機器人繞著后院轉了一圈后，它輸出了一份包含GPS坐標和其他數(shù)據(jù)的CSV文件。

他想檢查這些數(shù)據(jù)與實際情況的準確性，但并沒有很高效的方法，要弄清楚如何查看和分析這些GPS坐標可能需要一個小時。

甚至，他可能會手動在手機上檢查GPS坐標，用眼睛死死盯著這些數(shù)字，害怕漏掉其中一行。

這次，Schluntz將CSV文件的前兩行提供給Claude。

它立即生成了一個網(wǎng)頁APP，可以在衛(wèi)星圖像上渲染上傳的GPS坐標CSV文件!

總的來說，這些經(jīng)驗和教訓讓Schluntz在使用AI寫代碼時，變得更高效!

沒有AI工具，這就像是放棄編譯器，改為手寫匯編語言一樣。

未來會怎樣?

在文章的最后，Schluntz將AI編程劃分為三個階段:

過去1-2年

過去的幾年里，AI在軟件工程中的最大用途是，在IDE中使用C o p i l ot自動補代碼，或是通過ChatGPT查詢代碼知識（以往需要去StackOverflow尋找答案）。

以及，通過一些智能體，在沒有人類監(jiān)督情況下輔助編程，執(zhí)行多個步驟，但這些并不實用。

今年

2024年，這三個領域都在發(fā)生變革。

諸如Zed、Cursor和各種VSCode擴展這樣的IDE，深入地整合了大模型，擁有更完美的上下文，還能處理更大塊的代碼生成。

Claude Artifacts、ChatGPT的Data Analyst取代了Jupyter Notebook。它們已經(jīng)成為作者的原型開發(fā)工具，和一次性代碼的首選解決方案。

最后，一批如Cognition、Factory、CodeGen等智能體初創(chuàng)公司，正在端到端地自動化某些工作流程。

未來1-3年

Schluntz認為，未來1-3年，會出現(xiàn)真正的「AI工程師」。

也就是說，這三個領域可能會融合成一個產(chǎn)品——「AI工程師」，一個可以在自主模式和同步模式之間連續(xù)工作的系統(tǒng):

1. 自主模式適用于范圍明確的任務

AI將完全獨立工作，具備編寫和運行代碼、使用外部工具、搜索網(wǎng)絡信息、訪問內部文檔以及從過去錯誤中學習的能力。它會不斷迭代任務，直到完成或遇到瓶頸。這將占據(jù)80%的工作量。

2. 配對編程模式適用于最難的任務

人類將在高層次上指導AI，而AI負責處理低層次的實現(xiàn)細節(jié)?；訉⑹歉叨榷嗄B(tài)的，人類和AI將在文本描述、視覺圖表、口頭討論和直接操作彼此代碼之間無縫切換。你可能會共享屏幕，讓AI跟隨并給出建議和意見，或者AI共享它的屏幕，而你在它操作時給予指導。

除此之外:

- AI工程師將擁有與你作為員工時相同的所有背景信息和知識

AI將連接到公司的知識庫，訪問你的設計文件和客戶訪談記錄。無論是自主操作還是與人類配對，AI都能在需要時無縫地提取這些信息以做出決策。

- AI工程師將是主動的而不是阿諛奉承的

如果你提出一個設計建議，AI會提供用戶訪談記錄，并提出更好的建議。

AI工程師將為其工作中的簡單和可預測部分派遣更便宜的子智能體，從而降低計算成本和延遲。就像你可以瀏覽日志文件而不必逐字閱讀一樣。

在Schluntz看來，AI工程師在特定方面將比大多數(shù)人類工程師更聰明，但有時會缺乏常識或者需要重新集中注意力并接受指導。

實際上，這與今天經(jīng)理和產(chǎn)品經(jīng)理與工程師合作的方式并沒有太大區(qū)別。

我們還需要工程師嗎?

正如計算器的發(fā)明并沒有讓會計師失業(yè)，而是提升了他們的工作，使他們能夠在更高的抽象層次上進行思考。

會計師仍然需要知道如何做數(shù)學運算和理解計算，但像計算器和電子表格這樣的工具使他們能夠創(chuàng)造比以前更多的價值。

類似的，AI也會降低創(chuàng)建軟件的門檻，就像任何人都可以使用Excel做個人會計一樣。

學生們可以在宿舍里啟動完整的應用程序和業(yè)務，小型工作室也可以為自己創(chuàng)建量身定制的軟件工具。

這時，創(chuàng)造力將會是唯一的瓶頸。

人類工程師不會消失。

我們仍然需要在高層次上進行優(yōu)先級排序，理解問題的整體架構和范圍，并審查AI的工作，尤其是在系統(tǒng)變得更大時。

不同的是，我們將會把更多的時間花在思考構建什么上，而不是重復性地考慮「如何」構建。

如今，Schluntz已經(jīng)擺脫了石膏的「束縛」，但他依然會將大部分代碼交給Claude去寫。

軟件工程的未來

巧合的是，Cognition AI的總裁Russell Kaplan昨天也發(fā)表了長推，預測在AI越來越擅長寫代碼的時代，軟件工程行業(yè)將如何發(fā)展。

Congnition AI正是第一個AI軟件工程師Devin的開發(fā)商。

在Kaplan看來，研究實驗室將對下一代模型的編碼和推理進行更多改進。很快，模型在編程上就會變得非常出色。

為什么呢?

除了通用人工智能的進步外，編程還有一個獨特的優(yōu)勢:通過「自我對弈」實現(xiàn)超越人類的數(shù)據(jù)擴展?jié)摿Α?/p>

模型可以編寫代碼，然后運行它;或者編寫代碼，編寫測試，并檢查一致性。

這種類型的自動監(jiān)督在大多數(shù)領域是不可能實現(xiàn)的，因為我們在接近人類專業(yè)知識極限時，面臨著后訓練的數(shù)據(jù)壁壘。而代碼不同——它可以通過經(jīng)驗和自動化進行測試。

因此，軟件工程在幾年內將會發(fā)生根本性的變化。

真正的編碼智能體將能夠完成端到端的任務，并與今天的AI C o p i l o t相輔相成。

在這個新世界中，每個工程師都將成為工程經(jīng)理，并配有一支由智能體組成的實習生大軍。

工程師只需將把基本任務委派給編碼智能體，然后就能把更多的時間花在解決更高層次的問題上:理解需求、架構系統(tǒng)以及決定構建什么。

這將引領我們進入一個前所未有的軟件繁榮時代。

很快，曾經(jīng)難以開發(fā)且成本高昂的軟件將變得更加易于獲?。ㄌ岣?0倍），「一次性軟件」也將會大量涌現(xiàn)。

未來的軟件工程師將比現(xiàn)在多得多，只是工作方式會有很大不同:更多的自然語言，以及更少的樣板代碼。

當然，對于這種變化，工程師們很快就能夠適應，就像他們從匯編語言過渡到Python時一樣。

除了直接的生產(chǎn)力提升之外，這還會對初創(chuàng)公司產(chǎn)生實質性的「二階效應」。

首先，面向開發(fā)者的公司也將針對編碼智能體進行「營銷」。畢竟，你的智能體會決定使用哪個云服務和選擇哪個數(shù)據(jù)庫。

曾經(jīng)作為優(yōu)先考慮的用戶友好CLI，將轉變?yōu)橹悄荏w友好的UI/UX界面。

產(chǎn)品質量的門檻也將提高。在開發(fā)者能夠更快交付的世界中，半成品或功能不完整的MVP將不再被接受。

隨著編碼智能體的興起，測試基礎設施將變得更加重要和普及。因為編碼智能體會編寫更多的測試，同時也會依賴這些測試來檢查他們的工作。

隨著智能體使代碼遷移變得更容易，轉換成本將不再是科技公司的護城河。公司甚至將智能遷移助手與產(chǎn)品進行捆綁銷售，來簡化使用流程。

無論具體情況如何，總體趨勢是明確的:現(xiàn)在是成為開發(fā)者的最佳和最高效的時代。

參考資料:

https://x.com/ErikSchluntz/status/1820501663998001160

https://x.com/alexalbert__/status/1820503813180280964

https://erikschluntz.com/software/2024/07/30/code-with-ai.html

https://x.com/russelljkaplan/status/1820460524460802256

以上就是關于【AI編碼無需人類插手！Claude工程師摔斷右手，竟一周狂肝3000行代碼】的相關內容，希望對大家有幫助！