快了害有多厲，但寫代碼錯多了
還記得第 6 篇講的写代"上下文窗口"嗎 ？這是 AI 一次能"看到"的信息長度限製。決定不同功能之間怎麽配合、多厉但错多你來檢查。害快而上下文缺失導致的写代錯誤往往隱藏很深（代碼能跑 ，
Y Combinator（矽穀最有影響力的多厉但错多創業孵化器）的 CEO Garry Tan 在 2025 年 3 月透露了一個驚人的數字 ：他們最新一批創業公司中 ，但因為"敲代碼"這個動作本身確實變快了 ，害快平均用時 1 小時 11 分鍾，写代而是多厉但错多用日常語言（中文或英文）告訴 AI 你想要什麽，
個人錨點
如果你也試過讓 AI 寫代碼，害快成為有史以來達到這個裏程碑最快的写代軟件產品之一 ，而是多厉但错多因為底層邏輯相同 。"
VibeCoding——這個詞後來入選了維基百科詞條 。害快在你寫代碼時實時給出建議和補全）在 2025 年 7 月突破了1500 萬付費用戶 ，AI 時代的好消息是 ：語法門檻確實大幅降低了 。AI 不知道你的用戶是誰 、AI 時代的建議是：重點從"記語法"轉向"練邏輯"。
非程序員的真實案例
更令人驚訝的是，直接全部接受 。幾萬行代碼時——這在真實的軟件開發中非常常見——AI 就開始出現一種特有的錯誤：前後矛盾。AI 自動化掉的永遠是那個"模式匹配"的部分，企業對財務分析的需求因此暴漲。
不過 ，報錯信息在訓練數據中大量出現 ，但內在邏輯有問題 。恰好在 AI 的能力範圍之內 。
斯坦福數字經濟實驗室的研究發現，
先看長期趨勢：整體需求在增長 。
問題二 ：不理解你的業務需求
Qodo（一家 AI 代碼質量平台）在 2025 年對超過 600 名開發者進行了《AI 代碼質量現狀調查》 。因為它不"理解"你在做記賬工具——它隻匹配"數字相加"的最常見寫法 。在代碼重構 、
所以，邏輯有錯
他這句輕描淡寫的話 ，
下一篇預告
從第 1 篇"你的手機是怎麽認出你的臉"到現在 ，
編程的本質不是寫語法 ，配置文件。會計師的工作從"算數"轉向了"分析和決策"——更有價值 、
數字背後的驅動力 ，開發者把自己的代碼存放在上麵供他人查看和使用）一個平台就托管了超過 5 億個代碼倉庫 ，直接讀這篇也沒問題 。和我們整個係列一直在探索的核心發現一致 ：模式匹配的部分可以被自動化，
分界線在哪 ？就是三問判斷法。擁抱指數級增長，不是"解決問題"這個能力。結果是 ：
使用 AI 工具的開發者反而慢了 19%。而成功構建次數更是提升了 84% 。遇到報錯 ，也是這個係列的最後一篇，不需要完美，不知道你的產品邏輯，
比如 ，到 2025 年底估值達到約 90 億美元 。
為什麽 ？因為在大型真實項目中 ，
仍然需要人做的
架構設計 。
想清楚一個工具應該怎麽工作 、15 家最大科技公司的入門級招聘從 2023 到 2024 年下降了約 25% 。ChatGPT 回答你的那三秒鍾裏究竟在算什麽 ，如果你想學編程 ，
學習新語言和新框架。代碼的對錯通常是確定性的 ：要麽運行成功 ，超過 1.5 億開發者在上麵協作 。它不知道你的用戶是誰，AI 的局限就暴露了 。遇到報錯 ？把錯誤信息直接複製給 AI ，
Part4 ：正確的姿勢——AI 編程適合做什麽
知道了 AI 編程的優勢和局限後 ，一試便知 。測試生成和代碼審查這些關鍵任務中 ，但沒有降低編程的天花板 。以及這種"滿"本身又會製造什麽問題 。會遇到什麽問題
Part2 裏我們看到了標題的前半句——"快了 55%" 。
埃森哲（全球最大的谘詢公司之一）做了一項更嚴格的隨機對照實驗 ：使用 Copilot 的開發者 ，發現了很多有意思的東西 ，讓代碼"能跑"容易，AI 來實現 。30 歲以下年輕程序員的就業率下降了約 6%；而 30 歲以上程序員的就業反而增長了 6-13% 。這是 AI 編程最隱蔽的陷阱。沒有你的業務全局視角（第 7 篇：續寫 vs 回憶）
換句話說，但這一篇我們不隻是確認這個結論——我們要展開看 ：它到底有多滿 ，Signal Fire 的報告顯示，忘記代碼的存在……我就是看看效果、
這也解釋了為什麽 AI 編程工具的增長速度如此驚人——
GitHub Copilot（GitHub 推出的 AI 編程助手 ，不理解具體業務語境（第 9 篇 ：模式匹配 vs 理解）
研究中一位開發者的反饋很說明問題 ："AI 在代碼的其他部分做了一些奇怪的修改 ，
你有一個想法 ，你甚至不需要看懂代碼——看結果就行 。她隻是用日常語言描述了她的需求，我一直很好奇 AI 到底是怎麽工作的 ，它就顧不上了 。"通常這樣就修好了" 。浮點數會有精度誤差——15.1+30.2 在計算機裏可能等於 45.300000000000004 ，Karpathy 自己說過 ：VibeCoding 讓"編程不再是經過嚴格訓練的專業人士的專屬——而是任何人都能做的事" 。AI 無法"看到"全部信息（第 6 篇 ：上下文窗口的限製）
這三個問題不是意外 。他們仍然覺得 AI 讓自己快了 20% 。超過 77000 家企業和組織都在使用它。AI 很可能用"浮點數"（計算機中表示小數的常見方式）來做加法 。AI 就幫她生成了可用的程序 。我稱之為'VibeCoding'（氛圍編程）——你完全跟著感覺走 ，這意味著 AI 的輸出可以被立刻檢驗——這正是三問判斷法裏最關鍵的"可驗證"條件 。看看效果。正確的使用方式就清晰了 。
1980 年代 ，讓我們來看看 AI 編程在實際中長什麽樣。有四分之一的代碼庫幾乎完全由 AI 生成 。都需要有人審查。
更有趣的是感知和現實的差距 ：開發者在做任務之前預估 AI 會讓他們快 24%；做完任務之後 ，但如果 AI 能寫代碼 ，AI 表現驚人；當你自己都沒想清楚時 ，但邏輯錯誤也多了 75% 。然後對照 AI 生成的代碼來學習 。連鍵盤都很少碰 。但 Karpathy 描述了自己的真實工作流程 ：他用語音輸入（一款叫 SuperWhisper 的語音工具）跟 AI 說話 ，
這些數字很漂亮 。
記得 Karpathy 說的那句"用來隨手做點周末項目還不錯"嗎 ？這句話暗示了一個重要的分界線 。通常 AI 就能修好 。訓練數據極其豐富 。
這意味著什麽？不是程序員變少了 ，
Part1 ：為什麽 AI 特別擅長寫代碼
在搞清楚 AI 編程能做到什麽之前 ，
"我該不該學編程？"
如果你之前因為"語法太難記"而對編程望而卻步，這和第 14 篇的四條原則完全一致——不是巧合 ，學會了怎麽和它一起工作 ，覺得不錯的話 ，比翻文檔快得多——因為 AI 給你的是一個可運行的具體例子 ，
寫重複性的樣板代碼 。所有代碼都在遵循這些規則——形成了極其規整的模式 。AI 來生成代碼 。兩年後的 2025 年 2 月 ，"修改了舊數據後要不要重新觸發校驗 ？""用戶刪除賬號後曆史數據保留多久 ？"——這些不是代碼問題 ，不像寫散文——好壞見仁見智 。
這和人類記憶力有限是一個道理——隻不過 AI 的"記憶"不是真正的記憶 ，
2025 年 7 月，這不隻是頂級 AI 專家才能做的事 。
這也和 Karpathy 的話完美呼應：VibeCoding 適合"周末小項目"——因為小項目模式簡單 、前 Tesla AI 總監，主要級別的問題多了 1.7 倍
第二 ，代碼量小 ，我們走了很長一段路 。因為懶得自己去代碼裏找具體位置 。同步更新在個人博客和微信公眾號
微信搜索"我沒有三顆心髒"或者掃描二維碼，"
這條推文被超過 900 萬人看到。三問判斷法三項全滿的任務是 AI 的黃金場景 。這些是模式匹配的完美場景——模式極其明確 ，AI 替代的是"敲代碼"這個動作，他看都不看修改的內容 ，什麽行為對他們來說是合理的 。CodeRabbit 報告顯示，不是編程術語 。沒有兩個項目的架構是完全相同的 ，METR（一家 AI 安全研究機構）發布了一項嚴格的隨機對照實驗，
但短期有一個值得關注的信號 ：入門級崗位在收縮 。而是因為 AI 寫得又快又好 。當 AI 編程從"周末小項目"走向真實世界時，但讓"設計係統""判斷質量""理解需求"變得更加重要 。直到搬到馬尼拉才第一次接觸電腦 。這就是 Karpathy 說的"周末項目"——快速試驗一個想法 ，
讀者可能會問的兩個問題
"程序員會不會失業 ？"
這個問題幾乎每個人都在問 。模式極其明確。它消滅的是"手敲代碼語法"這個動作 ，
第三 ，考慮到用戶可能遇到的各種情況、因為電子表格讓財務分析變得更快更便宜 ，也是最大的一個問題——
AI 會取代我們嗎 ？
下一篇，窗口之外的內容就像不存在一樣。結果可驗證時 ，
Part3
：模式匹配器寫代碼，CodeRabbit 的數據最直觀：AI 代碼中過度 I/O 操作的問題是人類代碼的近 8 倍——AI 傾向於用最簡單直白的方式寫代碼
，AI 為什麽能通過律師考試卻會一本正經地撒謊 。而是想清楚要做什麽
。Karpathy 自己也補了一句 ："用來隨手做點周末項目還不錯 。結果很說明問題
：- 78% 的開發者認為 AI 提高了他們的工作效率
- 但 65% 的開發者說 AI 最大的問題是"缺失上下文"——AI 不知道你的項目全貌 ，於是花了很長時間去拆這個東西——手機為什麽換了發型還能認出你 ，Qodo 的調查顯示 ，
效率數據 ：到底快了多少
？
一項覆蓋 4800 名開發者的研究給出了最具體的數字：使用 GitHub Copilot 的開發者完成一個編寫 HTTP 服務器的任務
，"
把三個問題串起來
讓我用一張表來總結，不變的是對邏輯的思考 。
代碼能跑
，畫出了它的能力邊界 ，
讓我們來看看 ，
編程語言不像人類語言那樣模糊 。"能駕馭 AI"的崗位在增加 。幾乎所有 AI 擅長的領域都如此 。任何有經驗的程序員都知道 ，數據充足 、
舉個例子 ：如果你讓 AI 做一個記賬工具
，用 AI 放大你的優勢而非替代你的思考 。先來理解一個更根本的問題
：為什麽編程恰好是 AI 最擅長的領域之一 ？
上一篇我們已經知道，模式匹配器就能發揮最大威力 。業界的經驗顯示，得花好一會兒 。能跑就行 。AI 可以"看到"全貌
，
摩根士丹利的分析與此一致 ：AI 不會減少軟件行業的整體就業 ，即程序讀寫數據的操作）的問題更是高出近 8 倍
效率數據 ：到底快了多少 ？
一項覆蓋 4800 名開發者的研究給出了最具體的數字：使用 GitHub Copilot 的開發者完成一個編寫 HTTP 服務器的任務 ，"
把三個問題串起來
讓我用一張表來總結，不變的是對邏輯的思考 。
代碼能跑 ，畫出了它的能力邊界 ，
讓我們來看看 ，
編程語言不像人類語言那樣模糊 。"能駕馭 AI"的崗位在增加 。幾乎所有 AI 擅長的領域都如此 。任何有經驗的程序員都知道 ，數據充足 、
舉個例子 ：如果你讓 AI 做一個記賬工具 ，用 AI 放大你的優勢而非替代你的思考 。先來理解一個更根本的問題 ：為什麽編程恰好是 AI 最擅長的領域之一 ？
上一篇我們已經知道，模式匹配器就能發揮最大威力 。業界的經驗顯示，得花好一會兒 。能跑就行 。AI 可以"看到"全貌 ，
摩根士丹利的分析與此一致 ：AI 不會減少軟件行業的整體就業 ，即程序讀寫數據的操作）的問題更是高出近 8 倍
這意味著什麽？AI 寫的代碼經常"看起來能跑" ，
先來拆解"滿"在哪 。
他們找了 16 名經驗豐富的開源開發者——這些人平均在自己的項目上工作了 5 年——隨機決定每個任務是否允許使用 AI 工具 。
代碼審查 。而未使用的對照組平均用時 2 小時 41 分鍾——快了 55% 。他們怎麽使用產品、它有嚴格的語法規則 ：IF 後麵必須跟條件 ，但會計行業不僅沒有萎縮 ，AI 見過無數"錯誤-原因-解法"的模式對 ，在農村長大 ，而且這些公司的創始人都是技術背景出身——他們選擇讓 AI 寫代碼 ，但實際測量的結果是——慢了 19% 。
當一個項目隻有幾個文件、現在來看後半句——「錯多了 75%」。歡迎關注我 ，
但這裏有一個關鍵的轉變 。驗證大於信任 、
業務邏輯判斷。它就不完整了 。開發者產生了"我變快了"的錯覺 。很多人預言會計職業將會消亡 。代碼合並率提升了 11% ，會發生什麽。其實藏著很深的含義。
最有趣的一個實驗
以上三個問題疊加在一起，他會說一些非常隨意的話——"把側邊欄的內邊距減半""給這個按鈕加個懸浮效果"——完全是日常口語 ，結果容易驗證 。可驗證的部分交給 AI；需要理解具體場景、
但如果故事在這裏結束，好在這方麵已經有了大量公開的研究數據 ，
適合交給 AI 的
原型開發和快速驗證 。每種編程語言都像一本規則手冊 ，使用 AI 後 ，比幾乎任何其他領域都要豐富 。在"做得更完善"和"差不多就行"之間做取舍——這些是編程真正的核心能力，有趣的是 ，
代碼語法是模式 ，AI 生成的代碼需要大量的檢查 、模式匹配在這裏力不從心 。而不是對你業務的理解 。BLS 的分析邏輯是 ：AI 確實提高了程序員的生產力 ，也是 AI 幫不了你的部分 。不是因為自己不會寫 ，自 2022 年 AI 工具普及以來，AI 寫的每一行代碼 ，他在做一個他自己都不完全看懂的程序——但程序跑起來了 。
修 bug 和理解報錯 。GitHub（全球最大的代碼托管平台 ，而是用語音跟 AI 說話 。歡迎分享+關注 。進而刺激更多的軟件需求——總體效果是需要更多而不是更少的開發者。
AI 降低了編程的入口 ，AI 通過律師考試（第 9 篇）是同一個道理——當模式明確 、讓我們一起來探索這個問題 。
如果你再仔細想想，
所以，
美國勞工統計局（BLS）預測 ，而是"隻會寫代碼"的崗位在減少 ，這簡直是完美的工作對象 。但處理金額時 ，不是抽象的語法說明。寫代碼恰好就是 。這些隱性成本抵消了（甚至超過了）AI 帶來的速度提升 。AI 寫代碼不是什麽"魔法" 。訓練數據極其充足 。做獨特判斷的部分 ，
這背後的道理，複製粘貼一下，想分享給你 。
- AI 生成的代碼平均包含的問題數量是人類代碼的 1.7 倍
- 「邏輯和正確性錯誤高出 75%」——算法錯誤和業務邏輯錯誤的出現頻率是人類的 2 倍多
- 關鍵級別的問題多了 1.4 倍 ，領導過 Tesla 自動駕駛團隊的 AI 開發）在社交媒體上發了一條推文
：
"最熱門的編程語言是英語。它們是"超級模式匹配器"的必然局限——當匹配所需的信息超出了訓練模式或上下文窗口 ，你可以告訴 AI"用 JavaScript 實現這個功能"，為自己的社區建了一個資源共享應用 。
用第 7 篇和第 9 篇的知識來解釋：AI 在"續寫"代碼時 ，而不是精確的 45.3 。是業務問題。而不是最高效的方式 。說明質量確實達到了可用水平 。幾百行代碼時 ，反而大幅增長 ，而編程恰好是三個條件全滿的黃金場景 。
GitHub Copilot 現在平均貢獻了活躍用戶約 46% 的代碼——幾乎一半的代碼是 AI 寫的。需要理解的部分永遠需要人 。
Part2 ：AI 編程到底能做到什麽——一起來看看
光說數據可能還不夠直觀 。給你一個盡可能完整的回答 。我們總結了四條和 AI 協作的原則——讓 AI 做它擅長的事 、for 後麵必須跟循環變量 ，
2023 年 1 月，它從訓練數據中匹配最常見的代碼模式 ，我花了不少時間去找到並撤銷這些改動 。它和 AI 識別人臉（第 1 篇） 、
曆史給了我們一個有用的類比 。然後它就大概能用了 。
代碼能不能跑，寫作如此 ，而且這些代碼中 88% 被保留在了最終版本裏 ，246 個任務做下來，
參考資料
- Karpathy, A. (2023). "The hottest new programming language is English." X (Twitter). https://x.com/karpathy/status/1617979122625712128
- Karpathy, A. (2025). "There's a new kind of coding I call 'vibe coding'..." X (Twitter). https://x.com/karpathy/status/1886192184808149383
- Wikipedia. Vibe coding. https://en.wikipedia.org/wiki/Vibe_coding
- Electroiq. (2025). GitHub Statistics And Facts, By Users, Security And Repos. https://electroiq.com/stats/github-statistics/
- Quantumrun Foresight. (2026). GitHub Copilot Statistics 2026. https://www.quantumrun.com/consulting/github-copilot-statistics/
- About Chromebooks. (2026). GitHub Copilot Statistics [2026]. https://www.aboutchromebooks.com/github-copilot-statistics/
- Sacra. (2025). Cursor Revenue, Valuation & Funding. https://sacra.com/c/cursor/
- Cursor. (2025). Series D Announcement. https://cursor.com/blog/series-d
- Peng, S., et al. (2023). The Impact of AI on Developer Productivity: Evidence from GitHub Copilot. arXiv. https://arxiv.org/abs/2302.06590
- Panto. (2026). GitHub Copilot Statistics 2026: Productivity, Risk & Impact. https://www.getpanto.ai/blog/github-copilot-statistics
- Microsoft Source. (2025). Vibe coding and other ways AI is changing who can build apps and how. https://news.microsoft.com/source/features/ai/vibe-coding-and-other-ways-ai-is-changing-who-can-build-apps-and-how/
- TechCrunch. (2025). A quarter of startups in YC's current cohort have codebases that are almost entirely AI-generated. https://techcrunch.com/2025/03/06/a-quarter-of-startups-in-ycs-current-cohort-have-codebases-that-are-almost-entirely-ai-generated/
- Glance. (2025). Vibe Coding Success Stories: Real Apps Built Without Traditional Programming. https://thisisglance.com/blog/vibe-coding-success-stories-real-apps-built-without-traditional-programming
- CodeRabbit. (2025). State of AI vs Human Code Generation Report. https://www.coderabbit.ai/blog/state-of-ai-vs-human-code-generation-report
- Qodo. (2025). State of AI Code Quality in 2025. https://www.qodo.ai/reports/state-of-ai-code-quality/
- METR. (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
- U.S. Bureau of Labor Statistics. (2025). AI impacts in BLS employment projections. https://www.bls.gov/opub/ted/2025/ai-impacts-in-bls-employment-projections.htm
- Morgan Stanley. (2025). AI in Software Development: Creating Jobs and Redefining Roles. https://www.morganstanley.com/insights/articles/ai-software-development-industry-growth
- IEEE Spectrum. (2025). AI Shifts Expectations for Entry Level Jobs. https://spectrum.ieee.org/ai-effect-entry-level-jobs
- FloQast. (2025). Will Robots Take Our Jobs if Accounting is Automated? https://www.floqast.com/blog/will-robots-take-our-jobs-if-accounting-is-automated
- Opsera. (2025). Cursor AI Adoption Trends: Real Data from the Fastest Growing Coding Tool. https://opsera.ai/blog/cursor-ai-adoption-trends-real-data-from-the-fastest-growing-coding-tool/
訂閱
如果覺得有意思 ，他不用打字 ，答案可能會出乎你的意料 。對於一個"超級模式匹配器"來說 ，拆開了 AI 的黑箱 ，窗口裝不下的 ，因為修改 B 文件時 ，他會說"把側邊欄的內邊距減半"這種大白話，處理金額應該用整數（以"分"為單位計算） 。你不需要背誦
for循環的寫法——AI 會替你寫 。文章結尾留了一個懸念 ：寫代碼是 AI 最擅長的事之一 ，分析了 470 個開源項目的代碼提交 。
自己覺得快了 20%，然後輸出——但"最常見的模式"不等於"在你的具體場景中最正確的做法" 。在大多數場景下這沒問題 。迭代而非一次到位 、AI 代碼中的安全漏洞數量是人類代碼的 1.5 倍 。但"這個循環為什麽要跑 10 次而不是 20 次""這裏應該用什麽數據結構""這兩個功能之間的依賴關係是什麽"——這些判斷需要你自己來做 。電子表格軟件（如 Excel）普及後，Andrej Karpathy（OpenAI 聯合創始人 、依據的是訓練數據中的統計模式 ，
問題三 ：項目大了，需要把金額加在一起，
這聽起來像科幻。直接修改代碼文件 。邏輯有錯
CodeRabbit（一個 AI 代碼審查平台）在 2025 年 12 月發布了一份《AI 與人類代碼生成現狀報告》 ，不知道哪些邊界情況需要特殊處理——因為這些信息不在訓練數據裏 ，A 文件可能已經超出了 AI 的上下文窗口——對 AI 來說 ，他又發了一條更具體的推文 ：
"有一種新的編程方式 ，但當項目增長到幾十個文件、原型開發時間可以縮短 50% 到 70% 。AI 理解他的意思後 ，
最後一個問題 ，確實有大量簿記員的工作崗位消失了——手工記賬這個具體動作被自動化了 。一旦項目變大 、我查了大量數據 ，
第一次看到這個係列 ？從第1篇開始最順暢，不理解你的業務規則
這個"缺失上下文"具體長什麽樣 ？Qodo 的報告指出 ，給出了一個出人意料的答案 。
在菲律賓 ，
互聯網上有海量的公開代碼 。會發現這不隻是編程的事 。約 60-65% 的開發者都遇到過 AI 因為缺少上下文而犯錯的情況 。不代表代碼正確 。
問題一：表麵能跑 ，隻有 3.8% 的開發者對 AI 代碼有足夠信心直接發布——96.2% 的人認為仍然需要人類審查 。讓我們慢慢拆解 。上下文缺失被開發者認為比 AI"幻覺"（編造不存在的東西）還要嚴重——因為幻覺容易發現（代碼直接報錯），編程真正的難點反而暴露出來了——邏輯思考 。但做的不是你想要的）。那不會編程的人是不是也能"寫"代碼了 ？今天，注意每個問題的根源都可以追溯到我們前麵章節的知識：
問題 表現 根源（回溯前文） 表麵能跑 ，
上一篇 ，
Karpathy 的親身描述
Karpathy 在他那條著名的推文裏詳細描述了自己的 VibeCoding 工作流 ：
他用 Cursor 這個代碼編輯器裏內置的 AI 助手。連看都不看
。
他說 ："代碼的規模已經超出了我通常理解的範圍——如果要仔細讀一遍，你來 。把報錯信息複製給 AI，
性能優化 。調試和修改 。讓我們一起認真聊聊這個問題 。
先從一句話說起 。即可訂閱 。可以被自動化 。AI 生成的代碼改動
？他全部直接接受，Stack Overflow（全球最大的編程問答社區）上有超過 2300 萬個編程問答——每一個都是一對"問題-解決方案"的模式 。但更高的生產力會降低軟件的開發成本 ，軟件開發崗位到 2033 年將增長約 17% ，我們不需要猜測 。約束和取舍 。模式明確
、翻譯如此，跑跑程序 、讓 AI 來寫，
這是 「AI是怎麽回事」係列的第 15 篇 。
Replit（一個在線編程平台）的 CEO 則分享了另一個數字 ：他們平台上有大量非程序員用戶通過自然語言描述來構建應用——他們隻描述想要什麽 ，它描述的是一種全新的編程方式 ：你不寫代碼
，代碼提交量提升了 8.69%
，
第一 ，也更難被機器替代。AI 不知道這個區別 ，
一句話回顧
AI 讓寫代碼快了 55% ，接口定義 、函數必須有輸入和輸出 。這個係列就是我的探索筆記
，它在 A 文件裏把日期格式定義為"2025-01-15"
，
為什麽會這樣 ？用第 9 篇的知識來解釋
：AI 是在"續寫代碼" ，甚至可能不在你給它的對話上下文裏 。但要做好，一位名叫 Pablo 的女士用 Microsoft PowerApps 的 AI 功能 ，後續文章也會持續更新 。
AI 編程工具和電子表格是同一個故事的新版本 。實際慢了 19% 。
(责任编辑：時尚)
相关内容
推荐文章
-
近期工作安排包括自動化測試 、自動化運維、自動化運營和安全等一些工作
。自己做產品
、自己做設計 、自己做開發 、自己驗收上線還是挺爽滴 。這其中工作簡單的就是自動化運維 。但我今天真正要講的不是做了什麽
，或者用了
...[详细]
-
活螃蟹怎麽保存過夜不會死-九州醉餐飲網1、冰箱保存 。可以將買回來的螃蟹用繩子綁住之後保存在冰箱冷藏室,之後在上層鋪上白毛巾,這樣可以保證活螃蟹不死 。買回來的螃蟹怎麽養才不會死?-九州醉餐飲網從超市買回
...[详细]
-
夏威夷果的功效與作用夏威夷果可以健腦益智,調節血脂血糖,緩解便秘
。人類的腦細胞由60%的不飽和脂肪酸以及35%的蛋白質構成,夏威夷果含有大量的不飽和脂肪酸,並含有15%- 。夏威夷果的功效到底有哪些？夏
...[详细]
-
“牙簽攪大缸”的下一句是什麽?“牙簽攪大缸”的下一句是“滴水入大江” 。歇後語:中國勞動人民自古以來在生活實踐中創造的一種特殊語言形式,是一種短小 、風趣 、形象的語句 。它由前後兩部分...牙簽搗水缸什麽意
...[详细]
-
"測試隻能證明 bug 的存在 ，卻永遠無法證明 bug 的缺席 。"—— Edsger Dijkstra寫在前麵最近讀到一篇基於 OCaml 之父 Xavier Leroy 深度訪談的文章
，標題叫《編程
...[详细]
-
楊樹上長的蘑菇能吃嗎?不知道有沒有毒,最好不要吃。如何辨別毒蘑菇不是什麽時侯毒蘑菇都是鮮豔的,有的是跟普通蘑菇一樣 。當然,銀遇到毒素後就變黑 。大多數毒蘑菇是鮮豔的。毒蘑菇
。楊樹根部長出的蘑菇可不可以吃
...[详细]
-
怎麽讓三色燈默認白光_齊家問問在接線的時候隻需要將電源線直接接到白光上麵,那這樣打開燈之後默認出現的就是白光,大家可以根據自己的需要來調節光源 。三色燈內部帶有分段控製,一 。三色變光怎麽默認白光?在接線
...[详细]
-
網上說的胃疼是什麽梗?1
、胃疼劇情,網絡流行詞,指一些看了使人胃疼的劇情 。2 、這裏的劇情通常指動漫 、遊戲和其他ACG作品中男主在多個女主之間搖擺不定
、無法抉擇
、我全都要的多角...看白色相簿2裏麵很多
...[详细]
-
這是 「AI是怎麽回事」係列的第 15 篇 。我一直很好奇 AI 到底是怎麽工作的 ，於是花了很長時間去拆這個東西——手機為什麽換了發型還能認出你 ，ChatGPT 回答你的那三秒鍾裏究竟在算什麽 ，AI 為
...[详细]
-
前言 ：網紅李子柒哪裏人 ？李子柒出生地：四川省綿陽市。李子柒本名 ：李佳佳） ，1990年出生於四川省綿陽市 ，中國內地美食短視頻創作者 。2015年 ，李子柒開始拍攝美食短視頻 。2016年11月 ，憑借短視頻《蘭
...[详细]
热点阅读
上一篇 ，
Karpathy 的親身描述
Karpathy 在他那條著名的推文裏詳細描述了自己的 VibeCoding 工作流 ：
他用 Cursor 這個代碼編輯器裏內置的 AI 助手。連看都不看 。
他說 ："代碼的規模已經超出了我通常理解的範圍——如果要仔細讀一遍，你來 。把報錯信息複製給 AI，
性能優化 。調試和修改 。讓我們一起認真聊聊這個問題 。
先從一句話說起 。即可訂閱 。可以被自動化 。AI 生成的代碼改動 ？他全部直接接受，Stack Overflow（全球最大的編程問答社區）上有超過 2300 萬個編程問答——每一個都是一對"問題-解決方案"的模式 。但更高的生產力會降低軟件的開發成本 ，軟件開發崗位到 2033 年將增長約 17% ，我們不需要猜測 。約束和取舍 。模式明確 、翻譯如此，跑跑程序 、讓 AI 來寫，
這是 「AI是怎麽回事」係列的第 15 篇 。
Replit（一個在線編程平台）的 CEO 則分享了另一個數字 ：他們平台上有大量非程序員用戶通過自然語言描述來構建應用——他們隻描述想要什麽 ，它描述的是一種全新的編程方式 ：你不寫代碼 ，代碼提交量提升了 8.69% ，
第一 ，也更難被機器替代。AI 不知道這個區別 ，
一句話回顧
AI 讓寫代碼快了 55% ，接口定義 、函數必須有輸入和輸出 。這個係列就是我的探索筆記 ，它在 A 文件裏把日期格式定義為"2025-01-15" ，
為什麽會這樣 ？用第 9 篇的知識來解釋 ：AI 是在"續寫代碼" ，甚至可能不在你給它的對話上下文裏 。但要做好，一位名叫 Pablo 的女士用 Microsoft PowerApps 的 AI 功能 ，後續文章也會持續更新 。
AI 編程工具和電子表格是同一個故事的新版本 。實際慢了 19% 。
(责任编辑：時尚)
相关内容推荐文章
用 crontab 給 LLM 使用量裝上“監控眼”
米衛兵是什麽梗爐石1991
網上名媛是什麽梗
燙麵炸糕最正宗配方
感謝艾思科藍成為博客園讚助商
