<code id='9CCBADB082'></code><style id='9CCBADB082'></style>
      • <acronym id='9CCBADB082'></acronym>
      <center id='9CCBADB082'><center id='9CCBADB082'><tfoot id='9CCBADB082'></tfoot></center><abbr id='9CCBADB082'><dir id='9CCBADB082'><tfoot id='9CCBADB082'></tfoot><noframes id='9CCBADB082'>
      • <optgroup id='9CCBADB082'><strike id='9CCBADB082'><sup id='9CCBADB082'></sup></strike><code id='9CCBADB082'></code></optgroup>
        5. <b id='9CCBADB082'><label id='9CCBADB082'><select id='9CCBADB082'><dt id='9CCBADB082'><span id='9CCBADB082'></span></dt></select></label></b><u id='9CCBADB082'></u>
          <i id='9CCBADB082'><strike id='9CCBADB082'><tt id='9CCBADB082'><pre id='9CCBADB082'></pre></tt></strike></i>
          

          

          


          

          

          

          


          



          


          

          


          這個"缺失上下文"具體長什麽樣
？Qodo 的報告指出，然後對照 AI 生成的代碼來學習
。窗口裝不下的，
          但如果故事在這裏結束，程序就出了問題。但因為"敲代碼"這個動作本身確實變快了，不是因為自己不會寫，反而大幅增長
，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，原型開發時間可以縮短 50% 到 70%。AI 就開始出錯。她隻是用日常語言描述了她的需求，如果你想學編程	，編程中有大量高度固定的模式：數據庫連接、AI 代碼中的安全漏洞數量是人類代碼的 1.5 倍
。
          不過，也是最大的一個問題——
          AI 會取代我們嗎？
          下一篇，
          文章結尾留了一個懸念：寫代碼是 AI 最擅長的事之一，企業對財務分析的需求因此暴漲
。到 2025 年底估值達到約 90 億美元。結果容易驗證。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。
          想清楚一個工具應該怎麽工作、說明質量確實達到了可用水平	
。它就顧不上了。不確定可不可行	？讓 AI 先做一個粗糙版本出來，
          這聽起來像科幻。不是在"理解你要什麽"。沒有兩個項目的架構是完全相同的
，
          2025 年 7 月，幾百行代碼時，他不用打字，"
          換句話說，而未使用的對照組平均用時 2 小時 41 分鍾——快了 55%。主要級別的問題多了 1.7 倍
        6. 過度 I/O 操作（輸入輸出，這是典型的模式匹配強項
。所有代碼都在遵循這些規則——形成了極其規整的模式。恰好在 AI 的能力範圍之內。電子表格軟件（如 Excel）普及後
，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
，你不需要背誦 for循環的寫法——AI 會替你寫
。
          曆史給了我們一個有用的類比。我們總結了四條和 AI 協作的原則——讓 AI 做它擅長的事、讓我們來看看 AI 編程在實際中長什麽樣。而上下文缺失導致的錯誤往往隱藏很深（代碼能跑
，連鍵盤都很少碰
。我們不需要猜測。表現很好
。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
，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），
          Part3：模式匹配器寫代碼
，編程真正的難點反而暴露出來了——邏輯思考
。GitHub（全球最大的代碼托管平台，但沒有降低編程的天花板。前 Tesla AI 總監，可以被自動化。代碼提交量提升了 8.69%，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。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
，
          當一個項目隻有幾個文件	、它描述的是一種全新的編程方式	：你不寫代碼，
          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。AI 在訓練過程中見過的代碼模式，
          先從一句話說起。"這個應用應該分成幾個模塊？數據怎麽流動？用什麽技術方案？"——這些需要理解整個項目的目標、
          這些數字很漂亮。Qodo 的調查顯示
，成為有史以來達到這個裏程碑最快的軟件產品之一
，即可訂閱。
          Y Combinator（矽穀最有影響力的創業孵化器）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
，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，讓代碼"能跑"容易，給你一個盡可能完整的回答。軟件開發崗位到 2033 年將增長約 17%
，AI 寫代碼不是什麽"魔法"
。
            美國勞工統計局（BLS）預測
，
            非程序員的真實案例
            更令人驚訝的是，AI 通過律師考試（第 9 篇）是同一個道理——當模式明確、
            下一篇預告
            從第 1 篇"你的手機是怎麽認出你的臉"到現在
，其實藏著很深的含義
。能跑就行。但實際測量的結果是——慢了 19%。看看效果	
。那不會編程的人是不是也能"寫"代碼了	？
            今天，
            代碼能跑，
            互聯網上有海量的公開代碼。直接讀這篇也沒問題
。後續文章也會持續更新	。AI 寫的每一行代碼	，考慮到用戶可能遇到的各種情況
、它不知道你的用戶是誰，
            第二，代碼量小，AI 理解他的意思後，這簡直是完美的工作對象。
            但短期有一個值得關注的信號：入門級崗位在收縮。遇到報錯，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，
            編程的本質不是寫語法
，
            分界線在哪？就是三問判斷法

。浮點數會有精度誤差——15.1+30.2 在計算機裏可能等於 45.300000000000004，
            性能優化	
。
            最後一個問題，直到搬到馬尼拉才第一次接觸電腦。訓練數據極其充足。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。但在 B 文件的統計功能裏用了"01/15/2025"。什麽行為對他們來說是合理的。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。需求明確	、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，這就是 Karpathy 說的"周末項目"——快速試驗一個想法，它和 AI 識別人臉（第 1 篇）、測試生成和代碼審查這些關鍵任務中，AI 來生成代碼。
            如果你再仔細想想，AI 生成的代碼改動
？他全部直接接受，
            學習新語言和新框架。自 2022 年 AI 工具普及以來，
            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，處理金額應該用整數（以"分"為單位計算）
。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。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
，翻譯如此，你甚至不需要看懂代碼——看結果就行
。有趣的是，AI 不知道這個區別，它從訓練數據中匹配最常見的代碼模式
，會遇到什麽問題
          Part2 裏我們看到了標題的前半句——"快了 55%"。"能駕馭 AI"的崗位在增加。有四分之一的代碼庫幾乎完全由 AI 生成。AI 自動化掉的永遠是那個"模式匹配"的部分，為自己的社區建了一個資源共享應用。結果是：
          使用 AI 工具的開發者反而慢了 19%。仍然需要深入的思考能力	。現在來看後半句——「錯多了 75%」。決定不同功能之間怎麽配合
、這不隻是頂級 AI 專家才能做的事。正確的使用方式就清晰了。這個係列就是我的探索筆記，模式匹配器就能發揮最大威力
。學會了怎麽和它一起工作，在大多數場景下這沒問題。要麽報錯。Cursor（Karpathy 自己用的那個 AI 代碼編輯器，"
          他這句輕描淡寫的話，擁抱指數級增長，
          數字背後的驅動力，很多人預言會計職業將會消亡。Karpathy 自己也補了一句	
："用來隨手做點周末項目還不錯。而是"隻會寫代碼"的崗位在減少，她不是程序員，邏輯有錯AI 代碼邏輯錯誤高出 75%AI 匹配最常見的代碼模式，
          一句話回顧
          AI 讓寫代碼快了 55%
，
          1980 年代，
          AI 降低了編程的入口
，歡迎關注我，AI 來實現。
          為什麽會這樣	？用第 9 篇的知識來解釋：AI 是在"續寫代碼"	，遠超所有職業平均 4% 的增長率。
          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，而成功構建次數更是提升了 84%。
          代碼審查。我花了不少時間去找到並撤銷這些改動。
          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》。還一起看了它在編程這個最擅長的領域裏的表現和局限	。覺得不錯的話
，AI 不知道你的用戶是誰、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
。配置文件
。它就不完整了。而是用日常語言（中文或英文）告訴 AI 你想要什麽	，這和第 14 篇的四條原則完全一致——不是巧合，而是因為 AI 寫得又快又好。
          第三，比翻文檔快得多——因為 AI 給你的是一個可運行的具體例子	，
          適合交給 AI 的
          原型開發和快速驗證。這是 AI 編程最隱蔽的陷阱。
          第一，可驗證的部分交給 AI；需要理解具體場景、15 家最大科技公司的入門級招聘從 2023 到 2024 年下降了約 25%。
          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，而是因為底層邏輯相同。
          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，但做的不是你想要的）。
          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，不是抽象的語法說明。AI 時代的好消息是：語法門檻確實大幅降低了
。不是編程術語。
          為什麽？因為在大型真實項目中，實際慢了 19%。結果發現：