原贴链接

最近我一直在思考这个问题。将新代码集成到旧的、混乱的代码库中是一场噩梦，但从零开始构建全新的东西呢？ 我在考虑使用Sonnet、DeepSeek或Mistral这样的LLMs来解决这个问题。它们似乎非常能干，能够根据命令生成代码片段甚至整个函数。 但它们真的能处理一个成熟、生产就绪的应用程序的复杂性吗？ 我很好奇听到你的想法！你们中有谁尝试过使用LLMs构建应用程序吗？有哪些挑战？ 这是开发的未来，还是我们还有很长的路要走？

讨论总结

本次讨论主要围绕使用大型语言模型（LLMs）如Sonnet、DeepSeek、Mistral等从零开始构建生产就绪应用程序的可行性展开。评论者们分享了他们的经验，讨论了LLMs在代码生成、调试和应用程序开发中的局限性和潜力。一些观点认为LLMs在处理复杂应用程序时仍需人类开发者的大量介入和监督，而另一些人则展示了他们如何利用LLMs成功构建并使用应用程序。讨论还涉及了LLMs的实用性、安全性、以及它们是否能够替代传统的编程方法。总体而言，虽然LLMs在某些方面表现出色，但构建复杂的全功能应用程序仍需人类的深入参与和专业知识。

主要观点

  1. 👍 LLMs需要大量指导和详细的项目描述才能有效工作。
    • 支持理由：LLMs在处理复杂项目时仍需大量指导和详细的项目描述才能有效工作。
    • 反对声音：一些评论者认为LLMs可以独立处理一些简单的应用程序开发。
  2. 🔥 LLMs在生成和调试代码块方面表现良好，但构建整个应用程序的能力有限。
    • 正方观点：LLMs在生成和调试代码块方面表现良好。
    • 反方观点：构建整个应用程序需要人类在反馈循环中进行协调、测试和评估。
  3. 💡 LLMs可以作为有经验的开发者的辅助工具，加速代码编写过程。
    • LLMs可以作为有经验的开发者的辅助工具，加速代码编写过程。
  4. 👀 LLMs在处理复杂代码时仍存在一些显著的局限性。
    • LLMs在处理复杂代码时仍存在一些显著的局限性。
  5. 🚀 与LLMs合作类似于与一个有能力的中级工程师进行结对编程。
    • 与LLMs合作类似于与一个有能力的中级工程师进行结对编程。

金句与有趣评论

  1. “😂 Sonnet 3.5 is so far the only model smart enough, gpt4 is ok for smaller codebases but claude handles much larger projects.”
    • 亮点：强调了Sonnet 3.5在处理大型项目中的优势。
  2. “🤔 I use tool called Git2Gpt that formats local repo in a single text file with filename and formatting then I use it with sonnet to ask questions and makes changes it’s working good for me.”
    • 亮点：展示了使用特定工具与LLMs合作的有效性。
  3. “👀 Sonic 3.5 is definitely the best I’ve seen so far, but it still has some very significant gaps just like any human would with the weird nuances of code and supporting libraries that shift overtime.”
    • 亮点：指出了LLMs在处理代码细节方面的局限性。

情感分析

讨论的总体情感倾向较为积极，大多数评论者认为LLMs在应用程序开发中具有潜力，但仍需人类的深入参与和专业知识。主要分歧点在于LLMs是否能够独立构建复杂的全功能应用程序，以及人类在开发过程中的角色和必要性。

趋势与预测

  • 新兴话题：LLMs在软件开发中的应用可能会引发更多关于自动化和人类角色的讨论。
  • 潜在影响：LLMs可能会改变软件开发的工作流程，提高开发效率，但也可能引发对编程职业未来的担忧。