原贴链接

嗨，我在人工智能/大型语言模型（LLM）论坛上看到很多关于使用LLM进行编码（包括生成和排查代码问题）的讨论。人们通常是将其用于特定语言（例如Python、JAVA）吗？还是说它们适用于“任何”语言（包括脚本语言）？如果我想在“古老的计算机”（比如20世纪70年代末和80年代的8位和16位计算机）上使用它们，我能否调整一个模型使其理解BASIC或者C/C++（特别是考虑到在这些机器上的C语言需要了解当时的定制硬件）。我想了解如今这些模型在编程语言多样性方面的灵活性如何。（我也很好奇，约70B的模型是否是对编程有用的最低要求）

讨论总结

原帖询问AI用于编码时支持哪些语言，是讨论的主题。评论者们根据自身经验分享了不同编程语言在AI编码中的使用情况，包括常见和生僻语言、主流和古老语言。大家积极分享自己的观点，整体氛围较为和谐，充满技术交流的氛围。

主要观点

  1. 👍 常见语言使用人工智能编码效果更好
    • 支持理由：多个评论者提及Python、Java等常见语言在AI编码中效果较好，因为模型可获取大量训练数据等。
    • 反对声音：无。
  2. 🔥 编译语言在人工智能编码中有优势
    • 正方观点：编译语言可收集编译器错误用于多轮提示再尝试，如Golang和Java效果较好。
    • 反方观点：无。
  3. 💡 成熟的语言/框架使用人工智能编码效果更好
    • 解释：有评论者认为越是成熟的语言或框架，使用人工智能进行编码时效果越好，如Python和JavaScript/Typescript通常能得到很好的结果。
  4. 🌟 AI在不同编程语言上的表现差异较大
    • 解释：如在Python、JavaScript编程效果佳，在Rust语言中表现平平，在Swift使用人工智能编码效果不稳定等。
  5. 🤔 模型训练数据影响AI编码结果
    • 解释：广泛使用的语言因数据量多结果更好，而更新频繁语言因数据量少导致效果差。

金句与有趣评论

  1. “😂 Avoid java (for many reasons 😂)”
    • 亮点：简洁直接表达不适合用Java进行AI编码，但未详细说明原因，引起好奇。
  2. “🤔 The best language for AI is golang. It’s way way better than everything else, due to how simple and uniform the language is.”
    • 亮点：提出Go语言在AI方面是最好的语言，并给出简单和一致性的理由。
  3. “👀 I have a 300 - 400 line Python script called “code_prompt_writer.py” where I will set a goal (I want to do X) and specify the files I think it needs and this script will generate a very long prompt”
    • 亮点：详细介绍自己的Python脚本如何在AI编码中生成长提示。
  4. “💡 Basically, the more mainstream, popular, and the less its grammar changes over time, the better it should be.”
    • 亮点：指出主流、流行且语法变化小的语言在AI编程中效果更好的影响因素。
  5. “😎 I use Julia and Python, both work very well.”
    • 亮点：简单直接表明Julia和Python在AI编码方面效果好。

情感分析

总体情感倾向为积极探讨。主要分歧点较少，可能存在于对某些语言在AI编码适用性上的不同看法，如Java是否适合用于AI编码，但这也只是少数观点。整体大家都是基于自己的经验分享信息，没有激烈的争论，原因是大家主要关注在技术交流和分享上，目的是回答原帖的问题并互相交流编程相关经验。

趋势与预测

  • 新兴话题：特定的代码生成数据集策略开发、小型特定应用模型的发展趋势。
  • 潜在影响：对编程教育和开发效率可能有影响，例如开发出更好的数据集策略和小模型可能提高编程学习效率、减少开发中的错误。

详细内容：

标题：关于使用 AI 进行编码的热门讨论

在 Reddit 上，一则题为“‘I use AI for coding’ - which langauges are supported or work well?”的帖子引发了热烈的讨论。该帖提出了一系列有关使用大型语言模型（LLM）进行编码的问题，包括特定语言的支持情况、对古老计算机语言的适用性以及模型的灵活性等。此帖获得了众多关注，评论数众多。

讨论的焦点主要集中在不同语言与 AI 编码工具的适配性。有人指出，越常见的语言，如 Python、Java 等，往往能“开箱即用”地获得较好效果。例如，有用户分享：“我使用 Python 和 C#进行编码，效果良好。我认为 JavaScript 也不错。基本上越是主流和流行的语言，并且语法随时间变化越小，效果就应该越好。但可能还有更多因素。”

也有用户分享了自己独特的经历。比如，有用户使用了 300 - 400 行的 Python 脚本“code_prompt_writer.py”来生成提示，并将其用于 Claude 3.5 Sonnet（新）中，取得了不错的效果，并分享了相关链接：https://gist.github.com/thomasrice/4739593e7f43534ddfbf83599fa76b4f 。

对于一些较为小众或古老的语言，情况则有所不同。例如，有用户尝试用 ollama 生成 z80 汇编语言用于 CP/M 时遭遇了失败，指出对于这种非常古老的东西，必须使用经过适当训练或调整的模型。

在观点的碰撞中，存在一些共识。多数人认为流行语言在与 AI 编码工具结合时表现更优，这是因为它们在网络上有更多的训练数据。但也有人认为，即使是一些相对小众的语言，如 Excel VBA、Lua 等，LLM 也能提供很大的帮助。

然而，争议点也不少。例如，对于新的语言特性和框架，LLM 的表现往往不尽如人意。有人指出，在 Python 中，对于较新的框架或预览功能，大多数 LLM 会失败。还有人担心使用 LLM 生成的代码可能存在错误，尤其是在一些不太成熟或更新频繁的语言中。

特别有见地的观点如，有人认为编译型语言在与 AI 结合时，由于能在编译时捕获更多错误，效果可能更好。但也有人认为 Rust 由于语言变更多和方式多样，使得 LLM 难以得出解决方案。

总之，关于使用 AI 进行编码时语言的支持情况，Reddit 上的讨论丰富多样，既有普遍的共识，也存在不少争议和独特的见解，为我们深入理解这一话题提供了多维度的视角。