原贴链接

我的情况是这样的：大语言模型（LLM）让我能够运用现有的规划和思维技能及知识开始编程，而不需要了解任何编程知识。过了一段时间，创建了一些能解决我的需求/问题的工具之后，我意识到是时候……买一本合适的书，真正学习编程了。我选择了埃里克·马特斯（Eric Matthes）的《Python编程快速上手》和阿尔·斯威加特（Al Sweigart）的《Python自动化办公实战》，我确定如果没有人工智能，我不会知道现在开始这个旅程还为时不晚。你们中有多少人有类似的经历呢？

讨论总结

这个讨论的主题是关于在编码过程中使用大型语言模型（LLMs）的情况。原帖分享了自己借助LLMs开始编码并进一步学习编程的经历，引发了众多评论者分享自己在编程工作或学习中与LLMs相关的体验和看法，涵盖了从正面肯定LLMs对编程的帮助到指出其局限性等多方面内容，总体氛围较为积极开放，大家都在探索LLMs在编程领域的作用。

主要观点

  1. 👍 有多年编程经验的人在工作流程中大量使用LLMs并受益
    • 支持理由：可以利用LLMs输出部分解决方案，编程语言重要性降低，可更快交付工作，不受语法问题阻碍并能审核代码。
    • 反对声音：无。
  2. 🔥 LLMs对不同人在编程学习方面有积极的推动作用
    • 正方观点：增强学习新事物的创造力和好奇心、提高学习速度、有助于回忆已知事物、提供不同视角帮助记忆、帮助认识到学习新事物是可能的、让编码从抽象变为具体可理解的内容等。
    • 反方观点：无。
  3. 💡 LLMs在代码生成方面表现因语言和情况而异
    • 在生成Rust代码时多为阻碍而非助力，Github copilot在生成多行代码及优化函数时效果不佳，但在询问代码流细微差别时，Perplexity表现很好，不同语言下LLMs表现不同，其他开发者认为ChatGPT和Claude虽不完美但有用，知道如何有效使用LLMs是关键。
  4. 🤔 正确使用LLMs需要一定能力和技巧
    • 支持理由：将自己创建高层次概念和利用LLM处理琐碎部分相结合较好，直接让LLM制作软件不可取，正确指示LLM需要是专家开发者并有管理团队的能力。
    • 反对声音：无。
  5. 😎 不同编程基础的人对LLMs的依赖程度和使用方式不同
    • 支持理由：有经验的工程师某些方面能力不足时可借助LLMs构建原本难以构建的东西；新手可借助LLMs更好理解基础编码、提升知识速度；资深开发者认为要从底层工作入手使用LLMs效果最佳等。
    • 反对声音：无。

金句与有趣评论

  1. “😂 15 +年coder。我从php开始，然后是javascript、typescript…我现在在我的工作流程中大量使用LLMs。”
    • 亮点：通过自身多年编程经历引出LLMs在工作流程中的使用，很有代表性。
  2. “🤔 当我开始玩llms时我有一些经验，但它增强了我学习新事物的创造力和好奇心。”
    • 亮点：体现出LLMs在学习方面的积极影响。
  3. “👀 LLMs get in the way more than they help when generating code.”
    • 亮点：提出与多数正面观点不同的看法，指出LLMs在生成代码时可能存在的问题。
  4. “😎 有一种错误的美德弥漫在空气中，它说借助人工智能在任何领域快速进步是一种作弊行为，而最好是做一个诚实的、辛勤劳作的工匠。”
    • 亮点：反驳对使用AI提升进步速度是作弊的观点，引人深思。
  5. “💪 Life changing.”
    • 亮点：简洁地表达出LLMs对自己生活产生巨大改变的感受。

情感分析

总体情感倾向是积极的。主要分歧点在于LLMs在代码生成方面的表现，部分人认为LLMs对代码生成助力很大，而另一些人则指出在特定语言（如Rust）或任务（如生成多行代码）中LLMs表现不佳。可能的原因是大家使用的LLMs类型不同、自身编程经验和技能水平不同以及所涉及的编程任务不同。

趋势与预测

  • 新兴话题：探索LLMs在更多特殊编程场景（如游戏制作）中的应用潜力。
  • 潜在影响：如果LLMs在编程领域持续发挥积极作用，可能会改变编程教育的方式，也可能影响未来软件开发的模式，提高开发效率的同时可能降低一些基础编程技能的门槛。

详细内容：

标题：关于借助 LLMs 进行编码的热门讨论

在 Reddit 上，一篇题为“Let’s open a bit controversial discussion - coding with LLMs, or thanks to LLMs”的帖子引发了热烈讨论。该帖子讲述了发帖者借助 LLM 开始编码，在解决了一些需求和问题后，意识到要购买专业书籍真正学习编程的经历，并询问大家是否有类似体验。此帖获得了众多关注，评论数众多。

讨论的焦点主要集中在 LLM 在编码工作中的作用和价值。有人认为，LLM 极大地提高了工作效率，如 15 年经验的程序员表示在工作流程中重度使用 LLM，能快速解决问题，甚至能在不熟悉的语言如 C#中工作。软件架构师也称赞 LLM 能迅速生成复杂的图表和系统结构。但也有人指出 LLM 存在的问题，比如给出不适用的优化建议，导致代码性能下降。

有用户分享道：“我写了一个调用多个 API 并处理结果的 Python 脚本，然后让 Chat GPT 4O 审查，它提出的一个建议在理论上有益，但在 Python 实际情况中不适用，还引入了不必要的开销。但这并不意味着我不使用 AI 进行编码，它在找代码漏洞、交流想法、生成测试用例等方面很有帮助。”

还有用户表示，LLM 对于低级别编程的帮助有限，生成的代码往往不符合高级软件开发者的要求。但也有人反驳称，在某些语言如 Python、Javascript 等中，LLM 能准确生成所需的复杂代码。

有人认为使用 LLM 时关键在于人的引导和管理，若指令不明确，LLM 可能会偏离正轨。但也有人指出 LLM 能帮助处理繁琐工作，减轻决策疲劳。还有人提出 LLM 具有教学能力，能帮助理解代码和概念。

总的来说，讨论中的共识是 LLM 在编码中具有一定的价值和作用，但不能完全依赖，使用者需要具备一定的知识和技能来正确引导和评估。特别有见地的观点如将 LLM 视为团队成员，根据具体情况合理分配任务，以及认识到 LLM 在不同语言和场景中的表现差异。这些观点丰富了关于 LLM 在编码中应用的讨论，让人们对其有了更全面的认识。