Karpathy力荐必读博客:代码功底,决定AI「开挂」倍数!
创始人
2025-07-06 13:32:13
0

  炒股就看金麒麟分析师研报,权威,专业,及时,全面,助您挖掘潜力主题机会!

新智元报道

编辑:英智

【新智元导读】Atharva博客揭示,AI是工程师能力的放大器。扎实的编程基础搭配精准提示,能让AI助你打造出极致产品。想知道如何用AI加速开发、少踩坑?快来看高手的秘诀!

最近,Karpathy在YC AI创业学校演讲中推荐了一篇博客。

这篇博客中,Atharva表示,AI是放大器,coding功底越扎实,AI给的助力就越猛。

当你能用精准的提示词拆解需求,当对系统设计有敏锐直觉,AI会把你的能力指数级放大;反之,模糊的指令只会让AI输出漏洞百出的代码。

AI是打造认真、靠谱产品的工程团队的好帮手,这需要对这些工具有着娴熟的驾驭能力。

用AI开发,速度快得飞起!用对了,团队能更快地缩短与用户的反馈闭环,从而打造出更优秀的产品。

然而,用好AI工具也颇具挑战。用得不好,代码可能稀烂,甚至拖慢进度,深陷于垃圾代码和技术债务的泥潭。

AI编程是个放大器

想让AI发挥出色效果,首先要提升自己的水平。

AI是一个放大器。如果你的能力很差,收益自然微不足道;如果你的能力系数为负,收益甚至可能是负值。

最优秀、经验最丰富的工程师能从 AI 工具中榨取更多价值,原因如下:

所以,要秉持工匠精神。就算AI帮忙,也要对产出成果感到骄傲,这点在AI系统的最终产出中得到了清晰的印证。

举个例子。下面这个提示词不算差,但显然不够深思熟虑:

这个提示词能生成一个勉强可用的结果,但很可能会忽略一些边缘场景、最佳实践和质量标准。

相比之下,高手可能会这样提问:

优先考虑简单、可读性强的实现,避免过早优化。请仅用Python标准库(stdlib),不要引入Redis或其他外部依赖。

哪个提示词能更好地实现设计者的意图?一目了然吧!

还有个卓有成效的技巧,叫「元提示」(metaprompting)。

先给模型一个简单任务,让它帮忙挖出需要权衡的因素和潜在的边界情况,整理成技术规格,再让另一个AI智能体去执行。

实际上,上面那个「高手提示」就是AI帮忙优化的,AI现在已经很擅长为自己写提示词了。

AI工具的玩法总在变,但有一条金科玉律:努力提升自己,成为一名优秀的工程师,你的习惯会迅速传递给AI。

这之所以有效,根本原因在于:凡是能帮人类更好地思考和工作的方式,同样也能帮助AI。

能帮人类的,也能帮AI

在AI技术进步带来颠覆性变革的今天,有必要重新审视软件工程的定义。

软件工程的核心不是光写代码,至少,这并非它的决定性特征,正如写作的本质并非只是在纸上挥洒笔墨。

软件工程是一门艺术与科学,旨在维护一个庞大且定义明确的心智模型体系,以满足业务需求。核心是打造和维护复杂的社会技术系统,代码只是一种表现形式。

在AI强大到足以吞噬整个社会技术系统,并把培育它的人全踢出去之前,它必须要融入这个系统。

换句话说:在一个同样适合人类发展的环境中,AI也能更好地茁壮成长。这意味着,团队必须具备扎实的软件工程基础。

AI偏好的高质量团队和代码库有这些特征:

当今的AI能利用所有这些要素,自动搞定任务。

给一个编程智能体分配任务时,它会在其智能体循环中,通过运行测试用例和静态分析工具来不断进行自我修正。

这极大地减少了为完成工作,而需要进行的手把手干预。丰富的环境与上下文,能帮助AI更好地工作。

在此分享一则轶事:Atharva曾参与一个项目,其中包含两项服务。

一项服务具备上文描述的所有优点——良好的测试、完善的文档、一致的代码模式以及大量的检查与防护机制。而另一项服务则混乱不堪,上述优点一概皆无。

结果,AI编程智能体在处理后者一个同等难度的任务时举步维艰,远不如处理前者时那般顺利!

这很可能是因为,那个混乱的代码库对AI造成的困惑,与对人类工程师造成的并无二致。

对于何为正确的行事方式,它传递出了混乱甚至矛盾的信号。

编辑器中的工具与战术

战略讲完了,来点干货战术:

不计成本,使用最好的AI模型

务必使用当前最顶尖的编码模型,不要为了节省额度或开销而选择次级模型。

优质模型带来的优势会产生复利效应。拥有一个强大的编程模型作为基础,接下来介绍的所有战术都将事半功倍。

提供精准的上下文

AI辅助编程的效果,很大程度上取决于为LLM提供上下文的技巧有多娴熟:

开发新功能或重构

调试

编辑器之外的实用招数

AI提升个人技能与知识

AI是一位拥有海量知识、具有高效研究能力,超级有耐心的老师。

应积极用AI学习新知,揭开陌生代码或技术栈的神秘面纱。坚持不懈地深入挖掘,探寻最佳实践。同时,务必让AI引用高质量的信源,确保学到的知识准确无误。

创建海量详尽文档

把代码库信息提供给AI,就能轻松地创建大量细致的文档。比如:

这样做的好处显而易见——如今,生成文档的成本已极其低廉,而这些文档又能反过来极大地提升AI以及人类成员的工作效率。

解决日常协作小摩擦

AI能极大降低团队日常工作中遇到的各种小阻力:

代码评审 (Code Review)

调试监控线上应用

性能优化

数据库优化故事

下面是近期一次互动实例:优化PostgreSQL中的一整套查询。

每天要执行大约十次查询,每天一次,用于生成一组用于分析的报表,基于事务表的非规范化视图。这些查询庞大且缓慢。

作为一名训练有素的工程师,他挑出最慢的查询,然后:

等待了13分钟后,得到了一份相当友好的输出。

感谢像Hubert depesz Lubaczewski这样的好人,提供了一个很棒的工具来处理这些相当友好的输出。

通过这个工具,输出变得更加友好,一个大大的红框跳出来,清楚地告诉他哪里出了问题。

但他训练有素的工程师大脑却在想:现在该怎么办?!

Sir depesz的工具暗示了一个work_mem问题,这是一个可以在夜间运行这些查询时调整的旋钮。这比重写一个200行的、关联了整个世界的SQL查询要实用得多。

但该如何思考和推理这个问题?硬件能支持什么?他对PostgreSQL的旋钮调整几乎没有经验。

在上述故事发生前一个月,也就是2024年10月,人们对一个当时被称为Sonnet 3.5(新版)、如今被称为Sonnet 3.6的模型赞不绝口。当时它无疑是最好的AI模型。

他把查询计划和硬件规格塞给了Sir Sonnet 3.5(新版),以下是提示:

并非所有建议都完全合理,但关键建议看起来不错。于是他听从了AI的建议,重新运行了查询。然后数据库崩溃了。

Sir Sonnet回答:

(想象一下,这里还有几次迭代,以及对Sir Sonnet过于自信的胡言乱语的一些抱怨。)

最终,查询速度显著提升。他尝试调整了许多PostgreSQL参数,并整理了一个矩阵:

他和Srihari交流了经验,像Srihari这样经验丰富的人可能一个下午就能搞定。

Sir Sonnet帮忙的地方在于,作为一个从未调整过PostgreSQL参数的人,他能像Srihari一样高效产出。而且,与 Sir Sonnet的对抗式互动让他以前所未有的速度学习了PostgreSQL的内部机制。

如今,大模型比过去聪明得多。它们能更智能地推理,工具使用也更出色。

人们编写软件的方式正发生着巨变,因此有必要重新审视一些曾被奉为金科玉律的传统智慧。

别急着搞复杂抽象:首先,花费过多时间去寻找和构建精巧的抽象,其价值正在降低。

DRY(不要重复自己)原则对确保代码模式的一致性固然有用,但为了应对需求变更而维护,本身就需要付出成本。

返工的成本极低。小范围的代码编写不如整体代码结构和组织重要。可以快速构建多个原型测试想法。

氛围编程很适合原型开发,但事后要将原型抛弃并重新进行规范的开发。

验证并修正一个既有方案,通常比从零开始创造它要容易得多。这极大地降低了人们尝试新事物的阻力。

测试是绝对不容妥协的。AI能够快速、批量地生成测试用例,这让任何不写测试的借口都荡然无存。

但请记住,必须时刻严格审查其生成的内容!

参考资料:

https://blog.nilenso.com/blog/2025/05/29/ai-assisted-coding/

https://simonwillison.net/2025/Jun/10/ai-assisted-coding/

https://x.com/deedydas/status/1936090859319259321

相关内容

热门资讯

“丹娜丝”升为强台风!福州发布... “丹娜丝”强势升级为强台风!其威力不容小觑,给周边地区带来了巨大的气象变化。福州地区率先发布黄色预警...
30067人,苏超镇江战主场观... 转自:扬子晚报扬子晚报网7月6日讯(记者 万凌云 姜天圣)7月6日晚,苏超镇江队在镇江新体主场迎战泰...
A股业绩预增主线获市场资金认可... (原标题:利好来了!暴增104%!)人民财讯7月6日电,A股业绩预增主线正得到市场资金认可,多家上市...
恒生外卖指数还值得关注么? (转自:亨特hunter)这周末外卖大战再次打响。美团宣布暑期开门红,即时零售(外卖+闪购)订单破亿...
原创 泰... 最近,泰国的政坛很不对劲,原总理佩通坦,因为电话门事件被停职,短短三天,泰国已经换了3个总理。现在,...