Συμβουλές για την Αποδοτικότητα του Κωδικοποιητή Vibe: Απαραίτητες Διαβάσεις Πριν Γράψετε Κώδικα! Χρησιμοποιήστε την Τεχνητή Νοημοσύνη για να Βρείτε Πρώτα τη Βέλτιστη Λύση.

Ένας φίλος με ρώτησε τις προάλλες πώς να βελτιώσω την αποτελεσματικότητα κατά τη χρήση του Codex.

我说你想做的东西,GitHub 上大概率已经有人做过了,而且不少方案已经很成熟。能直接参考、修改,为什么还要从头写一遍?

Σας είπα να αντιγράψετε και να επικολλήσετε την ακόλουθη προτροπή και να την εκτελέσετε πριν ξεκινήσετε κάθε έργο.

他试了一下,回来跟我说,确实省了好多时间。

Συμβουλές για την Αποδοτικότητα του Κωδικοποιητή Vibe: Απαραίτητες Διαβάσεις Πριν Γράψετε Κώδικα! Χρησιμοποιήστε την Τεχνητή Νοημοσύνη για να Βρείτε Πρώτα τη Βέλτιστη Λύση.

Το σκέφτομαι και φαίνεται ότι αρκετοί άνθρωποι δεν γνωρίζουν αυτή τη λειτουργία. Είναι σαν πολλοί άνθρωποι να χρησιμοποιούν την Τεχνητή Νοημοσύνη για να γράφουν κώδικα, ξεκινώντας αμέσως με το Vibe Coding, επιτρέποντας στην Τεχνητή Νοημοσύνη να δημιουργεί ιστότοπους και να γράφει εφαρμογές.

Δεν υπάρχει πραγματικά λόγος να βιαστείς.

Αυτό που θέλετε να κάνετε, κάποιος στο GitHub πιθανότατα το έχει ήδη κάνει.

Αυτό που θέλετε να κάνετε πιθανότατα έχει ήδη γίνει στο GitHub. Πολλές λύσεις είναι ήδη ώριμες και η ποιότητα του κώδικα μπορεί να είναι ακόμη και υψηλότερη από αυτήν που θα μπορούσατε να γράψετε μόνοι σας. Γιατί να το ξαναγράψετε από την αρχή όταν μπορείτε να ανατρέξετε απευθείας σε υπάρχουσα εργασία και να την τροποποιήσετε;

Η προσωπική μου συνήθεια είναι ότι κάθε φορά που θέλω να ξεκινήσω ένα νέο έργο, δεν γράφω αμέσως κώδικα. Αρχικά, στέλνω αυτήν την πρόταση στην Codex:

我要做一个XXX。先不要写代码。去GitHub找能直接使用或二次开发的开源项目,确认是否还在维护、部署是否麻烦、哪些功能可以复用。最后告诉我,应该直接用、基于现有项目改,还是自己开发,并给出最简单的MVP方案。等我确认后再动手。

Μόνο αυτή η μία πρόταση.

Αυτή η προτροπή έκανε τρία πράγματα.

Σκεφτείτε το, αυτή η προτροπή κάνει τρία πράγματα.

Καταρχάς, επιτρέπει στην Τεχνητή Νοημοσύνη να βρίσκει υπάρχουσες λύσεις στο GitHub αντί να αρχίζει να γράφει τις δικές της. Πολλοί άνθρωποι μπορεί να μην γνωρίζουν ότι το Codex, όταν ενσωματώνεται με το πρόσθετο GitHub, μπορεί στην πραγματικότητα να αναζητά έργα ανοιχτού κώδικα σε πραγματικό χρόνο. Δεν είναι απλώς μια λειτουργία.

Δεύτερον, χρησιμοποιεί την Τεχνητή Νοημοσύνη για να σας βοηθήσει να αξιολογήσετε την ποιότητα αυτών των έργων: αν εξακολουθούν να συντηρούνται, πόσο περίπλοκη είναι η ανάπτυξη και ποιες λειτουργίες μπορούν να χρησιμοποιηθούν άμεσα. Εάν αναζητούσατε χειροκίνητα κάθε έργο στο GitHub, μπορεί να χρειαστούν μία ή δύο ώρες. Αφήστε την Τεχνητή Νοημοσύνη να το εκτελέσει και θα λάβετε αποτελέσματα σε λίγα λεπτά.

Τρίτον, επιτρέπει στην Τεχνητή Νοημοσύνη να σας δώσει μια σαφή πρόταση απόφασης: αν θα τη χρησιμοποιήσετε απευθείας, αν θα την τροποποιήσετε ή αν θα τη γράψετε από την αρχή, και σας βοηθά επίσης να σχεδιάσετε την απλούστερη λύση MVP.

Γιατί μπορούμε να εξοικονομήσουμε πολλά tokens;

Επιτρέψτε μου να σας πω, αυτή η λειτουργία μπορεί πραγματικά να σας εξοικονομήσει πολλά tokens.

Γιατί; Επειδή αν αφήσετε απευθείας την Τεχνητή Νοημοσύνη να ξεκινήσει να γράφει κώδικα, δεν θα γνωρίζει ότι αυτό που θέλετε υπάρχει ήδη. Θα δημιουργήσει μια τεράστια ποσότητα κώδικα για εσάς από την αρχή. Αυτός ο κώδικας μπορεί να επικαλύπτεται με τη λειτουργικότητα υπαρχόντων έργων ανοιχτού κώδικα και τελικά θα πρέπει να τον καθαρίσετε μόνοι σας.

Ωστόσο, αν αφήσετε την Τεχνητή Νοημοσύνη να σας βοηθήσει να βρείτε πρώτα την απάντηση, οι προτάσεις της θα βασίζονται στο υπάρχον οικοσύστημα και όταν γράψετε τον κώδικα, η ποσότητα του κώδικα μπορεί να μειωθεί τουλάχιστον κατά το ήμισυ.

Αυτό κάνω και εγώ ο ίδιος. Κάθε φορά που ξεκινάω ένα νέο έργο, εκτελώ πρώτα αυτό το πρόγραμμα προτάσεων και στη συνέχεια αποφασίζω για το επόμενο βήμα με βάση τις προτάσεις της τεχνητής νοημοσύνης. Αυτό βελτιώνει πραγματικά την αποτελεσματικότητα.

Για να είμαι ειλικρινής, δεν είμαι σίγουρος αν αυτή η μέθοδος θα λειτουργήσει για όλους. Σε ορισμένα έργα μπορεί πράγματι να μην υπάρχουν άμεσα διαθέσιμες λύσεις. Αλλά σκεφτείτε το: για τα περισσότερα από τα πράγματα που θέλετε να κάνετε, με εκατοντάδες εκατομμύρια αποθετήρια στο GitHub, υπάρχει πολύ μεγάλη πιθανότητα κάποιος να το έχει ήδη κάνει.

Στέκοντας στους ώμους γιγάντων

Δεν είσαι προγραμματιστής, επομένως δεν χρειάζεται να γράφεις κώδικα από την αρχή. Δεν είσαι δημιουργός περιεχομένου, επομένως δεν χρειάζεται να δημιουργείς πρωτότυπο περιεχόμενο κάθε μέρα. Είσαι απλώς κάποιος που θέλει να κάνει κάτι ουσιαστικό και η πιο έξυπνη προσέγγιση είναι πρώτα να δεις τι έχουν ήδη κάνει άλλοι και μετά να σταθείς στους ώμους γιγάντων.

Μερικές φορές νιώθω ότι ο πιο έξυπνος τρόπος για να χρησιμοποιήσεις την Τεχνητή Νοημοσύνη στην εποχή της Τεχνητής Νοημοσύνης είναι να μην αφήσεις την Τεχνητή Νοημοσύνη να κάνει τα πάντα για σένα, αλλά να αφήσεις την Τεχνητή Νοημοσύνη να κάνει ανάκτηση πληροφοριών και ανάλυση αποφάσεων για σένα, και στη συνέχεια να μπορείς να την εκτελέσεις εσύ.

Ποια είναι η διαφορά μεταξύ αυτού και της χρήσης μιας μηχανής αναζήτησης πριν; Προηγουμένως, όταν αναζητούσατε μια συγκεκριμένη απαίτηση, εμφανιζόταν μια δέσμη συνδέσμων και έπρεπε να κάνετε κλικ σε αυτούς έναν προς έναν για να δείτε ποιοι λειτουργούσαν και ποιοι όχι. Τώρα, λέτε στην Τεχνητή Νοημοσύνη τις απαιτήσεις σας και αυτή τις φιλτράρει για εσάς και σας δίνει απευθείας το συμπέρασμα.

Μπορείτε να το πιστέψετε;

Αυτή η προτροπή πρέπει να είναι χαραγμένη.DNAσε

Προσωπικά πιστεύω ότι αυτή η προτροπή θα πρέπει να είναι ενσωματωμένη στο DNA μας . Η εκτέλεσή της πριν από την έναρξη ενός νέου έργου εξοικονομεί πολύ χρόνο.

Ένα άλλο πλεονέκτημα αυτής της προσέγγισης είναι ότι αποφεύγετε την επανεφεύρεση του τροχού. Η Τεχνητή Νοημοσύνη σας βοηθά να βρείτε άμεσα διαθέσιμες λύσεις, επιτρέποντάς σας να εστιάσετε στις πραγματικά προσαρμοσμένες πτυχές. Με αυτόν τον τρόπο, η ενέργειά σας μπορεί να αφιερωθεί στους πιο πολύτιμους τομείς.

Η δική μου εμπειρία δείχνει ότι όταν άρχισα να χρησιμοποιώ την Τεχνητή Νοημοσύνη για να γράφω κώδικα, ήμουν πραγματικά ενθουσιασμένος και ήθελα η Τεχνητή Νοημοσύνη να δημιουργεί τα πάντα από την αρχή. Αλλά αφού τη χρησιμοποίησα για λίγο καιρό, διαπίστωσα ότι αυτό ήταν συχνά πιο αργό. Αυτό συμβαίνει επειδή πρέπει να εντοπίσετε σφάλματα, να τροποποιήσετε και να συντηρήσετε τον κώδικα που δημιουργείται από την Τεχνητή Νοημοσύνη, ενώ τα υπάρχοντα έργα ανοιχτού κώδικα έχουν επαληθευτεί από πολλούς ανθρώπους, επομένως η ποιότητά τους είναι πιο εγγυημένη.

Αυτό μπορεί να ακούγεται αντιφατικό, σωστά; Αλλά σκεφτείτε το: το πιο σημαντικό πράγμα στον κώδικα δεν είναι η συγγραφή του, αλλά η σωστή συγγραφή του. Οι υπάρχουσες λύσεις έχουν ήδη επικυρωθεί. Η άμεση χρήση τους θα μειώσει σημαντικά τις πιθανότητες αντιμετώπισης προβλημάτων.

Η συμβουλή μου, λοιπόν, είναι: την επόμενη φορά που θα γράφετε κώδικα με Codex ή οποιαδήποτε τεχνητή νοημοσύνη, μην βιαστείτε. Αρχικά, εκτελέστε την εντολή μία φορά και αφήστε την τεχνητή νοημοσύνη να σας βοηθήσει να βρείτε την απάντηση.

Μπορεί να διαπιστώσετε ότι αυτό που προσπαθείτε να κάνετε έχει ήδη γίνει από κάποιον άλλο.

Απλά πρέπει να το πάρεις και να το χρησιμοποιήσεις.

Αξιοποιήστε τον χρόνο που εξοικονομείτε για να κάνετε κάτι πιο ενδιαφέρον.

Αφού διαβάσατε μέχρι εδώ, αν το βρήκατε χρήσιμο, κάντε like και κοινοποιήστε το. Αν θέλετε να λαμβάνετε ενημερώσεις πρώτοι, μπορείτε επίσης να με ακολουθήσετε!

Σας ευχαριστώ που διαβάσατε το άρθρο μου. Τα λέμε την επόμενη φορά.

Ας ελπίσουμε ότι το άρθρο "Τεχνικές Διπλασιασμού της Απόδοσης του Κωδικοποιητή Vibe: Ένα άρθρο που πρέπει να διαβάσετε πριν γράψετε κώδικα! Χρησιμοποιήστε την Τεχνητή Νοημοσύνη για να βρείτε πρώτα τη βέλτιστη λύση", που κοινοποιήθηκε στο ιστολόγιο του Chen Weiliang ( https://www.chenweiliang.com/ ), θα σας φανεί χρήσιμο.

Μη διστάσετε να κοινοποιήσετε τον σύνδεσμο αυτού του άρθρου: https://www.chenweiliang.com/cwl-34473.html

Για να ξεκλειδώσετε περισσότερα κρυμμένα κόλπα🔑, καλώς ήρθατε στο κανάλι μας στο Telegram!

Κάντε share και like αν σας αρέσει! Τα share και τα likes σας είναι το συνεχές μας κίνητρο!

 

发表 评论

您的邮箱地址不会被公开。必填项已用*标注

Μεταβείτε στην κορυφή