„Vibe“ kodavimo efektyvumo patarimai: būtina perskaityti prieš rašant kodą! Pirmiausia naudokite dirbtinį intelektą, kad rastumėte optimalų sprendimą.

Draugas manęs kitą dieną paklausė, kaip pagerinti efektyvumą naudojant „Codex“.

Liepiau pirmiausia prijungti „GitHub“ papildinį.

Jis pasakė, kad jį sujungė.

Liepiau nukopijuoti ir įklijuoti šią užklausą ir ją paleisti prieš pradedant kiekvieną projektą.

Jis pabandė ir grįžo man pasakyti: „Šventas šūdas, tai sutaupė man tiek daug laiko.“

Galvojau apie tai ir atrodo, kad nemažai žmonių nežino apie šią funkciją. Tarsi daugelis žmonių naudoja dirbtinį intelektą kodui rašyti, iš karto pradėdami nuo „Vibe Coding“, leisdami dirbtiniam intelektui generuoti svetaines ir rašyti programas.

Tikrai nereikia skubėti.

Tai, ką norite padaryti, kažkas „GitHub“ platformoje greičiausiai jau padarė.

Tai, ką norite daryti, greičiausiai jau yra padaryta „GitHub“. Daugelis sprendimų jau yra subrendę, o kodo kokybė gali būti net aukštesnė nei tas, kurį galėtumėte parašyti patys. Kam perrašyti nuo nulio, kai galite tiesiogiai remtis esamu darbu ir jį modifikuoti?

Mano asmeninis įprotis yra toks, kad kai tik noriu pradėti naują projektą, iš karto nerašau jokio kodo. Pirmiausia siunčiu šį pasiūlymą „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。

Tik šis vienas sakinys.

Ši užuomina padarė tris dalykus.

Pagalvokite, ši užduotis atlieka tris dalykus.

Pirma, tai leidžia dirbtiniam intelektui rasti esamus sprendimus „GitHub“, užuot pradėjus rašyti savo. Daugelis žmonių gali nežinoti, kad „Codex“, integruotas su „GitHub“ įskiepiu, iš tikrųjų gali ieškoti atvirojo kodo projektų realiuoju laiku; tai ne tik funkcija.

Antra, ji naudoja dirbtinį intelektą, kad padėtų įvertinti šių projektų kokybę: ar jie vis dar prižiūrimi, koks sudėtingas diegimas ir kurias funkcijas galima naudoti tiesiogiai. Jei rankiniu būdu ieškotumėte kiekvieno projekto „GitHub“ platformoje, tai gali užtrukti valandą ar dvi. Leiskite dirbtiniam intelektui tai paleisti ir rezultatus gausite per kelias minutes.

Trečia, tai leidžia dirbtiniam intelektui pateikti aiškų sprendimo pasiūlymą: ar naudoti jį tiesiogiai, modifikuoti, ar rašyti nuo nulio, ir tai taip pat padeda suplanuoti paprasčiausią MVP sprendimą.

Kodėl galime sutaupyti daug žetonų?

Leiskite man pasakyti, kad ši operacija tikrai gali sutaupyti daug žetonų.

Kodėl? Nes jei tiesiogiai leisite dirbtiniam intelektui pradėti rašyti kodą, jis nežinos, kad tai, ko norite, jau egzistuoja. Jis sugeneruos jums didžiulį kiekį kodo nuo nulio. Šis kodas gali dubliuotis su esamų atvirojo kodo projektų funkcionalumu, ir galiausiai turėsite jį patys išvalyti.

Tačiau jei pirmiausia leisite DI padėti jums rasti atsakymą, jos pasiūlymai bus pagrįsti esama ekosistema, o rašant kodą, kodo kiekį galima sumažinti bent perpus.

Aš pats taip darau. Kai tik pradedu naują projektą, pirmiausia paleidžiu šią pasiūlymų programą, o tada, remdamasis dirbtinio intelekto pasiūlymais, nusprendžiu dėl kito žingsnio. Tai tikrai pagerina efektyvumą.

Jei atvirai, nesu tikras, ar šis metodas tiks visiems; kai kuriems projektams iš tiesų gali trūkti lengvai prieinamų sprendimų. Tačiau pagalvokite: daugumai dalykų, kuriuos norite padaryti, turint šimtus milijonų saugyklų „GitHub“, yra labai didelė tikimybė, kad kažkas tai jau padarė.

Stovėdamas ant milžinų pečių

Nesate programuotojas, todėl jums nereikia rašyti kodo nuo nulio. Nesate turinio kūrėjas, todėl jums nereikia kurti originalaus turinio kiekvieną dieną. Jūs tiesiog esate žmogus, norintis nuveikti ką nors prasmingo, ir protingiausias būdas yra pirmiausia pamatyti, ką kiti jau padarė, o tada atsistoti ant milžinų pečių.

Kartais manau, kad protingiausias būdas naudoti dirbtinį intelektą dirbtinio intelekto eroje yra ne leisti dirbtiniam intelektui viską padaryti už jus, o leisti jam už jus atlikti informacijos paiešką ir sprendimų analizę, o tada jūs galite tai įgyvendinti.

Kuo tai skiriasi nuo ankstesnio paieškos sistemos naudojimo? Anksčiau, ieškant konkretaus reikalavimo, atsirasdavo daugybė nuorodų ir reikėdavo jas po vieną spustelėti, kad pamatytum, kurios veikė, o kurios ne. Dabar reikia nurodyti dirbtiniam intelektui savo reikalavimus, o jis juos filtruoja ir pateikia tiesioginę išvadą.

Ar galite tuo patikėti?

Šis raginimas turėtų būti išgraviruotas.DNR里

Aš asmeniškai manau, kad ši užduotis turėtų būti įsirėžusi į mūsų DNR . Jos peržiūra prieš pradedant naują projektą tikrai sutaupo daug laiko.

Dar vienas šio požiūrio privalumas yra tas, kad nereikia išradinėti dviračio iš naujo. Dirbtinis intelektas padeda rasti lengvai prieinamus sprendimus, leidžiančius sutelkti dėmesį į tikrai individualius aspektus. Tokiu būdu jūsų energija gali būti skirta vertingiausioms sritims.

Mano patirtis rodo, kad kai pirmą kartą pradėjau naudoti dirbtinį intelektą kodui rašyti, buvau labai susijaudinęs ir norėjau, kad dirbtinis intelektas viską sugeneruotų nuo nulio. Tačiau kurį laiką jį panaudojęs pastebėjau, kad tai dažnai vyksta lėčiau. Taip yra todėl, kad reikia derinti, modifikuoti ir prižiūrėti dirbtinio intelekto sugeneruotą kodą, o esamus atvirojo kodo projektus patikrino daugybė žmonių, todėl jų kokybė yra labiau garantuota.

Tai gali skambėti nelogiškai, tiesa? Bet pagalvokite: svarbiausia kode yra ne jį rašyti, o parašyti teisingai. Esami sprendimai jau buvo patvirtinti; jų tiesioginis naudojimas žymiai sumažins problemų tikimybę.

Taigi, mano patarimas – kitą kartą rašant kodą naudojant „Codex“ ar bet kurį kitą dirbtinį intelektą, neskubėkite. Pirmiausia vieną kartą paleiskite užklausą ir leiskite dirbtiniam intelektui padėti jums rasti atsakymą.

Galite pastebėti, kad tai, ką bandote daryti, jau padarė kažkas kitas.

Jums tereikia jį paimti ir naudoti.

Sutaupytą laiką panaudokite kažkam įdomesniam.

Kadangi jau perskaitėte iki šiol, jei manote, kad tai buvo naudinga, prašome paspausti „patinka“ ir pasidalyti. Jei norite gauti naujienas pirmieji, taip pat galite mane sekti!

Ačiū, kad perskaitėte mano straipsnį. Iki kito karto.