一次意外右手骨折，Claude 工程師的工作竟被 AI 挽救了。近兩個月的時間，他們一起結(jié)對編程，甚至在一周內(nèi)肝出 3000 行代碼。他瘋狂暗示，未來 1-3 年，就是「AI 工程師」的天下。

原來，摔斷胳膊也是一件幸事......

當(dāng)事人表示，「我再也不想回到過去了」。這是為何？

事情是這樣的，幾個月前，Claude 工程師 Erik Schluntz 騎車上班的路上，意外摔斷右手，打上了石膏。

為了生計，他不得已用左手打字。即便如此，Schluntz 依舊在 Anthropic 舊金山的辦公室里，一周狂肝了 3000 行代碼。

誰也不曾想，這背后竟是 AI 立了大功。

他通過結(jié)合語音轉(zhuǎn)文字技術(shù)，與 Claude AI 結(jié)隊，整整寫了 2 個月的代碼。不過，必須承認(rèn)的是，其中有許多是「樣板代碼」。

為此，Schluntz 還撰寫了一篇長文，題為 ——AI 替代了我的右手。

文章中，他表示，「通過這件事，體驗到了人類幾乎不再需要自己編寫代碼的未來」。

老實說，我愛上了這種感覺。

另一位 Anthropic 工程師表示，通過從這件事，我們可以獲得軟件工程未來幾年的關(guān)鍵一瞥。

即使右手不能使，AI 是完全可以讓你成為一個 10 倍程序猿。

那么，Erik Schluntz 如何在受傷期間，能夠讓 AI 為他高效編碼呢？

初始設(shè)置

首先，文章開篇他最先介紹了，自己如何對 AI 進(jìn)行設(shè)置，最終決定使用了 Claude AI。

Schluntz 在摔斷手之前，也曾使用類似 Copilot 等 AI 代碼生成工具，但主要還是「手寫」。

2015 年哈佛碩士畢業(yè)，Cobalt 機器人公司創(chuàng)始人、Anthropic AI 技術(shù)研究員

此外，他也使用過「語音轉(zhuǎn)文字」，但也主要在手機上發(fā)短信，并未在電腦中嘗試過這一功能。

好在，Mac 內(nèi)置語音控制在 NLP 處理上非常出色。

唯一不足的是，在聽寫任何與代碼相關(guān)的內(nèi)容時，Siri 表現(xiàn)得很糟糕。畢竟，一些符號和詞匯，大大超出其識別范圍。

就比如：

Schluntz：Eval

Siri：Eval？你想說的是 Evil 嗎？

當(dāng)然，目前有一些專門針對代碼的優(yōu)秀語音轉(zhuǎn)文字系統(tǒng)，比如 Talon。

但由于 Schluntz 對 AI 代碼生成非常感興趣，于是決定嘗試，用自家 AI 去完成這項艱巨的任務(wù)。

這里沒有使用 Copilot，是因為其自動補全功能，對作者來說異常慢，需要開發(fā)者先寫出半行代碼，才能實現(xiàn)。

畢竟摔傷了一只手，「動嘴」還是比「動手」快。

這時，只需將大塊代碼庫內(nèi)容一鍵復(fù)制粘貼到 Claude AI 中，然后通過語音命令進(jìn)行轉(zhuǎn)換。

舉個栗子，Schluntz 會說「重構(gòu) ABC 函數(shù)以接受輸入 XYZ」或「為這些新函數(shù) ABC 編寫單元測試，并查看 XYZ 的示例測試」。

雖然 Claude 并不總是能在第一次嘗試時成功，但它能很好地接受后續(xù)指令和調(diào)整 ——

「我感覺就像是，和 AI 進(jìn)行『結(jié)對編程』，而由另一個人操作鍵盤」！

調(diào)教 Claude

「被迫」這樣寫代碼后，Schluntz 很快就弄清楚了，什么樣提示會生成有效代碼，什么會是無效。

有時候，它非常神奇，但有時候，就連作者本人恨不得把電腦扔出窗外。

他不得不在 IDE 和 Claude 之間頻繁地復(fù)制粘貼，并手動拼接被 Claude 輸出長度限制截斷的代碼片段。

甚至，有幾次他對 Claude「提高了嗓門」，只因 AI「忘記了」Schluntz 之前的指令。

接下來，就看看 Schluntz 如何調(diào)教的 Claude。

要具體，并舉例說明

如果你只給出一個基本請求，LLM 可能會給出一個中規(guī)中矩的通用答案，可能并不適用于你的特定代碼庫。

這時，就需要給出「非常明確的指令」，來獲得更優(yōu)的結(jié)果。比如，詳細(xì)說明你期望的輸入和輸出，使用哪些庫等。

Schluntz 發(fā)現(xiàn)，將指令放在輸入的開頭和結(jié)尾效果最好，可以確保 AI 不會「遺忘」重要的上下文。

最好是，能夠提供代碼庫示例，供 AI 參考。特別是，在編寫單元測試、處理樣板代碼時，AI 表現(xiàn)特別好。

通過示例，AI 還可以學(xué)習(xí)如何使用代碼庫中的內(nèi)部工具函數(shù)。這當(dāng)中，遷移和重構(gòu)，是最完美的應(yīng)用場景。

Schluntz 會手動遷移一個實例，然后用它作為示例讓 Claude 轉(zhuǎn)換其余的輸入。

通過這種方式，他可以快速重構(gòu)大約 3,000 行代碼。

讓 Claude 掌舵

大多數(shù)人把 LLM 當(dāng)作 StackOverflow 的替代品：他們雖是在詢問方向，但仍然自己在駕駛。Schluntz 則反其道而行之。

「如果你能夠給 Claude 正確的基礎(chǔ)構(gòu)建模塊，它往往可以一次性完成整個任務(wù)」。

在周末的機器人項目中，Schluntz 和朋友 Survy 給 Claude 提供了一段控制單個電機和讀取藍(lán)牙游戲手柄的代碼。

通過這些構(gòu)建模塊，Claude 能夠一氣呵成地編寫出所有遠(yuǎn)程控制機器人的代碼，節(jié)省了大量時間和繁瑣的數(shù)據(jù)處理！

令人驚訝的是，這與常見的建議完全相反，即一次只向 LLM 提出一個問題。

尤其是，在 Schluntz 不熟悉的領(lǐng)域，Claude 往往在任務(wù)分解方面表現(xiàn)得尤為出色。

過于具體的請求也能奏效，但有時會導(dǎo)致失去整體視角，類似于在沒有整體背景的情況下，給出狹隘的建議。

RTFM == Read This For Me

電機控制器，有一份 100 頁的說明書，內(nèi)容繁瑣且復(fù)雜。但 Schluntz 和 Survy 將其上傳到 Claude，然后提問，迅速解決了其中一個問題。

在以前，這可能需要一個小時的仔細(xì)閱讀，并查找相關(guān)術(shù)語和教程。

機械同理心

「你不需要成為工程師才能成為賽車手，但你必須擁有機械同理心?！?/p>

—— 三屆 F1 世界冠軍 Jackie Stewart

漸漸地，Schluntz 開始建立起一種非常好的直覺，Claude 能正確處理哪些事情，以及哪些事情仍需要人類做。了解這種區(qū)別，讓他在兩個方向上都避免了很多挫敗感。

Schluntz 學(xué)會了哪些地方可以進(jìn)行簡化處理：

• 「我正在使用一個名為 pygame 的 Python 庫……」 簡化為 「在 pygame 中……」

• 「當(dāng)我運行你的代碼時，我收到了這個錯誤信息…… 你認(rèn)為我現(xiàn)在應(yīng)該怎么做」 簡化為直接復(fù)制堆棧追蹤（stack trace）。

他甚至還學(xué)會了，轉(zhuǎn)換或重構(gòu)大塊代碼可以帶來顯著效果。例如，在每一行之間添加計時器（timing instrumentation）。

另一方面，Schluntz 學(xué)到如果一個 LLM 在兩次嘗試中，無法修復(fù)一個錯誤，那么它永遠(yuǎn)也不能修復(fù)。這時就需要自己動手了。

他還對 Claude 可能會犯的錯誤，有了很好的直覺。

有一次，Claude 給了一段代碼，它循環(huán)遍歷 motor1, motor2, motor2, motor4，遺漏了 motor3。

作者的朋友注意到這一點，并說 「這一定是幻覺」！但 Schluntz 能感覺到，「Claude 絕不會犯這種錯誤」。

果然，當(dāng)他們檢查輸入時，發(fā)現(xiàn)這個錯誤確實存在于最初放入 Claude 的原始代碼中。

為自己構(gòu)建臨時工具

當(dāng) Schluntz 帶著機器人繞著后院轉(zhuǎn)了一圈后，它輸出了一份包含 GPS 坐標(biāo)和其他數(shù)據(jù)的 CSV 文件。

他想檢查這些數(shù)據(jù)與實際情況的準(zhǔn)確性，但并沒有很高效的方法，要弄清楚如何查看和分析這些 GPS 坐標(biāo)可能需要一個小時。甚至，他可能會手動在手機上檢查 GPS 坐標(biāo)，用眼睛死死盯著這些數(shù)字，害怕漏掉其中一行。

這次，Schluntz 將 CSV 文件的前兩行提供給 Claude。它立即生成了一個網(wǎng)頁 App，可以在衛(wèi)星圖像上渲染上傳的 GPS 坐標(biāo) CSV 文件！

擁有恰好符合我需求的完美調(diào)試工具，而不用依賴 print 語句或預(yù)先構(gòu)建的可視化工具，徹底改變了局面。

AI 讓軟件開發(fā)變得如此便宜，以至于它可以為特定任務(wù)創(chuàng)建一次性工具！

總的來說，這些經(jīng)驗和教訓(xùn)讓 Schluntz 在使用 AI 寫代碼時，變得更高效！

沒有 AI 工具，這就像是放棄編譯器，改為手寫匯編語言一樣。

未來會怎樣？

在文章的最后，Schluntz 將 AI 編程劃分為三個階段：

過去 1-2 年

過去的幾年里，AI 在軟件工程中的最大用途是，在 IDE 中使用 Copilot 自動補代碼，或是通過 ChatGPT 查詢代碼知識（以往需要去 StackOverflow 尋找答案）。

以及，通過一些智能體，在沒有人類監(jiān)督情況下輔助編程，執(zhí)行多個步驟，但這些并不實用。

今年

2024 年，這三個領(lǐng)域都在發(fā)生變革。

諸如 Zed、Cursor 和各種 VSCode 擴展這樣的 IDE，深入地整合了大模型，擁有更完美的上下文，還能處理更大塊的代碼生成。

Claude Artifacts、ChatGPT 的 Data Analyst 取代了 Jupyter Notebook。它們已經(jīng)成為作者的原型開發(fā)工具，和一次性代碼的首選解決方案。

最后，一批如 Cognition、Factory、CodeGen 等智能體初創(chuàng)公司，正在端到端地自動化某些工作流程。

未來 1-3 年

Schluntz 認(rèn)為，未來 1-3 年，會出現(xiàn)真正的「AI 工程師」。

也就是說，這三個領(lǐng)域可能會融合成一個產(chǎn)品 ——「AI 工程師」，一個可以在自主模式和同步模式之間連續(xù)工作的系統(tǒng)：

1. 自主模式適用于范圍明確的任務(wù)

AI 將完全獨立工作，具備編寫和運行代碼、使用外部工具、搜索網(wǎng)絡(luò)信息、訪問內(nèi)部文檔以及從過去錯誤中學(xué)習(xí)的能力。它會不斷迭代任務(wù)，直到完成或遇到瓶頸。這將占據(jù) 80% 的工作量。

2. 配對編程模式適用于最難的任務(wù)

人類將在高層次上指導(dǎo) AI，而 AI 負(fù)責(zé)處理低層次的實現(xiàn)細(xì)節(jié)。互動將是高度多模態(tài)的，人類和 AI 將在文本描述、視覺圖表、口頭討論和直接操作彼此代碼之間無縫切換。你可能會共享屏幕，讓 AI 跟隨并給出建議和意見，或者 AI 共享它的屏幕，而你在它操作時給予指導(dǎo)。

除此之外：

• AI 工程師將擁有與你作為員工時相同的所有背景信息和知識

AI 將連接到公司的知識庫，訪問你的設(shè)計文件和客戶訪談記錄。無論是自主操作還是與人類配對，AI 都能在需要時無縫地提取這些信息以做出決策。

• AI 工程師將是主動的而不是阿諛奉承的

如果你提出一個設(shè)計建議，AI 會提供用戶訪談記錄，并提出更好的建議。

AI 工程師將為其工作中的簡單和可預(yù)測部分派遣更便宜的子智能體，從而降低計算成本和延遲。就像你可以瀏覽日志文件而不必逐字閱讀一樣。

在 Schluntz 看來，AI 工程師在特定方面將比大多數(shù)人類工程師更聰明，但有時會缺乏常識或者需要重新集中注意力并接受指導(dǎo)。

實際上，這與今天經(jīng)理和產(chǎn)品經(jīng)理與工程師合作的方式并沒有太大區(qū)別。

我們還需要工程師嗎？

正如計算器的發(fā)明并沒有讓會計師失業(yè)，而是提升了他們的工作，使他們能夠在更高的抽象層次上進(jìn)行思考。

會計師仍然需要知道如何做數(shù)學(xué)運算和理解計算，但像計算器和電子表格這樣的工具使他們能夠創(chuàng)造比以前更多的價值。

類似的，AI 也會降低創(chuàng)建軟件的門檻，就像任何人都可以使用 Excel 做個人會計一樣。

學(xué)生們可以在宿舍里啟動完整的應(yīng)用程序和業(yè)務(wù)，小型工作室也可以為自己創(chuàng)建量身定制的軟件工具。

這時，創(chuàng)造力將會是唯一的瓶頸。人類工程師不會消失。

我們?nèi)匀恍枰诟邔哟紊线M(jìn)行優(yōu)先級排序，理解問題的整體架構(gòu)和范圍，并審查 AI 的工作，尤其是在系統(tǒng)變得更大時。

不同的是，我們將會把更多的時間花在思考構(gòu)建什么上，而不是重復(fù)性地考慮「如何」構(gòu)建。

如今，Schluntz 已經(jīng)擺脫了石膏的「束縛」，但他依然會將大部分代碼交給 Claude 去寫。

軟件工程的未來

巧合的是，Cognition AI 的總裁 Russell Kaplan 昨天也發(fā)表了長推，預(yù)測在 AI 越來越擅長寫代碼的時代，軟件工程行業(yè)將如何發(fā)展。

Congnition AI 正是第一個 AI 軟件工程師 Devin 的開發(fā)商。

在 Kaplan 看來，研究實驗室將對下一代模型的編碼和推理進(jìn)行更多改進(jìn)。很快，模型在編程上就會變得非常出色。為什么呢？

除了通用人工智能的進(jìn)步外，編程還有一個獨特的優(yōu)勢：通過「自我對弈」實現(xiàn)超越人類的數(shù)據(jù)擴展?jié)摿Α?/p>

模型可以編寫代碼，然后運行它；或者編寫代碼，編寫測試，并檢查一致性。

這種類型的自動監(jiān)督在大多數(shù)領(lǐng)域是不可能實現(xiàn)的，因為我們在接近人類專業(yè)知識極限時，面臨著后訓(xùn)練的數(shù)據(jù)壁壘。而代碼不同 —— 它可以通過經(jīng)驗和自動化進(jìn)行測試。

因此，軟件工程在幾年內(nèi)將會發(fā)生根本性的變化。

真正的編碼智能體將能夠完成端到端的任務(wù)，并與今天的 AI Copilot 相輔相成。在這個新世界中，每個工程師都將成為工程經(jīng)理，并配有一支由智能體組成的實習(xí)生大軍。

工程師只需將把基本任務(wù)委派給編碼智能體，然后就能把更多的時間花在解決更高層次的問題上：理解需求、架構(gòu)系統(tǒng)以及決定構(gòu)建什么。

這將引領(lǐng)我們進(jìn)入一個前所未有的軟件繁榮時代。

很快，曾經(jīng)難以開發(fā)且成本高昂的軟件將變得更加易于獲?。ㄌ岣?10 倍），「一次性軟件」也將會大量涌現(xiàn)。

未來的軟件工程師將比現(xiàn)在多得多，只是工作方式會有很大不同：更多的自然語言，以及更少的樣板代碼。

當(dāng)然，對于這種變化，工程師們很快就能夠適應(yīng)，就像他們從匯編語言過渡到 Python 時一樣。

除了直接的生產(chǎn)力提升之外，這還會對初創(chuàng)公司產(chǎn)生實質(zhì)性的「二階效應(yīng)」。

首先，面向開發(fā)者的公司也將針對編碼智能體進(jìn)行「營銷」。畢竟，你的智能體會決定使用哪個云服務(wù)和選擇哪個數(shù)據(jù)庫。

曾經(jīng)作為優(yōu)先考慮的用戶友好 CLI，將轉(zhuǎn)變?yōu)橹悄荏w友好的 UI / UX 界面。

產(chǎn)品質(zhì)量的門檻也將提高。在開發(fā)者能夠更快交付的世界中，半成品或功能不完整的 MVP 將不再被接受。

隨著編碼智能體的興起，測試基礎(chǔ)設(shè)施將變得更加重要和普及。因為編碼智能體會編寫更多的測試，同時也會依賴這些測試來檢查他們的工作。

隨著智能體使代碼遷移變得更容易，轉(zhuǎn)換成本將不再是科技公司的護(hù)城河。公司甚至將智能遷移助手與產(chǎn)品進(jìn)行捆綁銷售，來簡化使用流程。

無論具體情況如何，總體趨勢是明確的：現(xiàn)在是成為開發(fā)者的最佳和最高效的時代。

參考資料：

• https://x.com/ErikSchluntz/status/1820501663998001160

• https://x.com/alexalbert__/status/1820503813180280964

• https://erikschluntz.com/software/2024/07/30/code-with-ai.html

• https://x.com/russelljkaplan/status/1820460524460802256

本文來自微信公眾號：微信公眾號（ID：null），作者：新智元，原標(biāo)題《AI 編碼無需人類插手！Claude 工程師摔斷右手，竟一周狂肝 3000 行代碼》

廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。