挖坑不填兽
·
vibe coding 的一点经验
内容提要
作者分享了使用AI编程的经历，从初步尝试到深入应用，利用AI工具解决复杂问题。尽管AI在某些方面表现优异，但在关键架构和调试上仍需人工干预。通过结合多种工具，作者优化了开发流程，提高了效率。
关键要点
-
作者早期尝试在本地运行AI模型辅助编程，使用Ollama部署的LLama 2等模型。
-
在AI的帮助下，成功开发了PostgreSQL上的GPU计算插件，并进行模型微调。
-
使用kimi的API进行开发，结合github copilot和cursor工具，优化工作流程。
-
遇到复杂问题时，AI提供了令人惊讶的解决方案，尤其是在长推理模式下。
-
对AI工具的使用有三种情况：问题太难、太简单或适中，通常通过AI讨论解决。
-
关键架构问题需要人工干预，AI可能给出不合理的实现方案。
-
采用独立进程架构来处理长时任务，提高开发和调试效率。
-
在动态数据模型中使用PostgreSQL的JSONB字段管理信息，AI难以独立实现。
-
前端调试中，AI表现优秀，但仍需手动处理某些问题。
-
AI在Python Web项目中倾向于使用不可靠的自动同步方式，需要明确配置。
-
测试工具方面，AI偏向pytest，但unittest也有其优势，未来将比较两者。
-
在AI Web项目中，采用最小依赖和手动配置项目结构以提高协作效率。
-
手动调试仍然有效，AI可以帮助配置调试器以发现代码中的错误。
-
Claude和cursor在处理复杂任务时表现不同，Claude更擅长长程工作，但可能过度修改代码。
延伸问答
作者如何开始使用AI进行编程的？
作者在LLM开始引起关注时，尝试在本地运行AI模型辅助编程，使用Ollama部署的LLama 2等模型。
AI在开发PostgreSQL插件时的表现如何？
在AI的帮助下，作者成功开发了可以在PostgreSQL上运行的GPU计算插件，并进行了模型微调。
作者认为AI在编程中有哪些局限性？
作者指出，关键架构问题需要人工干预，AI可能给出不合理的实现方案。
作者如何优化开发流程以提高效率？
作者结合多种工具，如kimi的API、github copilot和cursor，优化工作流程。
在前端调试中，AI的表现如何？
AI在前端开发中表现优秀，但仍需手动处理某些问题，例如配色方案。
作者对AI测试工具的看法是什么？
作者认为AI偏向使用pytest，但unittest也有其优势，未来将比较两者。
