欢迎关注公众号：前端研习圈。内容同步发布哦~
大家好，欢迎来到前端研习圈。今天我们来聊聊 Claude3
Claude3 简介
最近大家应该都看到了这张图，Anthropic 发布了 Claude3，其中包括了 3 个版本 - Opus, Sonnet, Haiku
从各项指标来看
- Opus 已经全面超越了 GPT4，但这是一个付费版本
- Sonnet 与 GPT4 各有优劣，但和 GPT3.5 相比就是碾压之势了，并且是免费版本
- Haiku 也有部分指标逼近 GPT4，整体还是 GPT4 更占优势。但这个版本官方似乎没有在
试用站中开放出来
TIPSAnthropic是一家专注于发展高水平人工智能技术的公司,由前OpenAI研究员Dario Amodei、Paul Christiano和其他一些人工智能专家于2021年创立。该公司的愿景是开发出真正安全、符合人类价值观的人工智能系统。
使用体验
既然 Claude3 这么强大，那我们必然要来体验一下了，由于 Opus 是付费版本，我们就只能用 Sonnet 了(合理规避开销)
这里我们提一个语音采集+识别的需求
现在帮我实现一个需求，需要一个 web应用 和 一个 python服务端
- web应用使用 React 和 antd 实现一个基于 webRTC 的语音采集功能，页面上需要有一个按钮用来控制录音；一个列表用来记录每次录音后调用 python 服务识别语音后返回的识别内容
- python服务端用 fastAPI 实现一个 audioToText 接口，用于语音转文本，识别模型采用 whisper
在这段需求中，我们描述了需要实现的功能以及对技术栈的要求，整体描述得比较随意，没有做详细的拆解
接下来丢给 Claude3 看看它的表现，通过下图我们可以看到对于这种较为笼统的需求，Claude3 回复不能实现完整的代码，只能给出实现步骤和指导性的代码
首先它给出如何创建项目以及安装依赖，这里没什么问题，使用了 React 的官方脚手架来生成项目，是可采纳的方案
对于前端部分的实现代码，以它给出的录音组件为例，整体上来说也没有什么问题，放到项目中可以直接运行，功能也符合要求。以下是部分截图
同样的问题和 通义千问 相比，Claude3 优势在于它正确使用 antd 的组件来实现了我们的需求
而 通义千问 只有部分正确，列表部分使用了原生的 ul/li 
python 部分，接口实现没有问题，但逻辑部分存在明显的错误，调用 whisper 语音识别部分的入参不对，需要人工增加部分逻辑后才能使用
通过上面的使用，我们发现对于笼统的需求描述，Claude3 能帮我们完成的部分是
组件级别的代码实现接口级别的参考实现
综上来看，claude3 sonnet 对比 通义千问，GPT3.5 有明显的提升，但从使用上来说，还是处在帮助我们提升开发效率的阶段，并不足以取代人
开发者将与 AI 共存
同时，我们提问都知道, 要想得到准确的回答，那么描述就需要越详细，越专业，为了尽可能让 AI 生成与预期相符的代码，如何将日常需求转述为专业术语，这件事也只能由程序员来做，最终在写代码这件事上，AI 与 开发者 还得相爱相杀
并且 AI 写出来的代码也需要审核，能不能用，质量如何都需要人来判断，而且审核人所具备的编码能力，知识储备一定是要高于实现所提需求需要的能力的，否则 AI 一顿操作写了一堆代码，结果看的人能力不够看不明白，拿去使用出了问题，可能最终也是一脸懵逼
并且上升到 工程化，项目管理 的角度，肯定是 程序员 大于 AI，为什么这么说，听我细细狡辩
首先 AI 目前最大的弊端在于，根据一个需求生成代码的过程是从 0 到 1 的，也就是一锤子买卖。这意味着每当你修改提示词后从新生成代码，都会和之前有所不同。
可能有人会说这有什么关系，我只关注最终结果。
而我的回答是，但凡参与过大型项目开发的同学都知道，需求变更，功能迭代都是家常便饭，最初项目中的代码可能都是由 AI 生成，然后人工 组织 好的，但随着项目的不断迭代，慢慢就会出现很多小功能点的改动，不管是人为改动还是通过 AI 修改的，当再次出现新需求时，你都不能通过改动最初的提示词来加入新功能，否则代码全部重新生成，以前所有的小改动都将丢失。
甚至可能因为提示词的变更，重新生成的代码也都变了样，这样 高昂 的维护成本显然是不能接受的。
并且一个功能点变更，往往需要同时修改几处文件中的内容，这样分散的处理场景也是目前 AIGC 的短板，因此最终还是需要 开发者 介入
基于上述分析，在工程化方面，我始终认为在 AI 能独立完成从 需求 -> 编码 -> 运维 这条链路之前，将始终扮演开发者强有力的 生产力工具 一角