AI编程实践

AI编程实践，转自我的公众号，欢迎关注

大模型的浪潮滚滚而来，AI编程更是热度非凡。要么拥抱AI，要么被AI取代，在这个背景下，用AI来编程，探索AI编程的能力和边界，在实践中用AI提升编码效率。

仓库地址：https://github.com/qiweijie/stock.git

AI编程工具选择

刚好qwen coder出了新闻，本想体验一下qwen coder，被字节的trace的广告吸引了，简单对比了一下，qwen coder 是一个cli的工具，而trace是一个基于vs code改装的一套解决方案，这里选择trace来做AI编程实践。

选题

刚好最近有在股票交易，我想记录每一笔交易，所以我给agent的promote是

我想基于qt开发一个股票交易记录软件，软件主要是记录自己的交易记录，请帮我生产一个prd，用markdown格式

agent很快生成了prd，我快速看了一眼，感觉还可以，接下来的promote是

请基于prd生成一个基于c++ 和qt的Windows项目

代码生成的效率很高，但结构不是很合理，都是平铺的，让agent自动调节一下，虽然过程有点曲折，但不断能自己纠错，感觉还是可以的

把代码按照合适的结构调整一下 

然后开始编译，有错误就扔给agent，然后居然发现，agent的代码居然一次性没有写完，三个小时，agent终于写完了所有代码。

意外的乱码问题

代码生成完后，编译问题的来源大头源自乱码问题，三个小时写了几千行代码，然后花了六个小时解决乱码和编译问题，虽然解决的速度有点慢，但至少解决了，有时候看着都抓急，忍不住自己动手了，但忍住了。

1. 乱码把换行吃掉了
2. 乱码把 { 放在行尾了
3. 识别不了乱码，需要人为提醒

初版界面，不怎么漂亮，但还算能接受

漫长的功能可用性修复

初版的第一天花了三个小时修复了三个大类问题，第二天继续花了大概三小时继续修复其他可用性问题

然后界面大概这样，起码能用起来了

模拟需求变更：UI改版

做一次UI的改版：隐藏数据备份、用户设置，把股票信息、交易记录挪到左边，原本下面的操作放到上面

花了两个小时，完成了UI的改版，惊喜的是，交易记录增加了搜索功能，效率杠杠的，但肉眼可见的也有挺多问题，例如菜单栏重复、交易记录的表头有些是英文，列名和数据对不上等问题

接下来的三天优化了6个小时，功能基本可用了

打包成exe

整体可用之后，想着打包成exe可以给别人安装使用，promote是

为整个项目编写一个编译成exe安装包的sh脚本，可以在git bash中运行

这次是比较让我震惊的，脚本生成的速度很快，也很规范，甚至还有一个之前我都没有了解过的软件INNO_SETUP，我就让他帮我安装，但他不肯，我想起了Choco，就问agent

电脑上已经安装了Choco，如何用Choco安装Inno Setup

agent也给出了正确的答案

choco install -y innosetup

因为没有icon，折腾了许久，文本模型生成的icon格式不合法，最终我用别的工具生成了icon，但总的来说，在一个小时内完成了打包成exe脚本的工作，还是让人很震惊。

唯一出手的一次，dll加载失败

我感觉这个超出了模型的范围，所以我出手帮忙解决了

增加一个复杂需求：持仓股数

交易记录增加一个字段，持仓股数，计算方式是当前买入或者卖出后，计算操作后持仓的股数

持仓股数的复杂性在于

1. 这是一个后增的需求

2. 新增交易记录、更新交易记录、导入交易记录都需要修改

事实上这个需求模型折腾了三个小时才彻底写好，最后的成品如图所示，整体的可用性还是挺高的

整体回顾

1. 从8.5号开始，到8.7号，花了三个小时写完了基本的代码（5000+行），效率完胜人类
2. 8.8~8.9号花了六个小时解决乱码和编译问题，有了基本的样子
3. 8.9~8.10周末花了六个小时解决各种可用性问题
4. 8.12~8.15 每天1.5*4=6个小时 完成了一次大的ui改版和各种功能完善
5. 8.16花了五个小时持续完善各种细节
6. 8.16花了一个小时完成了打包的工作
7. 8.17 花了三个小时做了最后的收尾工作

历时13天，约30小时，约4人天完成了最终的产品。这还是我第一次用AI编程，中途有各种需求变更、UI改版，如果熟练，速度会更快。

AI编程实践总结反思复盘

AI的优势

1. AI写代码的速度非常快，非人力可以追赶
2. AI精通搜索引擎能搜索到的内容，也就是知识广度接近无限，非人脑可以匹敌
3. AI不畏繁琐，不知疲倦，能克服人性的懒惰
4. AI agent目前普通具备纠错能力，理论上可以完全自我修正

结合具体的例子来讲解一下

1. 写代码很快这个是肯定的，自动的肯定比手动快；
2. 知识广度在写打包脚本的时候体现的比较明显，写出了我都不知道的组件和用法，还有代码里面的用到的数据库，我之前也没有用过，但AI写好了，能work；
3. 基本所有的代码都会具备异常处理，正常的程序在明显不会有异常的地方，基本不会写if else的异常处理，但AI通常写的比较好看；
4. 只要你把错误贴给agent，agent基本都能解决，整个实现过程我没有写过一行代码；

AI的短板

1. AI的脑容量目前不太够，或者是免费的上下文或者缓存有限，给我的感觉就是记不住很多东西
2. AI理解能力有限，需要得出足够没有歧义的promote
3. AI本质是概率输出，也就是会一本正经的乱写代码，也会陷入死循环
4. AI的能力强依赖agent的好坏，agent决定了AI编程的质量

这个也结合例子展开说下体感

1. 一开始的代码每次写了不到一个小时就停了，感觉应该是有上下文或者输出的限制；这个项目文件不多，十三个cpp，五千来行代码，后面改需求的时候，agent基本要逐个文件的去查找，效率很低，跟人的记忆相比还是差一些
2. 人交流的时候会有一个默认的语境，但AI没有，所以需要把语境告诉agent，例如我们一般写sh脚本，但agent默认会根据平台来判断，Windows会默认写ps或者bat；还有你让他改一个功能，例如交易记录，他会只改一个地方，例如新增交易记录，更新交易记录和导入交易记录就不会去改
3. AI会写一些不存在的东西，因为本质上是概率输出，有概率写对，也有概率写错，例如一开始写的代码，还有很多没有定义就使用的case，因为是概率输出，在cpp里面要这么些，却没有去关联头文件有没有实现。甚至有时候改一个换行和空格，能把AI自己绕进去，一直在改换行和空格。
4. agent的实现太重要了，有时候AI的想法很好，但agent没有实现，导致AI需要不断切换思路方法。agent对任务的拆解也很重要，拆解的太细，效率就会很低；拆解得太粗，任务可能实现不了

如何更好地使用AI编程：扬长避短

1. 拆解成合适的任务适合AI做，例如写脚本，AI很强大，准确率也很高
2. 需求要足够明确，AI擅长一次性写对代码，不擅长改代码，所以要把需求尽可能的拆分到明确，尽可能采用组合的方式
3. promote要足够具体，要给agent传达足够的语境，避免跟agent之间有语境的隔阂；同时描述的足够清晰，例如都要改那些场景，最好能指定文件，虽然失去了AI编程的灵魂，但足够清晰具体的promote是能提升AI编程的效率

AI编程会替代程序员吗

我的答案是不会，但是会提升程序员的生产力，降低对程序员数量的需求，带来程序员的带来失业。

1. 如果我告诉老板需求我用AI完成了，功能work，但是AI写的代码我还没有时间看，能直接上线吗？

   • 如果是对确定性要求不高、没有复杂的交互逻辑，例如一个网站的静态、一个操作手册，简单来说就是这个成果对客户不会直接损失，老板可能说可以，然后程序员，然后公司的程序员从三个变成一个
   • 但如果是对确定性要求很高，有复杂操作逻辑的，例如微信聊天的发送功能，我跟老板说，我用AI做了一个需求，自测通过，但AI写的代码我没看，能上线吗？老板要是说能上，我只能说这家公司在倒闭的边缘折腾。

程序员本质上提供的是更高的确定性以及承担责任的角色，而AI无法提供确定性，更无法承担责任，责任一定是使用AI的人，而使用AI编程的人就是程序员，或者叫AI程序员。

2. AI作为一种更高级的工具，价格本身不便宜，结合AI能做的事情，其性价比有一定的瓶颈，所以以后程序员要么很便宜，便宜到不配用AI，或者只能用最便宜的AI编程工具；要么程序员很贵，维护质量很高的业务，后者用一个人用AI维护很多个业务。

程序员要怎么拥抱AI编程时代

1. AI编程一定会很普遍，成为AI编程时代卖铲子的人也许是个好生意，可惜大厂都下场了，普通人估计没什么机会了
2. 如果还是做程序员，那一定要比多数人更早的拥抱AI编程，尽可能多的吃到AI编程的红利【红利期就是你会用但你同事不会用AI编程的时间段】，提高自己的效率
   1. 可以完成更多的工作，拿到更好的绩效【换钱】
   2. 可以让自己有更多的时间去做自己想做的事情【换时间】
3. 不断探索先进的AI编程工具，保持自己对工具的掌握程度
4. 往有复杂逻辑的业务去靠，复杂的业务通常意味着密集的沟通协同，这是AI编程作为单体【目前】不太擅长的