AI 食用指南--更好的用AI编程

AI 食用指南--更好的用AI编程

分享目标

  • 了解为什么大模型这么聪明
  • 掌握如何高效用 AI 辅助刷算法题
  • 上手一个真实的 C 语言小项目,用 AI 加速开发

深度学习和大模型原理速通

监督学习

给机器大量带正确答案的数据,让它学会从输入预测输出。

  • 邮件 --> 垃圾邮件 | 非垃圾邮件 --> 垃圾邮件的识别
  • 视频 --> 文本信息 | 音频信息 --> 视频数据处理
  • 英文 --> 中文 --> 翻译
  • 广告 + 个人信息 --> 广告推荐
  • 图片 + 雷达信息 --> 自动驾驶
  • 一系列的词 --> 下一个词 --> 语言模型(llms模型)

数学公式:

f(x)≈y f(x) \approx y f(x)≈y

线性回归,有一点像房价预测

  • 输入特征:面积、位置、房龄
  • 输出目标:价格

模型通过看大量样本学会规律。

再输入新房子的特征,它预测价格。

复制代码
from sklearn.linear_model import LinearRegression
import numpy as np

X = np.array([[30], [50], [70], [100]])  # 房屋面积
y = np.array([100, 150, 200, 300])       # 对应价格

model = LinearRegression()
model.fit(X, y)

print("预测90平米的价格:", model.predict([[90]])[0])

深度学习和大语言模型

神经元

有一件衣服,需要预测他的需求。

  • 价格 + 购物花费 --> 可负担性
  • 市场调研 --> 知名度
  • 价格 + 市场调研 + 材料 --> 个人品质
  • 可负担性 + 知名度 + 个人品质 --> 需求

这里的afforadability、popularity、quality都是特征,需求是目标。每一个都是神经元。

  • 每个神经元本质上就是一个 加权求和 + 激活函数

    y=σ(w1x1+w2x2+b) y = \sigma(w_1 x_1 + w_2 x_2 + b) y=σ(w1x1+w2x2+b)

    • www:权重
    • bbb:偏置
    • σ\sigmaσ:激活函数(让模型能学非线性)

大模型

  • 把文本切成token,一个个的作为输入给模型
  • 把许多神经元按层堆叠。深层网络能学到层级特征(低层边缘、高层抽象)。

数据 + 神经网络 形成了现在的AI。通过大量的输入,来猜下一个输出。

启示

  1. 输入的数据决定输出。prompt上下文越精确,AI 的预测空间越小 → 结果越稳定
  2. 擅长简单的逻辑,不擅长逻辑推理。(长期规划,数学推理)

用 AI 辅助刷算法题

talk is cheap , show me your code --> talk is cheap , show me your prompt

算法步骤

请你帮助我把这道算法题拆解成清晰的解题步骤。

要求:

  1. 明确输入输出;
  2. 分析关键操作及其时间复杂度;
  3. 用伪代码或流程逻辑说明每一步;
  4. 以通俗例子说明算法在执行过程中的变化。

解题思路

请帮我整理这道题的核心思路。

重点包括:

  • 问题抽象(现实类比)
  • 常见错误思路及其原因
  • 正确思路的关键突破点
  • 与其他类似题型的通用解法模板

代码风格和格式

帮我写出风格规范、可读性强的代码。

要求:

  1. 变量命名清晰;
  2. 保留关键注释(逻辑目的、复杂度说明);
  3. 符合PEP8标准;
  4. 附带函数注释(docstring),解释输入输出含义。

调试和边界值处理

请列出这道题可能出现的边界情况,并帮我分析哪些地方容易出错。

同时请附上每个边界条件的预期行为及调试方法。
对 LRU Cache,请列出以下边界场景:

  1. 容量 = 1;
  2. 重复 put 同一个 key;
  3. 连续访问同一个 key;
  4. 删除尾部节点后立即访问。
    并说明应如何验证这些行为是否正确。

测试用例

请你为这道题设计全面的测试用例,覆盖正常情况与边界情况。

输出形式建议为:

  • 输入参数
  • 预期输出
  • 说明为什么这个测试重要。

这是一道算法题,上面是数据和API,请帮我生成测试用例,在main函数中调用,不需要你实现API或者对测试用例进行扩展,只需要写main函数即可

小结

prompt决定AI的输出,需要学会优雅的提问。找到关键词。

项目实战 ------ 用 AI 辅助开发 C 语言项目

可以把下面的提示词输入给AI,这里就不展示AI的回答了。

参考 linenoise,实现一个简单的单线程命令行交互系统

事先前提

我现在是一名学生,需要学习优秀的C语言项目,参考linenoise项目用户实现一个简单的终端交互命令,期望实现命令行补全功能,接下来的对话将围绕这个目的,请你帮助我更好的学习他的精华

描述需求

请你列一个需求文档,说明min_linenoise需要实现的功能点

搭建工程

请你帮我搭建一个cmake环境,分为src和include目录,其中include包含min_linenoise的api,src是main.c和min_linenoise的实现,帮我完成cmakelists,并且加上调试标志

源代码的实现思路

linenoise源代码是如何实现命令补全的,请详细描述这个流程,包括从用户按下tab,到函数的设置,到回调函数的调用,再到输出内容到用户的命令行

细节提问

你的stdout在C语言是没有的啊,line-noise是通过write函数实现的,请讲一下这函数的作用

相关推荐
Felaim几秒前
【自动驾驶】SparseWorld-TC 论文总结(理想)
人工智能·机器学习·自动驾驶
2401_841495645 分钟前
【自然语言处理】自然语言理解的 “问题识别之术”
人工智能·自然语言处理·情感分类·决策·自动问答·自然语言理解·多源信息
Coder_Boy_5 分钟前
【人工智能应用技术】-基础实战-小程序应用(基于springAI+百度语音技术)智能语音开关
人工智能·百度·小程序
Coder_Boy_7 分钟前
【人工智能应用技术】-基础实战-小程序应用(基于springAI+百度语音技术)智能语音控制-Java部分核心逻辑
java·开发语言·人工智能·单片机
zhengfei6119 分钟前
全网第一款用于渗透测试和保护大型语言模型系统——DeepTeam
人工智能
自由生长202411 分钟前
AI 编程的边界:在掌控与放手之间的平衡
ai编程
爱笑的眼睛1112 分钟前
Flask上下文API:从并发陷阱到架构原理解析
java·人工智能·python·ai
科创致远15 分钟前
esop系统可量化 ROI 投资回报率客户案例故事-案例1:宁波某精密制造企业
大数据·人工智能·制造·精益工程
阿杰学AI16 分钟前
AI核心知识60——大语言模型之NLP(简洁且通俗易懂版)
人工智能·ai·语言模型·自然语言处理·nlp·aigc·agi