关于Agen t开发的一些感想

  1. ai更加擅长的是一定条件下,具体范围内的某一个很具体的问题的代码⚙️实现,例如解出来一道算法题🤔。但是ai不擅长完全从0-1设计一个全新的系统,也就是ai的架构能力👊比不上它的代码细节实现能力。
  2. 事物总是在墒增🧗,ai写的代码也不例外,虽然都嘲笑ai写的是屎山,但是程序员还是要想办法控制它拉屎的地方,评率,和尽量考虑让它不要在你不知道的地方拉坨大的。。。。
  3. ⤴️反向约束常常强于正向约束。提醒自己:反过来想想🤔,总是反过来想想。
  4. ✅举例子,这个不光对人类好使,讲不清楚的时候就举例子,对ai也好使。
  5. 🍽️贪多嚼不烂,每次对话的时候尝试把一个问题讲清楚,不然ai会像人一样翻旧账❌,而且会把过去的问题😵‍💫张冠李戴,这时候你吵架都吵不赢它,因为它已经混乱了。
  6. 往前想⌚️一步,当一个问题在设计阶段的时候暴露,处理难度是1。当一个问题在开发阶段暴露,处理难度是2。当一个问题在测试阶段暴露,处理难度是3。当一个问题在用户层面暴露,处理难度就未知,因为要处理的不光是bug🕷️,还有产品的信任和整个流程的推倒重来💔
  7. 完成先于完美😍,先做出来一个最简陋的版本,然后再优化改进📈
相关推荐
m0_614523554 分钟前
普通视频怎么做多场景一镜到底:路线设计、逐段衔接与整体验收
人工智能·音视频
海宇服务21 分钟前
零信任架构实战:基于海宇对外投资历史查询服务构建自动化供应商准入网关
运维·人工智能·架构·自动化
东风破_30 分钟前
别急着上 Agentic RAG:先用 LangGraph 把最小 RAG 跑明白
人工智能
LaughingZhu1 小时前
Product Hunt 每日热榜 | 2026-09-12
人工智能·深度学习·神经网络·搜索引擎·百度
天真小巫1 小时前
2026.9.13总结(工作量日益繁重的当下,AI如何提效)
人工智能
Zguigo1 小时前
【CUDA1】GPUvsCPU,CUDA Kernel
人工智能·pytorch·深度学习
thesky1234561 小时前
用 ONNX Runtime 把 PyTorch 模型变成跨平台极速推理引擎:导出、优化、量化完整实
人工智能·深度学习·模型部署
米小虾1 小时前
把 KV Cache 从 3514 字节压到 890 字节:DeepSeek V4.1-Flash 动了什么,又没动什么
人工智能
锋行天下1 小时前
LangGraph 进阶:Command + Send 动态控制流、并行 Map-Reduce 实战与踩坑
人工智能
米小虾1 小时前
AI 观察:CEO 们集体喊"慢一点",钱却在加速进场
人工智能