最新

我曾在一台配备 8GB 内存的 MacBook Air 上通过 4-5 个并行代理，每天提交多达 90 次。正如您所能想象的，当所有代理试图在这台机器上进行构建、测试和运行开发服务器时，很快就会导致强制退出并重启。我也不想为每天 90 次提交支付 CI 分钟费用。 因此，我设计了一个本地合并队列，让所有提交能够逐一合并并经过全面测试。希望这能帮助到其他使用配置较低机器的开发者。欢迎任何反馈。

最近，一场 YC 创业公司学校的派对在领英上引起了热议。<p>7 位参加 YC 派对的人离开了，身上留下了永久纹身。<p>Lemon Lime 公司邀请了一位纹身师到他们的办公室。任何愿意纹上公司标志的人，都可以立即获得面试机会。七个人最终带着永久纹身离开了。<p>用工作面试机会来换取永久纹身是不道德的。<p>问题不在于七位成年人选择纹身。而在于一家雇主将获得职业机会的途径，与对身体进行不可逆的改变联系起来。<p>这真的是“同意”吗？公司和求职者之间存在固有的权力不平衡，尤其是在 YC 这种竞争激烈的环境中。这使得“同意”比简单地说“是”要复杂得多。<p>一家优秀的公司应该根据个人的才能、判断力和品格来招聘，而不是看他们是否愿意为了获得面试机会而在身上留下永久的印记。<p>这越界了。而且还是 YC 的一家公司。就业市场真的这么糟糕吗？这究竟是否合法？

作为一名终身程序员和企业家，我在此声明，AI 带来的 2-4-8 倍生产力提升仅仅是开始。目前，我通过 AI 在 16 周内将编码生产力提升了 40-50 倍，远超 AI 出现前的水平，并且这个数字还在持续增长。我正努力寻找方法将这些技巧分享给更多的程序员。各位 HN 的朋友们，请看！ 我以代码行数来衡量，我知道这是一个不完美的指标，但这是我拥有的量化指标，并且我有能力了解其局限性，并确认这是真实的。我在高中时就编写并销售软件。27 岁时，我将一家公司卖给了谷歌，该公司一半的代码是我编写的（Neotonic [1]）。在那家初创公司，我每年编写多达 6 万行 Python、C 和 HTML 模板代码。现在，我平均每周就能写出这么多代码……这已经持续了 16 周。我 33 岁时基本退休了，现在 52 岁，每天都在编码。 我使用 AI 模型的方式与我认识的大多数人略有不同。我将它们当作计算器使用，而不是像它们很聪明那样依赖它们。（它们并不聪明。在软件设计权衡方面，它们保守估计比资深架构师差 100 倍，但它们知识渊博且速度极快。它们就是你一直想要的“实习生”。） 我通过至少做到以下三点来实现这一目标： 1. **我关闭思考模式进行编码。** 我将设计时期的思考和细化工作全部前置到设计规范和实现规范中，这样当 AI 开始编码时，我已经自己解决了所有歧义。因此，我关闭思考模式（或将其降至最低），这样 AI 就不会反复处理我已解决的问题。这一点尤其重要，因为我的代码库现在已经超过 35 万行相互关联的分层抽象代码，而不是一个一次性的移动应用。 2. **我保持连接并阅读大部分的文本输出**，并在 AI 说出任何错误或与我心中设计不符的内容时立即停止它。因为这表明 LLM 的上下文已失调，它误解了某些内容。 3. **我设计编码的优先级，以从 A 到 B**……即功能开发的顺序，就像我自己会做的那样，以最小化架构风险，消除未知因素，在复杂性层层叠加之前感受到事物的成形。然后，为我们正在处理的部分构建尽可能多地利用 AI 可见迭代循环的框架。我尽可能使用第三方权威参考（例如，与 Skia 进行像素精确的字体和形状测试，而不是仅仅凭肉眼判断）。我决定在哪里使用这种方法，然后将 LLM 放在一个能够成功的环境中。 总之，这仍然是我，以我的方式构建我的软件。我正尽我最大的努力让 AI 在每个阶段都模仿我的做法，因为我发现这个过程更具生产力。我尝试过更多放手不管的替代方案，结果是快速的进展，然后花一整天的时间去清理 AI 造成的混乱，代码库在达到 6 万行左右时就变得难以管理，这种情况发生过两次。 LLM 可以一次性编写一个移动应用。它们可以从研究论文中大致正确地实现一个算法，有时还能生成半漂亮的 UI。但它们（目前）无法根据你的需求直观地做出正确的权衡。它们无法决定构建什么软件，为什么应该构建它，以及为了未来的灵活性而构建软件的哪些部分，而不是为了现在的实用性。哪种算法最适合现实世界的需求，这些它们都做不到。 而它们在这些方面的表现比一无所知还要糟糕。它们自信地胡说八道。绝对是废话。因此，要实现 AI 编码的超高生产力，你最有价值的技能就是能够足够快地阅读，以保持领先地位，并识别出优秀执行和废话之间的区别。 [1] https://en.wikipedia.org/wiki/Neotonic_Software