最新

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

我是一名电影制作人，一直对那些专注于自动化剪辑而非帮助艺术家实现他们愿景的人工智能视频编辑软件感到非常沮丧。 最近我很好奇 Claude 是否能为我的素材进行色彩分级，于是我开发了 Pico。结果发现 Claude 可以做到（有时！）。 请随时提问、用你自己的素材进行尝试，或者为项目做出贡献！ 提问：如果你是研究人员或业余电影制作人，我很乐意与你交流，共同探讨如何改进模型在这方面的表现！

一个我完全本地化开发的工具，这样 Claude 就能搜索并看到我所做的一切，从而不必一直复制粘贴截图。

也许就像是 TM（商标）一样，我们不应该知道。<p>对我来说，每周重置（一直都是这样吗？尽管 UI/UX/模型变动很大，但出奇地稳定）是东部时间周四下午 4 点，无论刮风下雨，也不管计划如何。<p>我知道软件发布周期/迷信/经验之谈，感觉可能是一次性的。那也太疯狂了！<p>有人知道吗？如果重复了，很抱歉！