AI编码无需人类插手Claude工程师摔断右手一周狂肝3000行代码

【新智元导读】一次意外右手骨折，Claude工程师的事情竟被AI挽救了。
近两个月的韶光，他们一起结对编程，乃至在一周内肝出3000行代码。
他猖獗暗示，未来1-3年，便是「AI工程师」的天下。

原来，摔断胳膊也是一件幸事......

当事人表示，「我再也不想回到过去了」。

这是为何？

事情是这样的，几个月前，Claude工程师Erik Schluntz骑车上班的路上，意外摔断右手，打上了石膏。

为了生存，他不得已用左手打字。

即便如此，Schluntz依旧在Anthropic旧金山的办公室里，一周狂肝了3000行代码。

为AI编码点赞

谁也未曾想，这背后竟是AI立了大功。

他通过结合语音转笔墨技能，与Claude AI结队，整整写了2个月的代码。
不过，必须承认的是，个中有许多是「样板代码」。

为此，Schluntz还撰写了一篇长文，题为——AI替代了我的右手。

文章中，他表示，「通过这件事，体验到了人类险些不再须要自己编写代码的未来」。

诚笃说，我爱上了这种觉得。

另一位Anthropic工程师表示，通过从这件事，我们可以得到软件工程未来几年的关键一瞥。

纵然右手不能使，AI是完备可以让你成为一个10倍程序猿。

那么，Erik Schluntz如何在受伤期间，能够让AI为他高效编码呢？

初始设置

首先，文章开篇他最先先容了，自己如何对AI进行设置，终极决定利用了Claude AI。

Schluntz在摔断手之前，也曾利用类似Copilot等AI代码天生工具，但紧张还是「手写」。

2105年哈佛硕士毕业，Cobalt机器人公司创始人、Anthropic AI技能研究员

此外，他也利用过「语音转笔墨」，但也紧张在手机上发短信，并未在电脑中考试测验过这一功能。

好在，Mac内置语音掌握在NLP处理上非常出色。

唯一不敷的是，在听写任何与代码干系的内容时，Siri表现得很糟糕。
毕竟，一些符号和词汇，大大超出其识别范围。

就比如：

Schluntz：Eval

Siri：Eval？你想说的是Evil吗？

当然，目前有一些专门针对代码的精良语音转笔墨系统，比如Talon。

但由于Schluntz对AI代码天生非常感兴趣，于是决定考试测验，用自家AI去完成这项艰巨的任务。

这里没有利用Copilot，是由于其自动补全功能，对作者来说非常慢，须要开拓者先写出半行代码，才能实现。

毕竟摔伤了一只手，「动嘴」还是比「动手」快。

这时，只需将大块代码库内容一键复制粘贴到Claude AI中，然后通过语音命令进行转换。

举个栗子，Schluntz会说「重构ABC函数以接管输入XYZ」或「为这些新函数ABC编写单元测试，并查看XYZ的示例测试」。

虽然Claude并不总是能在第一次考试测验时成功，但它能很好地接管后续指令和调度——

「我觉得就像是，和AI进行『结对编程』，而由另一个人操作键盘」！

调教Claude

「被迫」这样写代码后，Schluntz很快就弄清楚了，什么样提示会天生有效代码，什么会是无效。

有时候，它非常神奇，但有时候，就连作者本人恨不得把电脑扔出窗外。

他不得不在IDE和Claude之间频繁地复制粘贴，并手动拼接被Claude输出长度限定截断的代码片段。

乃至，有几次他对Claude「提高了嗓门」，只因AI「忘却了」Schluntz之前的指令。

接下来，就看看Schluntz如何调教的Claude。

如果你只给出一个基本要求，LLM可能会给出一个中规中矩的通用答案，可能并不适用于你的特定代码库。

这时， 就须要给出「非常明确的指令」，来得到更优的结果。

比如，详细解释你期望的输入和输出，利用哪些库等。

Schluntz创造，将指令放在输入的开头和结尾效果最好，可以确保AI不会「遗忘」主要的高下文。

最好是，能够供应代码库示例，供AI参考。
特殊是，在编写单元测试、处理样板代码时，AI表现特殊好。

通过示例，AI还可以学习如何利用代码库中的内部工具函数。

这当中，迁移和重构，是最完美的运用处景。

Schluntz会手动迁移一个实例，然后用它作为示例让Claude转换别的的输入。

通过这种办法，他可以快速重构大约3,000行代码。

大多数人把LLM当作StackOverflow的替代品：他们虽是在讯问方向，但仍旧自己在驾驶。

Schluntz则反其道而行之。

「如果你能够给Claude精确的根本构建模块，它每每可以一次性完玉成部任务」。

在周末的机器人项目中，Schluntz和朋友Survy给Claude供应了一段掌握单个电机和读取蓝牙游戏手柄的代码。

通过这些构建模块，Claude能够一气呵成地编写出所有远程掌握机器人的代码，节省了大量韶光和繁琐的数据处理！

令人惊异的是，这与常见的建议完备相反，即一次只向LLM提出一个问题。

尤其是，在Schluntz不熟习的领域，Claude每每在任务分解方面表现得尤为出色。

过于详细的要求也能见效，但有时会导致失落去整体视角，类似于在没有整体背景的情形下，给出狭隘的建议。

电机掌握器，有一份100页的解释书，内容繁琐且繁芜。

但Schluntz和Survy将其上传到Claude，然后提问，迅速办理了个中一个问题。

在以前，这可能须要一个小时的仔细阅读，并查找干系术语和教程。

机器同理心

「你不须要成为工程师才能成为赛车手，但你必须拥有机器同理心。
」

——三届F1天下冠军Jackie Stewart

逐渐地，Schluntz开始建立起一种非常好的直觉，Claude能精确处理哪些事情，以及哪些事情仍须要人类做。

理解这种差异，让他在两个方向上都避免了很多挫败感。

Schluntz学会了哪些地方可以进行简化处理：

- 「我正在利用一个名为pygame的Python库……」 简化为 「在pygame中……」

- 「当我运行你的代码时，我收到了这个缺点信息……你认为我现在该当怎么做」 简化为直接复制堆栈追踪（stack trace）。

他乃至还学会了，转换或重构大块代码可以带来显著效果。
例如，在每一行之间添加计时器（timing instrumentation）。

另一方面，Schluntz学到如果一个LLM在两次考试测验中，无法修复一个缺点，那么它永久也不能修复。
这时就须要自己动手了。

他还对Claude可能会犯的缺点，有了很好的直觉。

有一次，Claude给了一段代码，它循环遍历motor1, motor2, motor2, motor4，遗漏了motor3。

作者的朋友把稳到这一点，并说 「这一定是幻觉」！
但Schluntz能觉得到，「Claude绝不会犯这种缺点」。

果真，当他们检讨输入时，创造这个缺点确实存在于最初放入Claude的原始代码中。

当Schluntz带着机器人绕着后院转了一圈后，它输出了一份包含GPS坐标和其他数据的CSV文件。

他想检讨这些数据与实际情形的准确性，但并没有很高效的方法，要弄清楚如何查看和剖析这些GPS坐标可能须要一个小时。

乃至，他可能会手动在手机上检讨GPS坐标，用眼睛去世去世盯着这些数字，害怕漏掉个中一行。

这次，Schluntz将CSV文件的前两行供应给Claude。

它立即天生了一个网页APP，可以在卫星图像上渲染上传的GPS坐标CSV文件！

拥有恰好符合我需求的完美调试工具，而不用依赖print语句或预先构建的可视化工具，彻底改变了局面。

AI让软件开拓变得如此便宜，以至于它可以为特界说务创建一次性工具！

总的来说，这些履历和教训让Schluntz在利用AI写代码时，变得更高效！

没有AI工具，这就像是放弃编译器，改为手写汇编措辞一样。

未来会若何？

在文章的末了，Schluntz将AI编程划分为三个阶段：

过去1-2年

过去的几年里，AI在软件工程中的最大用场是，在IDE中利用Copilot自动补代码，或是通过ChatGPT查询代码知识（以往须要去StackOverflow探求答案）。

以及，通过一些智能体，在没有人类监督情形下赞助编程，实行多个步骤，但这些并不实用。

今年

2024年，这三个领域都在发生变革。

诸如Zed、Cursor和各种VSCode扩展这样的IDE，深入地整合了大模型，拥有更完美的高下文，还能处理更大块的代码天生。

Claude Artifacts、ChatGPT的Data Analyst取代了Jupyter Notebook。
它们已经成为作者的原型开拓工具，和一次性代码的首选办理方案。

末了，一批如Cognition、Factory、CodeGen等智能体初创公司，正在端到端田主动化某些事情流程。

未来1-3年

Schluntz认为，未来1-3年，会涌现真正的「AI工程师」。

也便是说，这三个领域可能会领悟成一个产品——「AI工程师」，一个可以在自主模式和同步模式之间连续事情的系统：

1. 自主模式适用于范围明确的任务

AI将完备独立事情，具备编写和运行代码、利用外部工具、搜索网络信息、访问内部文档以及从过去缺点中学习的能力。
它会不断迭代任务，直到完成或碰着瓶颈。
这将霸占80%的事情量。

2. 配对编程模式适用于最难的任务

人类将在高层次上辅导AI，而AI卖力处理低层次的实现细节。
互动将是高度多模态的，人类和AI将在文本描述、视觉图表、口头谈论和直接操作彼此代码之间无缝切换。
你可能会共享屏幕，让AI跟随并给出建媾和见地，或者AI共享它的屏幕，而你在它操作时给予辅导。

除此之外：

- AI工程师将拥有与你作为员工时相同的所有背景信息和知识

AI将连接到公司的知识库，访问你的设计文件和客户访谈记录。
无论是自主操作还是与人类配对，AI都能在须要时无缝地提取这些信息以做出决策。

- AI工程师将是主动的而不是阿谀奉承的

如果你提出一个设计建议，AI会供应用户访谈记录，并提出更好的建议。

AI工程师将为其事情中的大略和可预测部分叮嘱消磨更便宜的子智能体，从而降落打算本钱和延迟。
就像你可以浏览日志文件而不必逐字阅读一样。

在Schluntz看来，AI工程师在特定方面将频年夜多数人类工程师更聪明，但有时会缺少知识或者须要重新集中把稳力并接管辅导。

实际上，这与本日经理和产品经理与工程师互助的办法并没有太大差异。

我们还须要工程师吗？

正如打算器的发明并没有让司帐师失落业，而是提升了他们的事情，使他们能够在更高的抽象层次上进行思考。

司帐师仍旧须要知道如何做数学运算和理解打算，但像打算器和电子表格这样的工具使他们能够创造比以前更多的代价。

类似的，AI也会降落创建软件的门槛，就像任何人都可以利用Excel做个人司帐一样。

学生们可以在宿舍里启动完全的运用程序和业务，小型事情室也可以为自己创建量身定制的软件工具。

这时，创造力将会是唯一的瓶颈。

人类工程师不会消逝。

我们仍旧须要在高层次上进行优先级排序，理解问题的整体架构和范围，并审查AI的事情，尤其是在系统变得更大时。

不同的是，我们将会把更多的韶光花在思考构建什么上，而不是重复性地考虑「如何」构建。

如今，Schluntz已经摆脱了石膏的「束缚」，但他依然会将大部分代码交给Claude去写。

软件工程的未来

巧合的是，Cognition AI的总裁Russell Kaplan昨天也揭橥了长推，预测在AI越来越善于写代码的时期，软件工程行业将如何发展。

Congnition AI正是第一个AI软件工程师Devin的开拓商。

在Kaplan看来，研究实验室将对下一代模型的编码和推理进行更多改进。
很快，模型在编程上就会变得非常出色。

为什么呢？

除了通用人工智能的进步外，编程还有一个独特的上风：通过「自我对弈」实现超越人类的数据扩展潜力。

模型可以编写代码，然后运行它；或者编写代码，编写测试，并检讨同等性。

这种类型的自动监督在大多数领域是不可能实现的，由于我们在靠近人类专业知识极限时，面临着后演习的数据壁垒。
而代码不同——它可以通过履历和自动化进行测试。

因此，软件工程在几年内将会发生根本性的变革。

真正的编码智能体将能够完成端到真个任务，并与本日的AI Copilot相辅相成。

在这个新天下中，每个工程师都将成为工程经理，并配有一支由智能体组成的演习生大军。

工程师只需将把基本任务委派给编码智能体，然后就能把更多的韶光花在办理更高层次的问题上：理解需求、架构系统以及决定构建什么。

这将引领我们进入一个前所未有的软件繁荣时期。

很快，曾经难以开拓且本钱高昂的软件将变得更加易于获取（提高10倍），「一次性软件」也将会大量呈现。

未来的软件工程师将好比今多得多，只是事情办法会有很大不同：更多的自然措辞，以及更少的样板代码。

当然，对付这种变革，工程师们很快就能够适应，就像他们从汇编措辞过渡到Python时一样。

除了直接的生产力提升之外，这还会对初创公司产生本色性的「二阶效应」。

首先，面向开拓者的公司也将针对编码智能体进行「营销」。
毕竟，你的智能体会决定利用哪个云做事和选择哪个数据库。

曾经作为优先考虑的用户友好CLI，将转变为智能体友好的UI/UX界面。

产品质量的门槛也将提高。
在开拓者能够更快交付的天下中，半成品或功能不完全的MVP将不再被接管。

随着编码智能体的兴起，测试根本举动步伐将变得更加主要和遍及。
由于编码智能体会编写更多的测试，同时也会依赖这些测试来检讨他们的事情。

随着智能体使代码迁移变得更随意马虎，转换本钱将不再是科技公司的护城河。
公司乃至将智能迁移助手与产品进行捆绑发卖，来简化利用流程。

无论详细情形如何，总体趋势是明确的：现在是成为开拓者的最佳和最高效的时期。

参考资料：

https://x.com/ErikSchluntz/status/1820501663998001160

https://x.com/alexalbert__/status/1820503813180280964

https://erikschluntz.com/software/2024/07/30/code-with-ai.html

https://x.com/russelljkaplan/status/1820460524460802256