AiCoding

Ai，人工智能。他最初的开始还是用固定的判断来实现的。

后面经过发展，出现了LM，LLM等等大模型。

今天我们最常用的其实LLM。

LLM，或者说现在所有的机器学习，原理就是一个函数，有很多的w权重和自变量，也有很多的输出（因变量）组成，这些权重的调整都由固定的数据集训练而来。

LLM，大语言模型，你输入什么，他就凭借庞大的参数估计出你想要的回答。

但是，不要忘记了，所有的ai，都是由数据驱动的，他们由人类创造的数据训练出来的。本质上他们就是更强大的搜索引擎。

以前我们找资料，写代码。无非就是找官方例程或者上csdn或者知乎等网站找垃圾。现在人们发现问ai更快更简单。于是就出现了AI编程_-AiCode。

我们用AiCode来写例程，写好直接放项目里调试，一步一步构建出自己想要的效果。到这里为止，开发链路还是可以保证质量的，因为你可以对ai生成的一个一个代码块进行审查之后才放进项目调试，报错也是过自己手的。说实话，它降低了我学习的门槛，也让我更具有开发的生命力和延展力。

但是到了AiCoding，为什么是动词？是因为他现在可以通过所谓的Agent调用你设备的工具帮你把本地的程序直接构建完整，这个过程由部署在你电脑的脚本和LLM沟通来完成。这样省去了以前在对话框发报错调试的时间。开发更快了。但真的是这样吗？

Agent这个东西，他到底为何物？我说难听一点，他就是脚本小子的杰作而已，他就是一个让LLM通过对话直接调度你电脑数据和编辑以及读写的脚本，我觉得他的工作方式和简单，LLM给出指令，脚本负责str字符串匹配调度相关工具在你电脑进行操作，然后grep日志等debug信息反馈给LLM，然后继续对话直至项目完毕。当年病毒为了入侵你的电脑绞尽脑汁，而如今你竟然为了开发效率把电脑送给了ai，荒诞且好笑。

不止如此，Ai其实崇尚happycoding，这也和他的本质挂钩，神经网络的训练原理，其实就是找一个loss最低点，训练出一条最接近“正确答案”的路径。这不就是happycoding的本质吗？对开发过程毫不在意，结果对了就行。

有人会问：那你不会去审查代码吗？我只想说，这种指数级的编辑强度，你很难再会像以前一样精雕细琢，而是更加放任agent去自己开发自己改代码，而你只需要把控方向…

对的，我们从一开始自己编辑变成了雇佣一个人来开发，变成了开发的二线人员。

这其实是一件很恐怖的事情，但是短期内你不会意识到，因为你的只是demo，或者说体量不够大，方向把控的比较好。

但是，在当今，所有的人都把目光投入到了更前瞻的领域，而忽视了AI编程的风险，现在的公司，都在为token买单，为了所谓的高效开发而买大模型，因为这样他们就能尽快的交付“产品”。

有些人自以为是的认为，当今时代已经可以把开发的活交给ai，而自己只需要提供灵感和方案就可以了，但是这不是以前cto干的事情吗？如果一个人，对某个领域涉猎不深，他怎么控制得住方向？让ai自己想吗？

现在大家都在狂欢，ai已经涉及了人类的方方面面，学术已经沦陷，推文已经沦陷，编程已经沦陷，接下来就是eda，cad…

我只需要一个点子，和一个agent，就可以闯遍天下。

这句话就是当今浮躁的社会的具体体现。

我不认同，也不反对。

ai确实可以让你打破技术壁垒，但如果你不够聪明，不够深入，不够尊重这些领域，这句话就不会成立。

我觉得，Ai一直以来都是查资料的工具，他不可以取代你开发的工作，不要过度依赖ai才是最好的最现实的开发方式。

我不反对AiCoding，但是得自身实力过硬，足够了解自己开发的技术领域，这样才能做出好的产品。

Ai时代，人类太过浮躁。

在早期那个年代，一个控制算法在一个寻路算法的诞生，都足以让人仰慕半个世纪，至今受用。

但是现在这个时代，人们仿佛失去了当年那种精益求精的精神，在不断的制造ai垃圾，各种ai写的屎山代码框框开源，框框发推文。

比如Agent这个东西，一个脚本竟然产生了这么多的名词，什么skill，rag，上下文，example等等。

现在Loop一词爆火，真的是一件很可悲的事情，Loop在早期控制理论就是反馈，给ai加个反馈，开环变成闭环，肯定是会好很多的，但是不至于又给他加个新的名词“Loop”。太蠢了。

人们需要对编程重拾敬畏之心，才会有更好的未来。如果只为了实现而放弃去思考代码的架构设计。以后的程序产出质量，表面上看着还行，实际上代码逻辑和结构只会越来越糟糕。