我现在让O3写需求和设计方案，要是能顺手搭个框架就搭一个（比如目录啊依赖啊啥的）
然后让claude sonnet根据需求和设计方案写代码
最后再让O3做code review，看看：
1. 需求是不是该做的都做了；
2. 有没有魔改已有的功能；
3. 常见的edge case覆盖了没；
4. 结构是否合理，是否充分复用了基础设施；
etc

【 在 hgoldfish 的大作中提到: 】
: 写几行需求给它。然后就刷刷刷生成一堆代码。和 Dr. lvsoft 不一样，我还会看一下它的源代码，理解理解。然后再给修改建议。AI 经常能够给出我一时半会想不到的方案出来。到这里虽然有提长，但总体提升其实一般般。
: 最爽的地方是 AI 给测试代码实在太方便了。改完代码单元测试跑一下，功能和性能都同时测清楚，上线代码再也不焦虑了！
: 直到 AI 出来，测试驱动开发这个软件工程模型才真正实用。以前都是扯蛋。
: ...................
--
FROM 120.244.15.76

你先跟他聊，聊完了说按照正规的prd输出，他就能输出

【 在 hgoldfish 的大作中提到: 】
: 还能写需求啊？你这么一说我得试一下。
--
FROM 120.244.15.76

【 在 ztysys 的大作中提到: 】
: 能写多大规模的代码？1K，10K，100K？
:

那得看你的需求。
不过要注意，给你的代码也不是100%可用的，bug一堆
它的优势是：
1，能快速告诉你应该调用哪个API
2，针对你的需求，有个大概的best practice（可能也不是best)
3，能生成一些纯苦力代码
4，比google的搜索结果更符合你的需求
--
FROM 171.213.187.*

但是我发现AI经常把测试搞的太复杂，覆盖太全面，然后写、调测试用例的时间比写代码的时间要多N倍

【 在 hgoldfish 的大作中提到: 】
: 写几行需求给它。然后就刷刷刷生成一堆代码。和 Dr. lvsoft 不一样，我还会看一下它的源代码，理解理解。然后再给修改建议。AI 经常能够给出我一时半会想不到的方案出来。到这里虽然有提长，但总体提升其实一般般。
: 最爽的地方是 AI 给测试代码实在太方便了。改完代码单元测试跑一下，功能和性能都同时测清楚，上线代码再也不焦虑了！
: 直到 AI 出来，测试驱动开发这个软件工程模型才真正实用。以前都是扯蛋。
: ...................
--
FROM 182.85.142.*

适合解决元问题


【 在 mingtong 的大作中提到: 】
: 那得看你的需求。不过要注意，给你的代码也不是100%可用的，bug一堆它的优势是：1，能快速告诉你应该调用哪个API2， ...
--
FROM 104.156.253.*