- 主题:AI 写代码确实太爽了
用的什么平台
【 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 123.119.251.*
啥意思
【 在 lvsoft 的大作中提到: 】
: 所以我已经强调了很多遍了，rust是ai时代最重要的语言，没有之一
: 比如我现在是基本不写测试代码的。
: 曾经我也是测试先行，用一堆测试去框住结果。
: ...................
--
FROM 223.104.40.*
呵呵，饭碗就快没了唷
【 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 120.255.12.*
git copilot 里面有claude
【 在 wanllow 的大作中提到: 】
: claude code效果最好，可惜国内不能用
--
FROM 221.212.74.*
老实说 当看到你给出的解法的时候 我理解是 用类型实现immutable data的效果
所以是否要在每一次修改数据的时候，给出一个有意义的类型来约束呢，对程序员来说，这是一个负担
但是对AI来说是否就容易很多，也许只需要用恰当的prompt告诉AI，在每一次修改数据的时候绑定一个新的有业务含义的类型，以此增加鲁棒性
【 在 beep 的大作中提到: 】
: 我记得这书是用f#写的，但是基本不影响，都看得懂。里面有些是函数式语言吃饱了撑的搞出来的各种烂模式，但大部分尤其是类型相关的实践都是实际工程用得上的
:
--
FROM 112.224.75.*
copilot 里面几个模型实测，Google gemini 2.5 Pro 略胜一筹
【 在 wanllow 的大作中提到: 】
: claude code效果最好，可惜国内不能用
--
FROM 14.154.168.*
怎么
【 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 ...
--
FROM 117.136.0.*
就是说，大部分人都是造轮子
现在把造轮子交给AI了
【 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 113.109.52.*
那感觉应该手动优化一下测试用例，代码量大了以后单元测试还是非常重要的
【 在 adamhj 的大作中提到: 】
: 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
: --
发自「今日水木 on iOS」
--
FROM 221.192.178.*
码农终于找到可以甩锅的下游了。。。
用ai生成自带免责说明。。
【 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 36.40.166.*