我已经成为开发者几年了，但直到人工智能出现我才能够开始构建应用程序。我学习的第一门语言是 Visual Basic。我从来没有掌握它的窍门，它没有什么是基本的。接下来是 C ，即使有两个加号，仍然没有任何结果。为我辩护，我在学习时没有电脑，而是在白板上教授的。

发现号

我已经使用 LLM 有一段时间了，至少从第一个 GPT4 版本发布以来是这样。我刚刚完成了 Solidity 的区块链开发学习，并在一家软件机构找到了一份工作。就在那时，GPT4 发布了。起初我只是问一般性问题。然后我开始通过使用一些 Solidity 代码进行测试来使用它进行编码。

它做得非常好，就在那时，我使用人工智能编码的火花点燃了。当时我在一家软件机构工作，我们有一个客户想要一个脚本，可以自动以低于特定价格的价格从 Solana 市场购买 NFT。我用 GPT4 完成了整个项目。

应用程序的想法

当 Claude 发布时，我对此表示怀疑，并决定推迟一段时间，因为我正在玩免费模型。

最终，我掌握了窍门并决定订阅。一段时间后，Claude Opus 成为我最喜欢的模型，将其用于个人编码项目和一般研究。不久之后，Claude 3.5 Sonnet 发布了。

建筑

大约在这个时候，我想到了一个 vscode 扩展的想法，它可以通过将其引入 IDE 并为其提供读写访问权限来扩展 AI 功能，从而为 AI 提供实时上下文。

我决定开始使用 Claude 3.5 Sonnet 进行构建。从一开始，我们就有了一个良好的开端，我做了一些事情。然而，几分钟后，代码中出现了一些问题，我用 Sonnet 绕了大约一个小时，试图修复它。我感到沮丧并切换回我熟悉的模型 Opus。

然而，我正在修复一个又一个的错误。但我还是坚持了下来，因为我仍然习惯了 Opus，不愿意更换。但在摆弄 Opus 大约 2 天后，我意识到我还远远没有达到 Sonnet 的水平。所以我回到 Sonnet，获取了最新版本的有效代码并从那里重新开始。

正是在这一点上，事情开始步入正轨。一周之内我就得到了至少可以运行和测试的代码。我越了解如何提示，我就能越快地使用它。

挑战

然而，事情并非一帆风顺。有几个例子，但最重要的是在某一时刻，因为我也将它用于研究和架构决策，它表明了一种错误的方法，而我的设置不可能实现这种方法。鉴于我没有意识到这一点，我实现了它，但在测试时它不起作用。

在查阅 Sonnet 的错误时，它仍然无法理解为什么该模块无法工作。所以我为chatGPT的实施做了更多的咨询。它还建议了相同的方法（但不起作用），但给了我第二个选择。我拿了第二个，把它给了克劳德，瞧！火车又开动了。

结果

总而言之，我们花了大约 2 个月的时间才提出一个可行的应用程序。我最终得到了 10 多个模块，我发现它们适合可扩展性和调试。

根据我的经验，我意识到人工智能的质量已经达到了可以以惊人的速度实施和迭代想法的水平。

人工智能编码的当前限制是您只能来回复制和粘贴。这是可行的，但有时，当出现错误时，上下文中可能会出现空白，因为 AI 可能不知道您当前的项目是如何在 IDE 中设置的，并且错误并未传达这一点。

由于人工智能和你都没有意识到，所以你们最终都会陷入循环。这就是我使用codingAGI解决的问题，将AI引入IDE并设置环境，编写代码，运行代码并以成功消息或错误的形式接收即时上下文，然后可以进行调试。

结论

人工智能不会取代开发人员。你还是需要提示它，引导它达到你想要的结果。这意味着了解软件设计原则和模式。区别在于速度。人工智能开发人员将更快地构思、更快地编码并更快地交付。

查看 CodingAGI 并开始发货！