zxjxzj9

你要这么想,ai 是基于人类已有的知识训练的, 所以 ai 能做到的 人一定能做到(生成文本这块),就是人能做到的概率低速度慢, 但是 spec 上不会有任何区别. 给人重写系统的时候,你要先确定好原系统实现的功能, 有什么模块, 每个模块都是干什么的(这个部分不知道了就问 ai), 你打算通过重写改进哪些瓶颈实现哪些模板, 从哪开始, 如何验证重写完成前后系统的一致性. 全定好了 把这些东西再交给 ai 做, 又不能直接 git clone, claude init ,然后说帮我重写.

@YanSeven 地狱笑话 mac 根本塞不下 900g 数据,没那么大硬盘

看你是说横向还是纵向, 横向(单人能掌握多大的任务),那明显是提高了上限. 如果说纵向(单个任务的复杂程度), 那其实提高的有限, 但是也是提高了(可能有些算法靠人实现不了). 下限是很明显绝对提高了的, 首先就是一行代码都不会写的人也能写,其次对以前的程序员来说也再也不用担心不符合命名规范, 拼错, 函数返回值类型搞错这种错误是再也不会犯了.

为什么不直接换成 debian 呢?

@renmu 感觉 qwen 系列最有价值的就是 asr 和 27b 31b 那些多模态,真的大号模型确实挺一般的

@jjx 我用 sonnet 4.6 做 c++转 rust 的代码都顺滑入丝, 翻译编译验证 one shot,而且我真的就只给 claude code 发了个消息说帮我把这个 c++库翻译成 rust 这么一丁点指令. bun 被 a 社收了之后 token 和模型那可以说是无限量, 还有之前 zig 时代留下来的各种测试和边界条件, bun 之类的运行时库本身功能定义又明确, 简直是舒适区中的舒适区

说实话这些东西就和之前的什么 skill mcp 一样, 乱七八糟一大堆只不过是把一个些正常软件工程该有的东西重新发明了一圈罢了. 难道有 ai 之前你就会一口上来就写超级大的任务, 写代码不看上下文, 不提前定义好 api, 找好技术栈就开写? 那你到底在写什么呢? 无非就是 LLM 不会拒绝, 一帮完全无视软件工程实践的哥们拉屎拉太快把屎山拉塌了, 不得不在屎堆里重新发明了软件工程的各个环节, 每次看 harness 的这些概念我都听想笑..

和类型关系不大,和封装关系很大,层数越多代码越绕越写不出来. ai 写 java 特别烂,因为 java 之前的代码之间关联就是少,光用代码跑都跑不起来. 相比之下 go rust ts 这三个属于是天选之子, 语法就那么点功能写了啥就是啥 随便跑. python js 虽然动态类型, 但是现在的 ai 有办法都提前声明上,也没那么难受