AI編程能力進(jìn)化！通過(guò)不斷PUA大模型就能提升代碼質(zhì)量

　　近年來(lái)，人工智能(AI)的編程能力不斷發(fā)展，但尚未達(dá)到完美。最近，BuzzFeed 的資深數(shù)據(jù)科學(xué)家 Max Woolf 通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，如果對(duì)大型語(yǔ)言模型(LLM)不斷提供 “寫更好代碼” 的提示，AI 確實(shí)能夠生成更優(yōu)質(zhì)的代碼。這一發(fā)現(xiàn)引發(fā)了廣泛關(guān)注，業(yè)界著名 AI 科學(xué)家們也對(duì)此表示了極大的興趣，強(qiáng)調(diào)了迭代和提示詞設(shè)計(jì)的重要性。

　　在 Woolf 的實(shí)驗(yàn)中，他利用 Claude3.5Sonnet 這一版本的 AI 模型進(jìn)行了一系列編程任務(wù)。起初，他給模型提出了一個(gè)簡(jiǎn)單的編程問(wèn)題:如何找出一百萬(wàn)個(gè)隨機(jī)整數(shù)中，各位數(shù)之和為30的最小值與最大值之間的差。Claude 在接到這個(gè)任務(wù)后，生成了符合要求的代碼，但 Woolf 認(rèn)為該代碼還有優(yōu)化空間。

　　接著，Woolf 決定在每次生成代碼后，都通過(guò) “寫更好代碼” 的提示，要求 Claude 進(jìn)行迭代優(yōu)化。第一次迭代后，Claude 將代碼重構(gòu)為一個(gè)面向?qū)ο蟮?Python 類，并實(shí)現(xiàn)了兩項(xiàng)顯著的優(yōu)化，運(yùn)行速度提高了2.7倍。第二次迭代中，Claude 又加入了多線程處理和向量化計(jì)算，最終使得代碼運(yùn)行速度達(dá)到了基礎(chǔ)版本的5.1倍。

　　然而，隨著迭代次數(shù)的增加，代碼質(zhì)量的提升開(kāi)始減緩。經(jīng)過(guò)幾輪優(yōu)化后，盡管模型嘗試使用一些更復(fù)雜的技術(shù)，例如 JIT 編譯和異步編程，但有些迭代反而導(dǎo)致了性能的下降。最終，Woolf 的實(shí)驗(yàn)揭示了迭代提示的潛力與局限性，讓人們對(duì) AI 編程的未來(lái)有了新的思考。

　　這項(xiàng)研究不僅展示了 AI 在編程領(lǐng)域的應(yīng)用潛力，也提醒我們，盡管 AI 能夠通過(guò)不斷迭代來(lái)提升代碼質(zhì)量，但在實(shí)際應(yīng)用中，如何合理設(shè)計(jì)提示詞、平衡性能與復(fù)雜性仍然是一個(gè)值得深入探討的話題。