2024 AI Review
· 閱讀時間約 5 分鐘
開發者如何使用 AI？
-
The Bootstrappers: Zero to MVP
- Bolt
- v0
- screenshot-to-code / figma-to-code
-
The Iterators: daily development
- Cursor
- Cline
- Copilot
- WindSurf
Senior 或 Junior 誰更能從 AI Tools 中獲益
- Senior
- 根據已知的知識，快速 prototype idea
- 能夠 refine AI 產出來的 code
- 能夠探索其他不同的解法
- 自動化重複性的 coding tasks
- Junior
- 接受不正確或版本不正確的解法
- 沒有留意到安全或效能上的問題
- 苦於 debug AI 產出來的程式
- 做出一個自己也不了解的系統
- 正確使用 AI 的方式（難 😔）
- 使用 AI 進行快速原型設計
- 花時間了解產生的程式碼如何運作
- 在使用 AI 的同時學習基本的程式設計概念
- 逐步建立知識基礎
- 使用 AI 作為學習工具，而不只是程式碼產生器
- 矛盾：不要只是 accept => 但這樣我要 AI 幹嘛？
工程師會被取代嗎？
AI 適合拿來快速做 Prototype
AI 只能解決問題的 70% 後，接著就會撞壁
AI 能夠以讓你驚訝的速度，幫助你解決問題中 70% 的部分，但剩下的 30% 可能會讓你非常痛苦，甚至走一步、退兩步（因為每次都有新的 bug）：
- 您嘗試修正一個小錯誤
- AI 建議一個看起來合理的變更
- 這個修正破壞了其他東西
- 您要求 AI 修復新問題
- 這又產生了兩個問題
- 不斷重複
Non-engineers using AI for coding find themselves hitting a frustrating wall.
工程師的價值反而更重要（至少以目 前來說）
真正給使用者用的產品，而非只是 Prototype
- UX
- 留意細節
- 注重工藝
產品不是只需要程式，工程師也不只是產生程式
- 了解需求
- 設計可以維護的系統
- 確保安全性和效能
- 處理不同 edge cases（不同 devices 上的情況）
- Maintainable：不同團隊有不同標準
AI Model目前碰到的瓶頸
新的 Model 進步的越來越有限：
進步的速度也漸趨緩慢：
AI 對我們帶來的優勢
- 加速我們學習、探索沒想到的想法
- 快速驗證 MVP
- 自動化 routine tasks
- 讓工程師能跟專注在「真正的」產品開發上
AI Model 未來的發展？更快？更聰明？
-
提升反應的速度
- 針對 LLM 特製的硬體（更快且更便宜）
-
在 LLMs 沒有更聰明的情況下，更清楚 AI 適合以及能做到的是什麼
-
越快也表示越聰明？
-
Agent
- AI Agents？
- AI Model 目前仍無法自主完成整個任務，會需要有人 協助，否則很快就會脫軌、失控
- Micro Agent
- 進行測試、編寫程式、測試
- AI Agents？