4萬+次曝光

#發問 實習生開發依賴 AI 輔助,前輩們以前是怎麼做的?

各位前輩好,小弟目前是在公司實習的菜鳥,目前負責開發公司內部系統的一小部分新功能(包含基礎的 CRUD)。 因為自己還很菜,開發流程通常是: 1.先跟 AI 討論資料流與寫 Code 的流程。 2.請 AI 輔助產出初步的程式碼。 3.產出後我會逐行順過邏輯,確保自己知道每一段在幹嘛,最後才拼湊成小系統。 雖然功能動得起來,但心裡總有一種「這不是我自己寫的」空虛感。想請問各位資深前輩: 在沒有 AI 的年代,大家真的是每一行 Code 手打出來的嗎? 如果是手打,是不是對程式碼的掌握度會比現在依賴 AI 的我們高很多? 關於「造輪子」與「拼裝車」: 常聽人說工程師要避免重複造輪子,所以前輩們以前也是利用公司的 Code Base 或從網路上(如 Stack Overflow)找片段來改裝成「改良版拼裝車」嗎? 拼裝的同時會理解每一行嗎? 如果是參考既有的程式碼進行拼裝,前輩們會要求自己理解其中的每一行細節,還是只要確保輸入輸出的結果正確、能跑就好? 現在有 AI 輔助雖然開發很快,但很怕自己會因此少了底層的基本功。 想聽聽前輩們對於「新手過度依賴 AI 輔助開發」的看法與建議,謝謝大家!
sticker
留言
B3-1 以資工系來說的話 我認為還是先把核心科目弄懂修好 語言倒是其次 AI可以輔助你學習 好比說 計算機架構會告訴你CPU是什麼運行的 IO怎麼做 OS告訴你怎麼做任務資源管理和排程 演算法告訴你時間空間複雜度 常見的演算法背後的邏輯 資料結構告訴你常見的儲存資料的方法 當這些核心科目弄懂搞熟後 不管是從IC到韌體到軟體應用 都起到很大的幫助 舉個幾個例子 如果你要做2D array操作 [i][j]跟[j][i] 雖然時間複雜度都是O(N^2) 但是因為CPU抓data是抓一個block 所以前者的cache hit rate會比前者高很多 如果你要做會員id查詢 array儲存的tc是O(N) hashmap的tc是O(1) 即便在資料量不大的時候不影響 但如果你的會員資料有1億筆呢? 如果你要做分散式系統的AI training 怎麼讓CPU/GPU idle時間最小化 處理效率最大化 這些例子可以告訴你核心科目的重要性 如果太倚靠AI提供的程式碼 而沒有思考為什麼是這麼做的話 是很難做到系統和效能最佳化的 現在的AI提供給你的都是前人的經驗 但當你想提出一個新的架構或是系統 AI無法從他訓練資料中幫你創新或是推論出來 所以這就是為什麼有兩派AI 一派是注重推理 另一派是注重資料量和運算(如果有錯再更正我) 總而言之 我認為先把底子打好 知道計算機的運作邏輯 有空也可以多看一些不同面向的論文 可以知道他們的研究脈絡和邏輯 寫扣的時候知道AI為什麼這麼寫 搞懂每一步的細節 而不是直接拿AI完成作業或專案 這並不是一個好的方法 畢竟人的思考和創造能力很重要 不應該因為太依賴AI或懶惰而不去思考