AI自動化編程初探

? ? ? ? 先說vscode+cline+modelscope方案,后面體驗trae或者cursor再寫寫其它的。vscode和trae方案目前來說是免費的,cursor要用claud需要付費,而且不便宜,當然效果可能是最好的。

? ? ? ? vscode方案,我的經驗是最好在ubuntu上,因為cline插件產生的命令是linux的命令,在windows上老報錯,比如連續執行命令它會這樣寫cd xxx && npm install xxx,但是windows是識別不了&&的,所以還是在ubuntu上體驗,沒有實體機可以裝個虛擬機,也很方便。

? ? ? ? 首先是安裝和配置,安裝vscode,ubuntu系統在軟件商店里搜code,就可以找到,然后點安裝就好了,安裝好vscode后在左側dock欄找到插件(四個方塊)那個圖標,點擊,搜cline,然后安裝,安裝好后配置api,這里我們用魔塔社區的免費api(每個賬號一天2000次調用,基本相當于免費)。點擊插件的齒輪按鈕(右上角),配置api,首先是api provider,選openai?compatible,然后打開魔塔社區魔搭社區(沒注冊的注冊一下),然后點模型庫,以第一個模型為例,點進去

?我們需要配置的有三個信息,一個是base_url,一個是api key,一個是modelid,base_url和api key配一次就行了,model id可以根據你調用的模型,配不同的值,注意點名字后面的復制即可,包含那個模型全部的名字,截圖如下

截圖中的代碼界面是點模型右側有個查看使用代碼出來的。api key如果沒有需要到 賬號設置,訪問令牌自己新建一個,位置如截圖

? ? ?

還有個權限配置,由于cline在寫代碼過程中需要編輯文件,創建文件夾,執行命令等,需要把這些權限都打開,截圖如下

好,配置好這些信息后,其實就可以讓ai自動寫代碼了,這里參考一些大佬的開發流程,大概這樣寫,先寫個README.md,主要介紹下項目的大概信息,比如這樣

請根據以下內容為一個項目生成一個完整的 README 文檔。內容需要完整、專業且吸引人。# [項目名稱]  
一個簡短的描述,說明項目的核心功能或目標(例如:"一個輕量級的任務管理工具,幫助團隊高效協作")。## 背景  
介紹項目的起源或解決的問題(例如:"這個項目源于我們團隊對簡化工作流程的需求,旨在解決現有工具過于復雜的問題")。## 功能  
列出項目的主要功能(例如:  
- 用戶認證和權限管理  
- 實時數據同步  
- 友好的用戶界面)。## 技術選型
列出使用的技術或工具(例如:  
- 前端:React, TypeScript  
- 后端:Node.js, Express  
- 數據庫:MongoDB)。

然后讓AI根據README.MD寫PRD.md,在對話窗口輸入

根據 #README.md 生成 docs/PRD.md

再編寫其它文檔,比如

根據 #README.md 和 #PRD.md 編寫技術文檔 Development.md

生成前端文檔

根據 #README.md 和 #PRD.md 以及參考圖片,形成UI-Specs.md

進行任務拆分

根據 #Development.md 進行開發任務分解,并且形成TaskList.md,要求可跟蹤、可執行

然后就可以讓AI根據Tasklist.md進行開發了,當然每個人的工作流可能不一樣,你可以探索自己的工作流。

? ? ? ? cline自動化程度非常的高,遇到錯誤,cline也會自己嘗試修改,用了幾天,我自己已經產生依賴性了,都不想自己寫代碼了^-^。下面是我自己用這個方案寫的一個demo(唯一比較成功的一個,其它的都沒寫完,各種錯誤。。。。后面上傳,公司有限制),前端用的react后端用的nodejs+mongodb,其實我沒怎么用這些技術做過項目,但畢竟是AI編程嘛,主要考的AI編程能力,你只需知道它流行就行了^-^。

? ? ? ? 別太美,首先呢,目前看來,全部讓AI寫成功率還是沒那么高,主要還是受限于模型能力,相信隨著模型越來越強大,寫代碼越來越好。下面是我總結的AI編程過程中遇到的問題:

?- 有失憶問題,就是說本來在之前的步驟已經發現某些問題,但是因為一些原因中斷后,重新再讓它看問題的時候,它就忘了剛才是什么問題,需要重新檢測,然后重新檢測的得到的問題可能跟剛才的問題不一致。

?- 對人的提示有強依賴。

?- 前端界面還比較簡陋。

?- 對windows只支持linux的命令格式,對windows的命令不支持,所以只能在ubuntu上開發,或者支持,我還沒找到方法。

?- 容易卡死,主要是大模型服務的問題。

?- 遇到依賴包版本不兼容問題比較煩,但是它還是能解決的。

?- 可能遇到反復犯一個錯誤的情況。

?- 寫前端頁面最好提示要美化一下,否則就太簡陋了。

?- 不會硬寫,有些不常用的框架,會有報錯,但是它修復不了,還是會一直修復。

?- python中有些不熟悉的庫會出現導入錯誤這種比較低級的錯誤,并且它自己無法修復。

?- 擅長切換不同的庫去解決問題,但是對每個庫的掌握程度并不高,人看了會比較眼暈,因為人切庫之前需要一定時間去熟悉用法。

?- 每次用相同的指令指揮,但是模型的行為卻每次都不一樣。

好的,分享先到這里,有什么問題可以給我留言反饋,后面可能會寫下trae的體驗,拜拜~

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/897745.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/897745.shtml
英文地址,請注明出處:http://en.pswp.cn/news/897745.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

101.在 Vue 3 + OpenLayers 使用 declutter 避免文字標簽重疊

1. 前言 在使用 OpenLayers 進行地圖開發時,我們經常需要在地圖上添加點、線、區域等圖形,并給它們附加文字標簽。但當地圖上的標注較多時,文字標簽可能會發生重疊,導致用戶無法清晰地查看地圖信息。 幸運的是,OpenL…

18天 - 常見的 HTTP 狀態碼有哪些?HTTP 請求包含哪些內容,請求頭和請求體有哪些類型?HTTP 中 GET 和 POST 的區別是什么?

常見的 HTTP 狀態碼有哪些? HTTP 狀態碼用于指示服務器對客戶端請求的響應結果,常見的 HTTP 狀態碼可以分為以下幾類: 1. 信息類(1xx) 100 Continue:客戶端應繼續發送請求。101 Switching Protocols&…

IXTUR氣控永磁鐵:以高精度氣控和穩定磁場,為機器人應用提供穩定抓取力

在現代工業生產和物流領域,物料的抓取與搬運是影響生產效率和成本控制的重要環節。傳統夾爪在面對不同材質、形狀和重量的物體時,常常存在適應性差、抓取不穩定、操作復雜等問題,導致生產流程中頻繁出現停機調整,增加了人工干預成…

江科大51單片機筆記【16】AD/DA轉換(下)

寫在前言 此為博主自學江科大51單片機(B站)的筆記,方便后續重溫知識 在后面的章節中,為了防止篇幅過長和易于查找,我把一個小節分成兩部分來發,上章節主要是關于本節課的硬件介紹、電路圖、原理圖等理論知識…

【C++】 —— 筆試刷題day_4

刷題day_4 繼續加油!!! 一、Fibonacci數列 題目鏈接:Fibonacci數列 題目解析 題目要求,輸入一個數N,我們可以對N進行1/-1操作;題目讓我們輸出對N進行至少多少步可以變成Fibonacci數。 這里題目…

IP層之分片包的整合處理---BUG修復

在之前章節中,筆者就IP層之分片包的整合處理進行了概念介紹,以及代碼編寫和仿真,在整體代碼調試環節,筆者發現了一個問題,在本文中,筆者將就這個BUG進行說明,以及進行修復,講解代碼實…

修復Electron項目Insecure Content-Security-Policy(內容安全策略CSP)警告的問題

將以下代碼粘貼進html的<header>標簽內 <metahttp-equiv"Content-Security-Policy"content"default-src self; style-src self unsafe-inline; img-src self data:; "> 解釋一下上面代碼中的屬性含義 default-src self&#xff1a;配置加載策…

linux 的免密切換用戶PAM配置

/etc/pam.d/su是Linux系統中與用戶切換&#xff08;su命令&#xff09;相關的PAM&#xff08;Pluggable Authentication Modules&#xff0c;可插拔認證模塊&#xff09;配置文件。以下是對它的詳細介紹&#xff1a; 簡介 作用 PAM是一種用于管理系統認證的機制&#xff0c;…

pyspark 數據處理的三種方式RDD、DataFrame、Spark SQL案例

目錄 一、淺語二、三種數據處理方式比較2.1 RDD2.2 DataFrame2.3 Spark SQL 三、三種方法的創建方式3.1 創建RDD3.2 創建DataFrame3.2.1 創建sqlContext3.2.2 定義Schema3.2.3 創建DataFrame 3.3 創建SparkSQL3.3.1 登錄臨時表3.3.2 使用sparkSQL 四、三種方法顯示部分字段4.1 …

文件解析漏洞靶機---- 練習通關攻略

1.安裝靶機 點擊 hackme.ova 文件&#xff0c;直接導入虛擬機&#xff0c;選擇存儲位置 2. 開啟靶機 3. kali掃描同C段的ip&#xff0c;找到靶機ip nmap 192.168.182.1/24 經判斷&#xff0c;靶機ip為&#xff1a;192.168.182.157 開啟端口 http 80 、ssh 遠程連接 22 4…

信號處理抽取多項濾波的數學推導與仿真

昨天的《信號處理之插值、抽取與多項濾波》&#xff0c;已經介紹了插值抽取的多項濾率&#xff0c;今天詳細介紹多項濾波的數學推導&#xff0c;并附上實戰仿真代碼。 一、數學變換推導 1. 多相分解的核心思想 將FIR濾波器的系數 h ( n ) h(n) h(n)按相位分組&#xff0c;每…

【大模型基礎_毛玉仁】2.3 基于 Encoder-only 架構的大語言模型

更多內容&#xff1a;XiaoJ的知識星球 目錄 2.3 基于Encoder-only 架構的大語言模型2.3.1 Encoder-only 架構2.3.2 BERT 語言模型1&#xff09;BERT 模型結構2&#xff09;BERT 預訓練方式3&#xff09;BERT 下游任務 2.3.3 BERT 衍生語言模型1&#xff09;RoBERTa 語言模型2&a…

AIP-165 按條件刪除

編號165原文鏈接https://google.aip.dev/165狀態批準創建日期2019-12-18更新日期2019-12-18 有時API需要提供一種機制&#xff0c;按照一些過濾參數刪除大量資源&#xff0c;而非提供待刪除的各資源名字。 這是一個稀有的場景&#xff0c;用于用戶一次性刪除數千或更多資源的…

【Maven教程與實戰案例】

文章目錄 前言一、Maven是什么&#xff1f;二、Maven的安裝與配置1. 安裝前置條件2. 下載與配置 Maven3. 驗證安裝 三、Maven的核心概念1. POM.xml 文件2. 構建生命周期與插件機制 四、實戰項目示例1. 項目目錄結構2. 編寫代碼App.javaAppTest.java 3. 構建項目4. 運行項目 前言…

20250310:OpenCV mat對象與base64互轉

代碼: https://github.com/ReneNyffenegger/cpp-base64 指南:https://renenyffenegger.ch/notes/development/Base64/Encoding-and-decoding-base-64-with-cpp/ 實操:

概率論的基本知識

逆概率還不懂&#xff0c;改天再想想。 聯合概率 聯合概率&#xff08;Joint Probability&#xff09; 是概率論中的一個重要概念&#xff0c;用于描述多個隨機變量同時取某些值的概率。聯合概率可以幫助我們理解多個變量之間的關系。

pytest數據庫測試文章推薦

參考鏈接&#xff1a; 第一部分&#xff1a;http://alextechrants.blogspot.fi/2013/08/unit-testing-sqlalchemy-apps.html第二部分&#xff1a;http://alextechrants.blogspot.fi/2014/01/unit-testing-sqlalchemy-apps-part-2.html

如何自己做奶茶,從此告別奶茶店

自制大白兔奶茶&#xff0c;奶香與茶香激情碰撞&#xff0c;每一口都是香濃與甜蜜的雙重誘惑&#xff0c;好喝到跺腳&#xff01;絲滑口感在舌尖舞動&#xff0c;仿佛味蕾在開派對。 簡單幾步就能復刻&#xff0c;成本超低&#xff0c;輕松在家享受奶茶自由。 材料:大白兔奶糖&…

SOA(面向服務架構)與微服務架構的區別與聯系

SOA&#xff08;面向服務架構&#xff09;與微服務架構的區別與聯系 1. 引言 在現代軟件架構中&#xff0c;SOA&#xff08;Service-Oriented Architecture&#xff0c;面向服務架構&#xff09;和微服務架構&#xff08;Microservices Architecture&#xff09;是兩種常見的…

LLM的準確率評估采用什么方式:準確率評估使用的是 `sklearn.metrics` 模塊中的 `accuracy_score` 函數

LLM的準確率評估采用什么方式:準確率評估使用的是 sklearn.metrics 模塊中的 accuracy_score 函數 評估方式 代碼里的準確率評估是基于每個樣本最后一個預測的 token 與真實的 token 進行對比。具體來說,它會遍歷測試數據集中的每個樣本,使用模型預測出最后一個 token 的 …