随笔

近期深度使用 LLM 加持的开发体验

上个月说使用 Trae 开发了两个小项目的体验,还有一些目前存在的限制,然后近期一直在使用,对于能力的边界也多了一些探索。最近其实也探索了一些比如前端音视频,WebGL 之类的能力,还有一些大模型相关的知识,但是更倾向于记录到自己的笔记上,写技术博客已经没太大意义了,现在都是各路大模型直接联网搜索爬取,并不是活生生的人来看,以后可能更倾向于生活或者思考之类的文章。

首先还是对于上下文的限制或者是基于推理速度的考虑,从而对于上下文的囊括范围有所不足,比如我之前写的一个基于微信原生开发的小程序,总共四五个界面,五个组件,让 Trae 迁移成使用 uni-app 框架的应用,总是会出现迁一半,或者漏掉的现象,甚至还出现了帮我编造界面的情况。

如果用画面描述的话,就像一只小狗在朝前跑,需要旁边一直有人看着指导,让它能够一直往前冲,当想拐弯的时候,通过训斥或者诱导的方式让它回归到正确的路线,当然偶尔也会出现手段无用的时候可能需要你来代替狗狗往前跑。

然后对于新创建的项目还有一个坑,比如在写 Python 项目的时候,定义模型使用了旧的声明语法,只有你单独告诉它要去使用新的语法,它才会说“哦 是应该使用新的声明语法”,but 后面让它写新的模块还是会使用旧的语法。

对于新的功能模块,比如单个页面或者接口实现来讲,表现的相对好一点,一些不是很复杂的东西基本能够完成,复杂的会完成一个半成品,但也节省了一部分的工作量,剩下的部分就需要经验比较丰富的人来接手了。

另外最近新出了个叫做 MCP 的概念或者说协议,通过协议可以访问应用,就像以前手机上对手机助手暴露的可调用功能,比如现在 twitter 上很多人在 po 的创造 3D 模型,有点像 RPA,但是之前的 RPA 是需要一步一步带着操作的,现在属于是全自动,大模型也算是终于开始卷到外部不再局限于编码了。

截屏20250318 12.04.26.png

从个人角度而言,当前制约的条件其实就是算力成本和推理速度,如果哪天算力成本降低到一定程度以及推理的速度达到一定程度,那么以前吹的智能助手是不是真的就实现了呢?

近期也在想,工业时代虽然淘汰了一批手工艺人,但是因为能够对外战争导致工厂使用了更多的人。网络时代是发现创造了需求,串联起了全国甚至全球的潜在的大市场,所以出现了蓬勃发展,但是目前也到头了,因为没有新的市场新的 idea 出现。将来的的智能时代,对于劳动力的需求下降了,而且是越劳动下降的更多,那么之后新的出路是什么?

好像也只有战争,发现外星人这两种情况了吧。

本文链接:https://note.lilonghe.net/post/recent-in-depth-experience-with-llm-enhanced-development.html

-- EOF --