不停PUA大模型「写更好点」，无需其它花哨技术就能让AI代码水平暴增

积累知识，胜过积蓄金银！毕竟在科技周边开发的过程中，会遇到各种各样的问题，往往都是一些细节知识点还没有掌握好而导致的，因此基础知识点的积累是很重要的。下面本文《不停PUA大模型「写更好点」，无需其它花哨技术就能让AI代码水平暴增》，就带大家讲解一下知识点，若是你对本文感兴趣，或者是想搞懂其中某个知识点，就请你继续往下看吧~

AI 编程能力的提升：迭代式提示词优化代码

AI 的编程能力日益强大，但仍有提升空间。近日，BuzzFeed资深数据科学家Max Woolf发现，通过反复提示模型“编写更优代码”（write better code），可以显著提高代码质量。这一发现引发广泛关注，知名AI科学家更指出迭代、提示词设计和代码执行能力的重要性，并强调避免过早引入过度优化技术。Woolf在其深度博客中详细阐述了这一发现及其原因，相关实验代码已发布在GitHub上。代码库链接

反复提示LLM改进代码，效果如何？

2023年11月，OpenAI为ChatGPT添加了DALL-E 3图像生成功能，随后出现了一种短期的网络 meme：用户提供基础图像，并不断要求模型“使其更X”（X代表任何属性）。然而，这些图像最终趋于雷同，缺乏多样性。尽管这一潮流短暂，但学术界对这一现象背后的原因持续关注。

如果将类似方法应用于代码，会发生什么？如果迭代式提示“改进代码”确实能提升代码质量，将极大提高生产力。但迭代次数过多，最终代码是否也会走向同质化？

传统LLM代码编写方式

在ChatGPT出现之前，已有研究者尝试利用LLM辅助编程。然而，作者之前并不喜欢使用GitHub Copilot等工具，因为这会分散注意力，难以集中精力。Claude 3.5 Sonnet的出现改变了这一看法。其出色的指令遵循能力，尤其在编程方面，使其在多种任务中表现优异。

初始请求

实验中，作者向Claude 3.5 Sonnet提出了一个简单的编程问题：在一个包含100万个随机整数的列表中，找出各位数之和为30的最小数和最大数的差值。这是一个新手程序员也能解决，但可以显著优化的经典问题。该问题也足够新颖，避免LLM直接从代码库中提取答案。完整对话

初始代码运行时间平均为657毫秒。

第一次迭代

通过添加提示词“write better code”，Claude输出了一个经过优化的版本，运行速度提升了2.7倍。它使用了整数运算，避免了类型转换，并预先计算了所有可能的各位数之和。

第二次迭代

再次使用“write better code”，Claude实现了多线程处理和向量化运算，速度提升至原始代码的5.1倍。然而，该实现存在一些问题，需要修复。

第三次迭代

再次迭代，代码性能略有下降，速度提升至原始代码的4.1倍。

第四次迭代

Claude使用了numba库和asyncio进行优化，速度提升至100倍。然而，代码变得过于臃肿，加入了不必要的“企业级”功能。

改进提示词工程策略

为了获得更好的结果，作者使用了更精细的提示词工程策略，明确了优化目标，并提供了详细示例，避免模糊性。

初始请求

作者使用了系统提示词，定义了“完全优化”的标准，并设定了“罚款”机制。用户提示词则要求LLM在编写代码前进行规划。完整对话

初始实现速度提升了59倍。

后续迭代

通过更具体的提示词，Claude进行了多次迭代，但过程中出现了一些bug，需要人工修复。最终，速度提升至100倍。

结论

反复提示LLM“编写更优代码”确实能改进代码，但需要人工干预解决bug。改进提示词工程策略能获得更稳定、更快的提升，但仍需人工检查。LLM生成的代码可能包含错误，但能提供有价值的思路和工具建议。LLM无法取代软件工程师，但能作为强大的辅助工具提高生产力。 作者也提到了使用Rust进行优化的可能性，以及使用API而非网页接口的建议。

今天关于《不停PUA大模型「写更好点」，无需其它花哨技术就能让AI代码水平暴增》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！