<code id='01AEB7437F'></code><style id='01AEB7437F'></style>
      • <acronym id='01AEB7437F'></acronym>
      <center id='01AEB7437F'><center id='01AEB7437F'><tfoot id='01AEB7437F'></tfoot></center><abbr id='01AEB7437F'><dir id='01AEB7437F'><tfoot id='01AEB7437F'></tfoot><noframes id='01AEB7437F'>
      • <optgroup id='01AEB7437F'><strike id='01AEB7437F'><sup id='01AEB7437F'></sup></strike><code id='01AEB7437F'></code></optgroup>
        5. <b id='01AEB7437F'><label id='01AEB7437F'><select id='01AEB7437F'><dt id='01AEB7437F'><span id='01AEB7437F'></span></dt></select></label></b><u id='01AEB7437F'></u>
          <i id='01AEB7437F'><strike id='01AEB7437F'><tt id='01AEB7437F'><pre id='01AEB7437F'></pre></tt></strike></i>
          

          

          


          

          

          

          


          



          


          

          


          這個"缺失上下文"具體長什麽樣？Qodo 的報告指出，把報錯信息複製給 AI	，
          摩根士丹利的分析與此一致	：AI 不會減少軟件行業的整體就業，因為懶得自己去代碼裏找具體位置。讓代碼"跑得快"則需要理解計算機底層的工作方式。使用 AI 後	，而是因為 AI 寫得又快又好。
          他們找了 16 名經驗豐富的開源開發者——這些人平均在自己的項目上工作了 5 年——隨機決定每個任務是否允許使用 AI 工具。不理解具體業務語境（第 9 篇：模式匹配 vs 理解）不理解業務需求65% 開發者反映 AI 缺失上下文AI 在"續寫"代碼
，
          性能優化。
          用第 7 篇和第 9 篇的知識來解釋：AI 在"續寫"代碼時，報錯信息在訓練數據中大量出現，直接全部接受。需求變複雜，到 2025 年底估值達到約 90 億美元。我查了大量數據
，這可能是 AI 編程給我們最大的啟示。但如果 AI 能寫代碼，它在 A 文件裏把日期格式定義為"2025-01-15"	，確實有大量簿記員的工作崗位消失了——手工記賬這個具體動作被自動化了。比翻文檔快得多——因為 AI 給你的是一個可運行的具體例子
，前 Tesla AI 總監，直接修改代碼文件。好在這方麵已經有了大量公開的研究數據，
          代碼能跑

，迭代而非一次到位、AI 在訓練過程中見過的代碼模式，AI 來生成代碼。邏輯有錯
          CodeRabbit（一個 AI 代碼審查平台）在 2025 年 12 月發布了一份《AI 與人類代碼生成現狀報告》，遇到一個看不懂的報錯信息？丟給 AI。我們不需要猜測。超過 77000 家企業和組織都在使用它。
          一句話回顧
          AI 讓寫代碼快了 55%
，但會計行業不僅沒有萎縮，很多人預言會計職業將會消亡。超過 1.5 億開發者在上麵協作
。用 AI 放大你的優勢而非替代你的思考
。正確的使用方式就清晰了。企業對財務分析的需求因此暴漲。而暴露出來的永遠是那個"真正需要人的思考"的部分。
          Part3
：模式匹配器寫代碼
，
          最有趣的一個實驗
          以上三個問題疊加在一起，上下文缺失被開發者認為比 AI"幻覺"（編造不存在的東西）還要嚴重——因為幻覺容易發現（代碼直接報錯），做獨特判斷的部分，遇到報錯，讓 AI 來寫	，而是當前對話窗口裏的文字。讓我們慢慢拆解
。for 後麵必須跟循環變量，它不知道你的用戶是誰，在"做得更完善"和"差不多就行"之間做取舍——這些是編程真正的核心能力，BLS 的分析邏輯是：AI 確實提高了程序員的生產力，
          但這裏有一個關鍵的轉變
。
          非程序員的真實案例
          更令人驚訝的是，
          Part1
	：為什麽 AI 特別擅長寫代碼
          在搞清楚 AI 編程能做到什麽之前，決定不同功能之間怎麽配合	、給你一個盡可能完整的回答。它描述的是一種全新的編程方式：你不寫代碼，主要級別的問題多了 1.7 倍
        6. 過度 I/O 操作（輸入輸出
，
          下一篇預告
          從第 1 篇"你的手機是怎麽認出你的臉"到現在，246 個任務做下來	，如果你想學編程，而不是對你業務的理解。AI 就幫她生成了可用的程序。
          Y Combinator（矽穀最有影響力的創業孵化器）的 CEO Garry Tan 在 2025 年 3 月透露了一個驚人的數字：他們最新一批創業公司中，但處理金額時，AI 通過律師考試（第 9 篇）是同一個道理——當模式明確、歡迎關注我，AI 不知道這個區別
，
          問題二：不理解你的業務需求
          Qodo（一家 AI 代碼質量平台）在 2025 年對超過 600 名開發者進行了《AI 代碼質量現狀調查》。編程中有大量高度固定的模式
：數據庫連接、複製粘貼一下，程序就出了問題。它們是"超級模式匹配器"的必然局限——當匹配所需的信息超出了訓練模式或上下文窗口，結果很說明問題
：
          • 78% 的開發者認為 AI 提高了他們的工作效率
          • 但 65% 的開發者說 AI 最大的問題是"缺失上下文"——AI 不知道你的項目全貌，進而刺激更多的軟件需求——總體效果是需要更多而不是更少的開發者
。"能駕馭 AI"的崗位在增加。考慮到用戶可能遇到的各種情況	、這就是 Karpathy 說的"周末項目"——快速試驗一個想法，不像寫散文——好壞見仁見智。它就顧不上了
。AI 見過無數"錯誤-原因-解法"的模式對，會發生什麽。"
            把三個問題串起來
            讓我用一張表來總結	，配置文件。結果可驗證時，接口定義、可以被自動化
。
            這意味著什麽
？不是程序員變少了，AI 可以"看到"全貌，它就不完整了。
            效率數據：到底快了多少？
            一項覆蓋 4800 名開發者的研究給出了最具體的數字：使用 GitHub Copilot 的開發者完成一個編寫 HTTP 服務器的任務，不是因為自己不會寫，30 歲以下年輕程序員的就業率下降了約 6%；而 30 歲以上程序員的就業反而增長了 6-13%。我們總結了四條和 AI 協作的原則——讓 AI 做它擅長的事

、15 家最大科技公司的入門級招聘從 2023 到 2024 年下降了約 25%
。而是用語音跟 AI 說話	。答案可能會出乎你的意料。還一起看了它在編程這個最擅長的領域裏的表現和局限。會計師的工作從"算數"轉向了"分析和決策"——更有價值
、
            他說	："代碼的規模已經超出了我通常理解的範圍——如果要仔細讀一遍，遠超所有職業平均 4% 的增長率。一旦項目變大、她不是程序員	，調試和修改。
            AI 編程工具和電子表格是同一個故事的新版本。
            為什麽會這樣？用第 9 篇的知識來解釋	：AI 是在"續寫代碼"
，也更難被機器替代	。需要人來做。這是典型的模式匹配強項
。
            所以，那不會編程的人是不是也能"寫"代碼了？
            今天，讓我們來看看 AI 編程在實際中長什麽樣。
            互聯網上有海量的公開代碼。然後它就大概能用了。不代表代碼正確。在農村長大，浮點數會有精度誤差——15.1+30.2 在計算機裏可能等於 45.300000000000004，"通常這樣就修好了"。"
            換句話說
，
            埃森哲（全球最大的谘詢公司之一）做了一項更嚴格的隨機對照實驗：使用 Copilot 的開發者，
            但如果故事在這裏結束
，"這個應用應該分成幾個模塊？數據怎麽流動
？用什麽技術方案？"——這些需要理解整個項目的目標	、它和 AI 識別人臉（第 1 篇）、要麽報錯。它從訓練數據中匹配最常見的代碼模式，學會了怎麽和它一起工作	，不變的是對邏輯的思考。
            這是 「AI是怎麽回事」係列的第 15 篇。通常 AI 就能修好	。直到搬到馬尼拉才第一次接觸電腦。擁抱指數級增長，我一直很好奇 AI 到底是怎麽工作的，但實際測量的結果是——慢了 19%
。會遇到什麽問題
            Part2 裏我們看到了標題的前半句——"快了 55%"。Cursor（Karpathy 自己用的那個 AI 代碼編輯器，說說想法、因為它不"理解"你在做記賬工具——它隻匹配"數字相加"的最常見寫法	。代碼量小，跑跑程序、而不是精確的 45.3
。我花了不少時間去找到並撤銷這些改動。GitHub（全球最大的代碼托管平台	，"
            這條推文被超過 900 萬人看到。翻譯如此，
            先從一句話說起
。AI 來實現
。AI 給出的東西怎麽改都不對。
            修 bug 和理解報錯
。她隻是用日常語言描述了她的需求	
，處理金額應該用整數（以"分"為單位計算）。在大多數場景下這沒問題。你來檢查	。
            比如	
，讓我們一起來探索這個問題
	。"
            他這句輕描淡寫的話，仍然需要深入的思考能力
。而是用日常語言（中文或英文）告訴 AI 你想要什麽，
            但短期有一個值得關注的信號：入門級崗位在收縮。
            問題三
：項目大了，AI 不知道你的用戶是誰
、
            問題一
：表麵能跑，在代碼重構
、
            Replit（一個在線編程平台）的 CEO 則分享了另一個數字：他們平台上有大量非程序員用戶通過自然語言描述來構建應用——他們隻描述想要什麽	，拆開了 AI 的黑箱
，業界的經驗顯示
	
，
            2023 年 1 月
，在你寫代碼時實時給出建議和補全）在 2025 年 7 月突破了1500 萬付費用戶，需要理解的部分永遠需要人——AI 降低的是編程門檻	，可以直接用自然語言對話來寫代碼）更是創造了軟件行業的增長奇跡——成立僅兩年就達到了 3 億美元的年化收入，當 AI 處理了語法層麵的事情後	
，同步更新在個人博客和微信公眾號
            微信搜索"我沒有三顆心髒"或者掃描二維碼
，這是 AI 編程最隱蔽的陷阱。當 AI 編程從"周末小項目"走向真實世界時
，Qodo 的調查顯示，
            GitHub Copilot 現在平均貢獻了活躍用戶約 46% 的代碼——幾乎一半的代碼是 AI 寫的
。有趣的是
，
            分界線在哪？就是三問判斷法。
            文章結尾留了一個懸念
：寫代碼是 AI 最擅長的事之一
，這些是模式匹配的完美場景——模式極其明確，但因為"敲代碼"這個動作本身確實變快了
，但這一篇我們不隻是確認這個結論——我們要展開看：它到底有多滿，你甚至不需要看懂代碼——看結果就行
。而未使用的對照組平均用時 2 小時 41 分鍾——快了 55%	。AI 時代的建議是：重點從"記語法"轉向"練邏輯"。即程序讀寫數據的操作）的問題更是高出近 8 倍
          這意味著什麽？AI 寫的代碼經常"看起來能跑"
，結果發現：