想问下现在 AI（比如 copilot）对大家实际开发过程中的作用大吗？

比查文档方便，能提供思路，简单代码能提高编写速度，能提高编写代码能力。

想直接得到结果不实际。

copilot 对我来说,日常编码方面效率提升至少 30%. 对于不熟悉的领域提升 200%

copilot 可以说大大提高了我 cv 的速度，少了很多百度谷歌的流程。

不是主业帮助非常大，没事就要写个 py ，写个 shell ，写个 oc 啥的靠百度真的要搜半天，copilot 基本上都是直出。

写个 py 处理点简单的工作，方便快捷

拼车的 copilot ,提升效率刚刚的. 你可以理解为. 你常年写 C 语言.什么函数都要自己实现. 用了 Copilot 相当于直接和写 python 一样,库都是现成的. 但是代码都是 C 语言实现. 很大的转变.

我引入了阿里的通义灵码， 代码提示采用率 20%左右吧。 搜索问题确实会快很多，它给出的答案基本上可以复制过来直接用。

主要是和直接问 gpt4 差别在哪

最近发现除了翻译还有个好用的地方，就是部分替代搜索引擎。前提是你知道这个东西网上有，但是搜索词不好写。就可以通过提示，把信息从模型里提取出来。比搜索 general 关键字再一页一页翻快很多。

要看是什么样的编码难度，简单代码 100%，高难度代码 10%。

1. 我解决不了的问题，github copilot 也解决不了。

2. 我自己写的代码，也许 10%的情况有点 bug 。github 生成的代码，50%情况多多少少有点问题。如果它生成的所有代码我不看就直接用，肯定原地爆炸。哪怕我自己 review 一遍改一改再用，还是 20%的情况会有我没发现的问题。所以我用 github ，代码质量是下降的。当然这个因人而异。

3. 开发速度也有所下降，因为我要 review 生成的代码，尽量保证正确性。而我自己的打字速度是很快的。

4. 但我还是在用 github copilot ，为啥呢？因为我有腱鞘炎。按 tab 能少打不少字。虽然质量和速度都有所下滑。这就是程序员的宿命吧。

github copilot 真正的目标客户掐头去尾的话，应该是中间层的人群；技术能力 Top 级别的根本不会用，刚入门的也可能不会用（问题、业务表达理解不清的话，用了也是白用），到头来沦为中层的娱乐工具

@kneo 那最适合你的解决方案可能不是 copilot ，是喷雾+贴膏+护腕+加热按摩器

目前总体感觉能提升 10 到 30%效率，有的时候那个补全比自己手打还是快多了。智能程度还是比较勉强。

我认为对于不熟悉的技术领域，可以起到一定的抛砖引玉的作用。所以提效 10%-30%+ 是有的

很有用，思考怎么自动化编程

很有用，别的不说，单就又臭又长的打日志代码可以一键生成了，大概率不用怎么改

copliot 提升还是蛮大的，毕竟大部分时刻写的都是简单的代码。而且简单的代码看一眼基本上就能确定有没有问题。

复杂的问题 copilot 搞不定，gpt4 其实也不太行（尽管它会装作帮你搞定了的样子）。但有一个场景 chatgpt 比 copilot 合适，就是报错的时候，chatgpt 能够帮你定位和解决问题（尽管准确率不高，但反正试一试成本很低），而 copilot 不行。

之前试了一下还不错，但还是依靠程序员来使用，不可能让普通人通过 copilot 来做软件的，就像现在很多通过 LLM 生成 SQL 一样，还是需要依赖数据工程师的，不太像 https://www.agiquery.com 那样，看了他的视频的，很不错：

有用，减少重复性工作，只专注业务逻辑。

有用 简单的部分基本上补出来的差不太多，仔细看看就行了，可以把更多的时间放在构思上，不过复杂的部分大多还是得自己搞，只是补全的长一些而已。

大概是从乙方到甲方的区别

对于常用语言的重复模板代码、不常用语言复健、以及学习新的语言或框架，都是极好用的，能省不少时间。
附一篇业界大佬 antirez 对于 AI 辅助编程的锐评 http://antirez.com/news/140

我主要拿来改英文注释。

如果问答社区，简单问题开始减少，那就说明 AI 起作用了

现在我遇到的问题：
1.复杂的问题，AI 的回答只能作为启发性，就是看看有没有自己想不到的思路，不应直接作为解决方案
2.AI 给的程序如果出错了，不要再让 AI 自行纠错，它在这方面很弱智，要么在几个错误答案中循环回答，要么只是顺着你的话说点好听的，但是继续原来的错误
3.当预想方案有多个且不容易确定，不要让 AI 帮你选择，它的回答多是和稀泥，不会给一个“最佳”选择

目前感受最佳是解释参数的实用意义，自己看文档（尤其不了解内部算法的情况），往往搞不清参数该用什么，AI 对参数的选择范围，大小对结果的影响，能解释得比较清楚

嘿！帮我写个变量名

@NewYear 查文档，sql ，shell 我觉得还行，直接编程感觉还差很多。。。

对我来说可能也就补充下有规律代码的程度。但最近看朋友圈有位大佬一直在说他用 gpt4 辅助解决了很多编程方面的问题，看得我一愣一愣的，总感觉大家用的不是同一款 ai 。
不过也可能正说明能否高效利用 Prompt Engineering 是对未来程序员的一项考量标准。

@LavaC 感兴趣的可以看看他这几个月里写的关于 ai 的博客 https://yage.ai/ai-coding.html

@LavaC 谢谢，学习一下

挺好的写日志方便多了

@duzhuo 等 AI 掌控了世界，第一个打的就是你这种 [doge]

对我来说作用不大, AI 对我的帮助, 更多的是通过我主动询问.

主要还是生成日志和 sql ，再有就是命名

@Lilithia 确实是这样，但是如果 ai 自主变成那是另外一个话题了

离不开了，对于重复和简单的工作，按下 `TAB` 真的爽很多

有点用，但是不大，用了一段时间后关了。
有点用的意思是，它有时候确实是"懂你"，能帮你补齐大段代码，完善度甚至让你惊讶。在需要高速编码的运用场景下，确实是很省力。
用处不大的原因是，它生成的东西不可靠，甚至是毫无根据地编造，需要你自己去 debug ，有时候不比你自己写省心。其次是，严重侵入个人的编程习惯和编程时思维连贯性，用多了个人感觉对于自己的编码能力有害。这个是我放弃使用最核心的原因。
最后是，个人工作类型不属于中度编码的场景，每天其实写代码不多，甚至是很少。这东西又做不了创造性的工作，弊大于利。如果我是那种堆功能的岗位，我应该会长期用。

蛮大的

作用挺大的，工作效率有效提升，整个团队都在用 copilot

@duzhuo 代码不难写 想名字想半天

copilot 很好用吗 这么多人用 我感觉百度那个 comate 也还可以

挺大的，大到氪了 ChatGPT Plus

@LavaC #28
人脑记忆总是有限的，就算看过的东西也很难全部融汇贯通
说几个例子
qt 文档，QtCore/QtGui/QtWidgets 这三部分我至少看过 50%，但能搞清的也就 20~30%（文档是 C++，我写的是 pyqt ），gpt3.5 至少帮我搞清了一些读过但不会用的部分，现在能搞清的增加到 35%吧
一直想写个 pandas tree 的控件，写不出来，网上也没搜到，pandas table 倒是有的，但 tree 就复杂了很多，最后就是在 AI 帮助下写出来了，也实际用上了，虽然不是 AI 直接写出来的代码，但它帮我打开了思路，就是利用 pandas 的 MultiIndex 。因为之前一直在 groupby 思路转圈走不出来，但 groupby 实际上跟 MultiIndex 是一样的性质-->groupby(as_index=False)就是 MultiIndex 。还有就是不太熟 MVC ，对 model 用法有很多搞不清，这方面基本上全是依靠 AI 讲解

pandas 也是巨多方法不会用
python 原生有个方法 itertools.groupby
# [k for k, g in groupby('AAAABBBCCDAABBB')] --> A B C D A B
# [list(g) for k, g in groupby('AAAABBBCCD')] --> AAAA BBB CC D
就是按相同值分段
我一直想把它在 pandas 实现，因为个人需求很大，很多地方要用到，自己写了倒是能做出来，就是百万数据很慢，优化多次都不理想，搜 so 别人写的也是 itertools.groupby 类似思路
让 AI 帮忙实现，晕倒，简单得很
df[groupname] = (df[col]!=df[col].shift(1)).cumsum()，因为是向量化的，速度很快
就是因为自己不熟 cumsum 函数的实用意义，cumsum 一直固守理解在“求和”上，思维宽度一下子打开了
同理，mask.sum() 就是条件统计，看上去是“求和”，实际是计数器，统计上很常用

numba 文档也是异常难读，一直不敢碰，但 AI 帮我写了几个后，自己也能写一些简单实用的了，尤其数据量上百万时，比“手动”向量化快

坐过车的人，还会去骑马么？

copilot 和 chatgpt 哪一个能更好用一点

所以想问下哪里有便宜好用的 copilot 渠道？

@NoOneNoBody #43 同意你说的内容。gpt 有效的前提是你人知道自己要什么，也就是对你问的知识有大概的理解，问 gpt 只是不想再花时间理清逻辑和整理，所以哪怕 gpt 给的代码是跑不通的，但是它的 demo 能作为很好的代参考项。这时候无论是自己解决剩余部分还是再推 ai 一把事情也差不多已经解决了。

提一个我用的刚需：看同事写的没注释的代码的时候。
我会让它帮我分析一下这段代码的主要逻辑，再结合它的说明去阅读代码

个人的使用体验：

用处不大 对我来说只是个更智能的代码补全工具 如果要解决问题还是得靠 chatGPT 这种

根据 V 友的推荐，最近开始尝试 copilot ，确实很有帮助

正在做 AI 辅助编码的一部分 Research: https://moqimoqidea.feishu.cn/docx/HRtSdxjMhoULrxxsU4wcxT2nn7b

Copilot 应该是基于 gpt4 的。不要把 copilot 简单当做代码生成器来用，而是“获取一切急需的信息、能快速评估自己拍脑门的想法”的助手。当然啦，连续编程十几个小时，大脑都开自动驾驶了，那完全靠 copilot 输出也不是不行。总之，从文档、教程、代码解释、代码重构、代码质量评估，到自动补全、面向注释编程（笑），都是可能的

简单的问题比 google 快，但 google 花点时间也能搜到。复杂点的问题，或是最新的技术，那只能 google 了。对我而言用的最多的可能是查生活中遇到的问题，比如熟成牛肉需要多少天，多少度这种

帮助很大，我直接开始 rust 编程了

无敌好吧，只要你是个写码的

使用感非常好，只要你是个写码的

还是挺大的用处。原来存了一堆的小抄,真要用的时候还想不起来了。。现在直接 GPT

用的 GTP4 ，有一定效率提升。
- 写一些小段 shell 脚本、小段功能函数，基本稍微改改就能能用
- 代替大部分文档搜索操作，对于参数、函数用法这些直接给出解释和示例
- 感觉只适合写小段代码，太复杂的场景总有一些细节问题要反复让他改或者要自己改，效率不高
- 偶尔给的代码是错误的或者有 bug 会 crash ，要自己判断一下不能完全信任

代码更加规范，注释啥的更加完备。我以前基本不怎么写 jsdoc ，现在基本都会写上，而且是详细的那种

自动补全挺好的

没思路的时候帮助挺大的。比如前段时间有个图表不知道怎么做，截图问了下 gpt4 ，立马出前端代码实现。用了什么技术怎么实现的讲的明明白白的，省了很多力气。
ps：我是后端

平时用 codeium ，偶尔会抽风，然后用多个 ai 模型比较回答：aichatone.com

@kneo 表示很赞同，copilot 写点 demo 还行，
真正项目追求准确性，不检查稍微一个小 bug ，回头非常难查。
很不辛的是，copilot 经常乱编代码，经常编写隐匿度很高的漏洞

@loyan666 然后给 AI debug ，真正的黑奴竟是我自己