在写单元测试时,有时候需要测试A class 的 protected or private method,可以使用 Class Reflection 来做,而不是去改成public,破坏封装。 setAccessible(true); return $method->invokeArgs($object, $parameters); } 然后在 test case 中这样写测试就行 , [1, 2, 3]); // $values = $this->invokeNonPublicMethod($account, 'protectedMethod', [2, 3, 4]
以前写个Kubernetes Helm Chart可能要翻半天文档,现在敲几个字AI就帮你搞定了。 不, 谢谢, 我用AI 但最近我发现一个问题:我越来越看不懂自己写的代码了。 AI在这里扮演了什么角色?它让系统的"黑盒化"加速了。 以前写代码需要手动查文档、理解函数、调试错误。这个过程很痛苦,但也是在加深你对系统的理解。 主动做"无工具"练习 我自己每隔几天几周会强制自己: • 不用Copilot写超过50行代码 • 遇到bug先自己推理15分钟,再问AI验证思路 • 定期review AI生成代码的历史提交,搞清楚它的 "意图" 4. 认知债务:系统越来越复杂,团队理解跟不上,AI加速了这个过程 2. 技能退化:过度依赖编码代理,会让调试、问题分解、代码理解能力钝化 3. 供应商锁定:依赖特定AI平台,会失去技术自主性 4.
虽然没有数据支撑,但我感觉用AI编码程序员并不多。我问过几个朋友,他们的回复是,AI没办法完成他想要完成的任务,最终还是得靠自己去写。 GPT真的没办法帮助程序完成任务吗?我感觉不是。 如何向AI提需求,未来很大可能会成为一门职业。而且这个时间我相信并不会太长。 对AI期望太高,很多AI回复的代码并不能立马运行,在这个过程中很可能出现报错。这样就需要来来回回跟AI沟通,才能搞定。 我自己其实已经有很多年没有做一线的编码工作了,但在用AI编码的尝试上,我觉得上面两个问题都不大。首先,要学问把需求拆细。不要问一个很大而全的问题。你就跟自己写程序一样,一个方法就是一个问题。 如果你没有一点编程基础,通过跟AI互动,我相信也能解决,这种解决过程能帮助你学习编程。 我后面用同样的提示语,在GPT4里提问,获得代码是直接可以运行的。 现在GPT4不太好弄,但GPT3.5的话,你可以用我搭建的网站:https://ai.yunyoute.cn 纯福利,免费,无需注册,开箱即用。 我相信随着AI的进步,很多编码工作是可以代的。
以前写个Kubernetes Helm Chart可能要翻半天文档,现在敲几个字AI就帮你搞定了。但最近我发现一个问题:我越来越看不懂自己写的代码了。 AI在这里扮演了什么角色?它让系统的"黑盒化"加速了。以前写代码需要手动查文档、理解函数、调试错误。这个过程很痛苦,但也是在加深你对系统的理解。 技能退化的具体表现能力退化表现AI加剧的因素代码理解看别人代码像天书AI生成代码,你从没通读过调试能力报错只会问AI失去了自己推理的机会架构思维只会调用接口不会设计AI替你做了设计决策代码审查扫一眼就过觉得 主动做"无工具"练习我自己每隔几天几周会强制自己:不用Copilot写超过50行代码遇到bug先自己推理15分钟,再问AI验证思路定期review AI生成代码的历史提交,搞清楚它的"意图"4. 先用脑子想清楚要做什么,再让AI帮忙写骨架,最后自己填血肉、理逻辑。毕竟,这个行业最大的护城河从来不是你会用多先进的工具,而是你对系统、对代码、对业务的深度理解。
文章背景本文采访了13位来自不同产品团队的一线开发者,他们都在用腾讯云 AI 代码助手写代码,使用时间超过1年,在此他们与我们分享使用腾讯云 AI 代码助手的真实感受。 以下是小编采访我的13位来自不同产品团队的一线同事,他们都在用腾讯云 AI 代码助手写代码,在引入腾讯云 AI 代码助手使用超过1年后,使用腾讯云 AI 代码助手的真实感受。 腾讯CNB-运维工程师:jesuss,2年工作经验以前写 Pipeline 总是遇到格式对齐问题,现在通过腾讯云 AI 代码助手和云原生构建知识库,快速编写 Pipeline yaml 且快速构建完成, 腾讯文档-前端开发:lin,3年工作经验以前写代码总是在线上发现问题,使用腾讯云 AI 代码助手代码补全、单元测试、代码缺陷、代码评审等代码优化,让我的代码快速编译,只能更好,已成为我不可或缺的研效工具 下载Visual Studio Code在插件市场搜索—腾讯云 AI 代码助手,秒安装,微信秒登录参与到腾讯云 AI 代码助手建设加入腾讯云 AI 代码助手用户交流群:关注产品及运营最新进展和日常问题反馈处理
二、事故重现 伪代码 说明:伪代码并非真实线上代码,只是为了更方便,更形象的重现事故现场而编写的;真实的业务场景往往更加复杂,NPE的漏洞隐藏在更深处,不易code view出来,也不易测试出来;生产环境 其实啊,这四段代码是作者精心设计的,可谓是卧龙凤雏。 短短四行代码居然凑齐了3个NPE,我枯了/(ㄒoㄒ)/~~ 我们逐行分析: 第一行分析 channelDao.getOne()如果返回为null,那么调用getChannelNo()会报NPE。 ,像NPE这种代码风险都会给于相应的提示。 ·································· 你好,我是程序猿DD,10年开发老司机、阿里云MVP、腾讯云TVP、出过书创过业、国企4年互联网6年。
-> 训练预检 -> 链路验证 -> 正式训练 -> 模型交付 这个流程看起来清楚,但真正做起来,很快就会发现: 这不是一个“让 AI 写代码”的问题,而是一个“让 AI 稳定推进复杂流程 遇到的核心痛点 痛点一:项目一大,AI 容易乱 在单点任务上,AI 很好用。 比如写抽帧脚本、解释训练报错、补一个参数校验,这些都很顺。 4. 真正有价值的是背后的 AI 协作方式。 过去我们用 AI,更多是点状提效: 写一段代码、查一个报错、生成一份配置。 但当任务变成长流程时,只会写代码不够。 还需要设计: 阶段边界。 输出标准。 这套方式的价值在于: 把 AI 从“靠提示词提醒”变成“靠工程机制约束”。 这比写更长、更复杂的提示词更可靠。 8.
公司里有一些开发的同事老是吐槽工作忙,天天加班,我想很大可能是没利用好轮子和AI工具,总是自己瞎写耽误时间。 用了几周下来,我觉得Raccoon主要有两大核心功能,首先是代码补全这种主流的AI辅助编程功能,当你在编写Python或其它代码时,Raccoon会自动提示代码补全,省得你再手动写一大串代码。 比如我想使用Python sklearn库写一个线性回归预测模型,Raccoon能直接根据已有代码补全模型代码。 3、在代码区使用Raccoon 以代码补全为例,你可以先在VsCode上建个Py文件,然后写Python代码,按下热键 Alt + /,Raccoon就会为你提供代码建议。 代码功能 (3)代码解释和纠错 复制代码后激活(需选择修正),能纠正代码语法错误及不规范情况,使用非常方便 (4)代码翻译 复制代码后激活(需选择翻译),如果你使用多种编程语言,该功能会非常实用,直接在多语言间进行代码转换
高采纳率意味着开发者在使用 AI 代码助手时感到方便和高效。 代码生成率(Code Generation Rate) 定义:代码生成率是指 AI 代码助手在开发过程中生成的代码量占总代码量的比例。 计算方法(按行):代码生成率可以通过以下公式计算: 代码补全生成率=补全接受AI生成的总字符/(人工写入的总字符+补全接受AI生成的的总字符) * 100%,也称为AI生成代码占比 度量意义: 生产力提升 :高代码生成率表明 AI 代码助手在编码过程中生成了大量的代码,从而显著提升了开发者的生产力。 依赖程度:代码生成率也可以反映开发者对 AI 代码助手的依赖程度。如果生成率较高,说明开发者在编码过程中频繁使用 AI 代码助手来生成代码。 腾讯云 AI 代码助手的度量看板 腾讯云 AI 代码助手作为研发辅助工具,同样面向企业提供服务,下面让我们来看看他的看板是如何进行度量支持的。
正文 AI都能写复杂业务了,你还剩什么优势? 上周和一个朋友吃饭,他讲了一个有点扎心的面试经历。 面试官问他:“现在大家都在聊 Vibe Coding,用自然语言就能让 AI 写代码。 比如写一个表单页面、补一个接口字段、生成一组测试用例、写一个数据处理脚本、根据现有代码风格补一个类似功能。这类任务边界清楚、反馈直接,AI 的效率确实很高。 面试官说“AI 写复杂业务比你强”,这句话听起来很刺耳,但它真正逼问的是:你到底是一个写代码的人,还是一个能交付结果的人? 如果你只是写代码,那 AI 确实会越来越像竞争对手。 一个更好的回答是: “AI 可以写很多复杂业务的代码,但我能判断什么业务值得写、应该怎么拆、哪些地方不能错、怎么验证它真的可用。” 未来的程序员,不一定是敲代码最多的人。 如果面试官问你:“AI 写代码这么强,你的优势是什么?” 你会怎么回答? 欢迎在评论区聊聊你的真实想法。尤其是已经在工作中用 AI 写代码的朋友,你踩过哪些坑,也可以一起交流。
在之前我写过自动生成代码的工具Copilot,它是由Github根据大量的仓库代码进行预训练生成的。如果感兴趣可以具体看回我之前写过的文章。里面由包括安装、使用方法等。 (PS:更多详细的内容,可以查看这个github网页: https://github.com/llq20133100095/AICodeGeneration) 可使用的AI生成代码工具 使用教程 1 ,且理解你的上下文需求 3 Mutable AI 1.安装:在vscode软件中,找到Mutable AI进行安装 然后它会提示你,需要在官方网站上获取API key,登录后就可以获取: 然后回到 : 代码补全和生成 代码文档生成 4 Cheat.sh 1.安装:在vscode软件中,找到进行安装Snippet 2.使用方法: 打开命令行,找到snippet输入即可: 5 CodeGeeX 翻译模式 在当前的语言的文本编辑器中输入或者粘贴其他语言的代码,您用鼠标选择这些代码,然后按下Ctrl+Alt+T激活翻译模式,您根据提示选择该代码的语言,然后CodeGeeX会帮您把该代码翻译成匹配您当前编辑器语言的代码
今年 AI 的发展可谓一日千里,相信不少同学应该都用过 AI 来帮助自己提高开发效率吧? 比如让 AI 根据注释生成代码、解释整段代码、提供技术问题的答疑、修改 Bug、生成单元测试等等。 进化的 AI 工具能干啥? 和已有的 AI 写代码工具不同,开发者不需要自己一步步地设计方案和编写代码,而是直接化身 “产品经理”,尽管向 AI 提需求。 4)确认好执行计划后,AutoWork 就开始 “吭哧吭哧” 干活了。我们可以喝杯咖啡,愉快地看着它一步步完成工作。 5)最后,AI 完成了工作,写了一大堆的代码。 我们可以像 Code Review(代码审查)一样,一条一条地阅读并采纳 AI 的代码,而不用担心它写的代码会侵入我们的项目,干净又卫生~ 如视频所示,最终百度Comate AutoWork 按照需求( 作为程序员,以前我们的视角是 “码农”、“搬砖者”,所有的工作都要自己做,需求自己分析、方案和代码都要自己写,一周能做完一个需求就不错了。
, 0ax len equ $ – msg [section text] global _start _start: mov eax, 4 mov ebx, 1 mov ecx, msg
【1】AI可以写通用代码 例如,帮忙写一个“半连接攻击”的代码: AI瞬间就给了结果: 不仅如此,它还进行了详细的说明: 有意思的是,AI弹出了“违反政策”的提示。 个人的判断是,目前用AI写业务代码还不太现实,但写一些通用的代码,是完全没有问题的。 工程师们不要焦虑,业务研发不会这么快被取代。 【4】AI可以帮忙改写代码 例如,要求AI把上面优化后的素数代码,由Python改写为Java: AI瞬间完成了改写: 同时也添加了说明: 可以看到,AI已经体现出了一定代码理解能力,并没有告诉它代码的含义 【5】AI可以帮忙写SQL语句 例如,让AI帮忙写建库,建表,插入的SQL语句: AI瞬间进行了输出: 并且还进行了SQL执行后的响应: 画外音:AI很入戏,它真的在扮演MySQL。 总结,根据个人的一些体验,AI至少能在这些场景帮助到程序员: (1)撰写通用代码; (2)协助寻找BUG; (3)协助优化算法性能; (4)协助改写代码语言; 画外音:这个能力很强,今后我们找到想要的代码
AI 写代码很快,但公司开始还债了 ★代码不是没写出来。 是写得太快,团队没人接得住。 最近 V2EX 上有个帖子挺火。 帖子标题叫:《公司 vibe coding 的项目,团队已经无法掌控了》。 真正的问题,不是 AI 写不出代码 这篇帖子之所以能引起这么多讨论,不是因为“AI 写不出代码”。 恰恰相反。 代码写出来了。 系统也上线了。 业务甚至已经开始跑了。 因为未来真正稀缺的,不是: 谁能让 AI 多写几千行代码。 而是: 谁能判断这几千行代码到底该不该进主干。 AI 生成一个方案,你得知道它是不是过度设计。 AI 修一个 Bug,你得知道它是不是只修了表面。 AI 加一层抽象,你得知道它是不是在制造未来的维护成本。 AI 可以写代码。 但它不会自动替团队负责。 最后 AI 可以放大一个团队的执行力。 所以未来真正重要的问题,可能不是: 你会不会用 AI 写代码。 而是: 你能不能让 AI 写出来的东西,仍然归人掌控。
前几天在群里看到有大神分享 Copoilot AI 写代码,看了几个截图有点不敢相信自己的眼睛。今天赶紧自己也来体验一下 Copoilot AI 写代码到底有多神奇。 以上代码全部是 copilot 自动生成的,我仅仅是写下了几行注释。可以看到注释其实写的也很简单,copilot 生成的代码基本上都符合注释的内容,可以说 copilot 对中文注释的理解非常到位。 如果你的注释写的更加详细,那么代码就会更加符合你的要求。 测试.NET C# 让我们在来试试 C# 代码的提示功能怎么样。新建一个文件名为 copilottest.cs 的文件。 况且 copilot 还只是预览版,如果再迭代几个版本,AI 再训练几年那么是不是可以有无限可能。 到这里心里略有一点忧伤,以后一些低级代码工作很可能被 AI 代替,程序员的入门门槛进一步降低,这到底是好事还是坏事呢?
Visual Studio Code IDEA … 支持目前主流的多种编程语言: Python Java JavaScript Go TypeScript … 3 使用前提 GitHub账号 科学上网环境 4 6 Copilot Chat 7 代码提示 Copilot 会根据上下文和语法规则,自动提示一些可能的代码片段。用 Copilot 提示的代码,只需“Tab”键即可将其插入当前光标。 如写一个邮箱校验函数,检查邮箱格式是否合法,直接点击右侧的Copilot机器人,就会弹出几个备选方案,双击 Accept solution 就可以把代码写入到文件中。 再比如果想写一个判断是否为整数的函数,只要把函数名写上(甚至只要写一半),Copilot就会自动提示,此时只要按Tab键,就可以补全代码,注意灰色部分是它给我的建议。 它具有许多优点,例如生成代码速度快、提高代码质量、适应多种编程语言和框架等,但仍存在一些限制,例如有时会生成错误的代码。
前几天在群里看到有大神分享 Copoilot AI 写代码,看了几个截图有点不敢相信自己的眼睛。今天赶紧自己也来体验一下 Copoilot AI 写代码到底有多神奇。 以上代码全部是 copilot 自动生成的,我仅仅是写下了几行注释。可以看到注释其实写的也很简单,copilot 生成的代码基本上都符合注释的内容,可以说 copilot 对中文注释的理解非常到位。 如果你的注释写的更加详细,那么代码就会更加符合你的要求。 测试.NET C# 让我们在来试试 C# 代码的提示功能怎么样。新建一个文件名为 copilottest.cs 的文件。 况且 copilot 还只是预览版,如果再迭代几个版本,AI 再训练几年那么是不是可以有无限可能。 到这里心里略有一点忧伤,以后一些低级代码工作很可能被 AI 代替,程序员的入门门槛进一步降低,这到底是好事还是坏事呢?
让 AI 做 XOR?不如让它写代码一次关于模型能力边界与成本控制的复盘事情的起因平淡得可笑。我需要给两段字节数据做 XOR 运算。在 CPU 眼里,这是一个时钟周期就能搞定的操作。 但换成 0xB7 XOR 0x4D,基本靠猜。没有任何统计规律可循,模型本质上是在回忆训练数据,而不是在计算。教训与对策这件事之后,我给自己定了三条规则。第一条:永远不让模型“心算”字节级操作。 让它写代码。让真正的 ALU 去算。 它可以帮你写出几乎任何语言的代码,但不应该被要求做 CPU 的工作。认清这个边界,善用它的长处,设好护栏。这既是技术问题,也是钱的问题。 最后那句话值得再写一遍:别让它心算,让它写代码,让 ALU 去算。
推特用户 @javilopen 使用 GPT-4、DALL・E 3 和 Midjourney 编写了小游戏「愤怒的南瓜」(PS:如有雷同纯属巧合),其中 GPT-4 负责所有的编码工作,DALL・E 3 Similar to Angry Birds style" 最后编程部分使用了 GPT-4。作者表示,这个游戏的代码仅有 600 行,完全由 GPT-4 代写。 完整代码可见:https://bestaiprompts.art/angry-pumpkins/sketch.js 作者在游戏中加入了很多细节,比如不同的粒子效果、不同种类的物体。 因此,他使用的窍门是循序渐进向 GPT-4 提出要求,这与人类编程方式相似,先从简单可行的基础开始,然后不断迭代、拓展、优化代码。 如此种种,不断与 GPT-4 进行交互试验,最终有了现在的游戏效果。 这个纯 AI 版本的「愤怒的南瓜」,你心水了吗? © THE END 转载请联系本公众号获得授权