Andy Stewart
7小时前
24小时AI实录,从零全自动驾驶实现专业终端模拟器 时间:24小时,真正和AI聊天的时间12个小时 代码:1万行Vala/Gtk4代码,50个Commit 自动驾驶:全自动驾驶,自己没有写过一行代码,100% AI写所有代码和文档 技术难点:自绘窗口对接操作系统底层窗口管理API、自绘Native窗口阴影、滚动标题栏自绘、终端模拟器底层启动shell的正确方式、终端的分屏(主要涉及到Gtk Paned小技巧),这里说的自绘基本上属于Canvas级别的,Linux下叫Cairo 人工指导:主要告诉核心API的方向是什么,AI不要去想原理怎么做,只用严格遵守我的需求指令即可 是否用了? 没有用,我知道一个完整的终端模拟器的底层细节和架构设计,所以我采用了大树推理的做法,先让AI把基础搭建好了,再做树干和树枝细节,这样实现需求,会把上下文锁定在很小的范围,避免因为AI上下文溢出乱答。人话就是,先实现基础再实现上层,每次只实现一个聚焦的需求 AI是否有不会的:90%都会,我怀疑它深度学习了我以前写的 deepin terminal, 90%都是一次写对,太顺畅了。在做自绘窗口阴影的时候卡住了,总是想拼出阴影,这样做的阴影不自然,我提示用Gtk Style来做,它第二次做对了。还有就是终端模拟器的 -e 参数支持,第一次乱写了,第二次严格告诉他方法,第二次一次写对了 人工体验:Claude Opus 可以做到自己写代码,自己写测试用例,自己做测试,自己写构建脚本,自己修复bug,全部干完再来给你汇报。比我半年前研究的AI,效率提升了太多。当然从体感来说,我24小时基本上全程啥也不干,偶尔看看它的解题思路和git diff就好了。大部分时间都在刷推。这个过程我更像一个导师和测试工程师,只有偶尔AI卡壳了,我会看代码,精确用API和变量名来约束它,让它跟着我的API提示来改代码 最长的思考时间:Native窗口阴影和终端 -e 参数实现,都是第二次思考,每次思考在 15 ~ 16 分钟 综合体验:如果项目所有的底层原理和知识都知道,只是让AI完成软件工程体力活,AI真的太强了,特别是它会自己测试的Agent能力太惊艳了,基本上属于中级工程师的水准 未知领域:等我们公司2月7日放假了,我在旅游的路上会探索AI不知道的知识领域,那时候再对比看看AI的能力是推理强还是数据丰富 最后的最后,AI真的太强了,我第一次感受到,当老师傅精确告诉AI正确的方向时,它把我100%的活都干了 我感觉以后软件工程师应该更像建筑设计师,曾经自己盖过房子,知道所有坑,知道力学、材料、工程、装修等知识,自己只做设计,不做实施了 那怎么才能提升呢?多看底层的书,多了解跨学科知识,底层的书的稀缺知识是以后不被淘汰的基础,跨学科的指挥才是和AI共生的技能