AI编程时代：注释的力量

AI工具如GPT-4、Claude V3和Copilot显著提高了编程效率。面对简单的数据结构与算法，AI轻松应对，人类可借鉴Stack Overflow。本文旨在探讨如何利用这些新工具，以实现更快速有效的编程。

AI使用看似简单，但有效利用需摸索、思考。新工具，如AI，需摒弃旧思维，否则易陷盲区，无法最佳利用。我发现，在AI编程时代，核心产品可能由代码变为注释。

在计算机科学培养中，数据结构和算法是基础。本科学习一年，再针对特定领域深化。求职时重点准备相关题目，工作中不断优化状态管理与转换算法。熟练掌握时间复杂度分析以编写高效代码。编程的学习和实践都围绕这一核心，如面向对象编程即封装数据结构（域）和算法（方法）。

通过使用GPT和Copilot等AI编程工具，我发现其改变了编写代码的核心。现在，即使不清楚最佳数据结构或算法，AI会提出建议，分析利弊，帮我选择最适合的方案。AI还能提供库函数、时间复杂度信息，甚至直接生成代码，这比手动分析更快。对于库函数的参数，即使我忘记了具体细节，AI也能给出提示。

在AI辅助编程时代，编码技能的差异对代码质量的影响减少了。传统上，掌握数据结构和算法者代码更优，开发更速；现借助AI，这种优势不再显著。

AI对代码开发的帮助尤其明显，尤其是当使用详细的Docstring（针对函数接口和参数的详细注释）时。这些注释能精确描述函数接口，使AI能基于此写出准确代码。例如，简单提及“使用这个`def extract_fwhm(self, image, verbose)`”，可能会产生歧义，如image格式不明确，导致AI编写成功概率极低。相反，详细注释和使用Typing Hint可以大幅提高AI编码的准确性。

def extract_fwhm(self, img_data: npt.ArrayLike, verbose: bool = False) -> float:
        """
        Extract the FWHM of the given image.
        Note this function assumes that the input image has been debayered if it is a color image.
        Args:
            - img_data (npt.ArrayLike): The image to extract the FWHM from.
            - verbose (bool): Whether to print the progress of the extraction.
        Returns:
            The FWHM of the given image.
        """

在AI辅助编程的新时代，注重注释的质量能显著提高编程效率和正确率。即使传统的代码高手也可能不如那些优化了Typing Hint和Docstring的人效率高。现在，优秀的注释成为高效利用AI的关键，比传统聚焦于代码质量的方式更有效。

高效利用AI需要确保我们的问题定义清晰，AI信息充足。开发经理（SDM）也关注这些。高效使用AI编程需理解其能力边界，如何激励AI。

决定委托事宜：根据管理能力，区分亲自处理和可委托他人完成的任务。

委托方法：将任务拆分为适合下属能力的片段，逐步引导完成。

质量评估：通过测试，确保AI产出的代码质量。

学习从下属开始：开发经理通过向下属学习来更新知识。无需羞愧，因为他们不必比擅长编程的下属更专业。普通程序员在管理AI时，同样可将AI当作有效的学习资源。

AI辅助编程时代并不意味着码农将失业，而是提升了编程的上限。软件工程师的价值不仅在于代码速度或算法知识，而在于设计决策和问题解决能力。

AI引发了编程能力重心的转移，从数据结构和算法熟练度转向理解AI能力和问题分解。历史上，计算器的出现曾减少对算术运算的依赖，但提升了运算效率和准确性，同样，AI辅助编程虽改变了技能需求，但软件工程师的价值并未降低。

我们正处在一个充满变革的AI辅助编程时代，对人们产生了不同影响。虽然文章的观点可能会因新AI技术而变得过时，但只要我们持续思考和保持热情，利用更智能、更好用的工具，我们的竞争力将不断提升。