太相信 ai 了，直接进入未知领域，这几天差点搞崩溃，全在踩坑 😁 ➡️ 😭

以下技术无基础：用 python 里的 flask 搭了后端服务，centos 里用 selenium+无头 chrome 做 rpa 自动化。

ai 能帮我写代码，所以这部分时间非常省，一个库的文档都不用看，直接让 ai 写就好了，但前提是不出问题。
一旦出 bug ，还得靠自己理解，问 ai 也不一定行，因为 ai 知识库可能比较旧，回答的可能是错的，还得上网搜，自己思考，不断测，被 bug 支配的恐惧它又回来了😱。

这肯定，AI 只能帮忙给个思路。它写 spark 就经常有同一个问题会有不同的答案，也很麻烦。不过开发效率还是增加了。

可以试试 golang ？这种带类型的编译语言，代码生成的问题更少。

用来排错和生成测试代码还是挺好使，开发主导权不能交给 AI

是的，一旦遇到复杂问题或者需要最新的知识来解决的问题，例如某个底层库的代码细节这种，AI 就开始胡编乱造了，即使给了文档和源代码也不行。一定要理解现阶段 LLM 只是一个语言模型，不会推理的事实，知识库是有限的。

@laizenan 关键是知识库 可能还是错的，所以经常出现 AI 按命名规则给你编个看上去 还真的合理的 API

换个思路，AI 是小弟，不是大佬，主要的思路、框架、核心代码还得自己来，AI 是辅助，在自己眼皮底下干点脏活累活，就是说本来自己也会干，但是懒得搞，就交给 AI 了。

AI 只能帮你干力气活，不能代替你思考。

现在已经摸索了出一套对 gpt-4o 的提问技巧了，已经没之前那么“愤怒控制障碍”了
遇 bug 先去 google 一遍，找到六七个可能的原因，让 gpt 解释一下各种原因的出现场景，不用逐个试也能大概能缩小范围到 2~3 个

当下 AI 并没有全程建立可靠系统的能力，然后还喜欢想象 API