别再“误用”LLM！GitHub高级工程师亲述：Copilot让我的工作效率提升2-4倍

正文

请到「今天看啥」查看全文

不过，真正工作中，我也经常遇到一些我不太擅长的领域或方向。有时候，我需要对一些不太熟悉的领域进行小的战术性修改，比如 Golang 服务或 C 库。虽然我知道这些语言的语法，也写过一些个人项目，但对它们的惯用写法不太有把握。在这种情况下，我会更依赖 Copilot。通常我会启用 o1 模型的 Copilot Chat，在输入框粘贴我的代码，然后直接问：“这段 C 代码符合惯用写法吗？”

我清楚的知道，这种依赖 LLM 的方式是有风险的，因为我不确定自己是否遗漏了什么。LLM 基本上能让我能像一个聪明的实习生一样工作，但我也得像一个靠谱的实习生那样，确保有该领域的专家帮我审查代码。即便如此，我认为这种快速进行战术性修改的能力非常有价值。

2、编写一次性代码

当我编写一些永远不会进入生产环境的代码时，我会更随意地使用 LLMs。

比如，最近我做了一项研究，需要从 API 中提取一些公共数据，进行分类，并用一系列快速的正则表达式来近似这些分类。所有这些代码都只在我的笔记本电脑上运行，而我基本上都是用 LLMs 来编写的：提取数据的代码、运行另一个 LLM 进行分类的代码、对数据进行分词并统计词频的代码等等。

LLMs 非常擅长编写那些不需要维护的、能运行的代码。像这种只运行一次的非生产代码（比如用于研究的代码），正是 LLMs 的强项。

我觉得， 使用 LLMs 让我完成这些任务的速度比不用它们快了 2 到 4 倍。

请到「今天看啥」查看全文