AI助力项目复刻：高效学习与重构方法
用户询问如何利用AI工具（如Codex）快速模仿和复刻开源项目（如Redis），以构建自己的demo。讨论焦点在于让AI逐步读取原项目代码，分析其架构逻辑，并规划新项目的生成流程。社区中有5位参与者分享了实践经验，探讨AI在软件开发中的实际...
标签索引 / 第 22 页
软件开发
这个标签下有 267 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
专业开发者掌控AI代理：2025年编程应用趋势
AI代理的兴起正在改变软件构建方式。尽管代理承诺能加速开发并实现自然语言编程，其在专业软件开发中的实际角色仍存疑。通过现场观察（N=13）和定性调查（N=99），研究发现经验丰富的开发者虽认可代理的生产力提升作用，但为确保软件质量，他们坚持...
AI编程项目后期崩塌：代码成屎山的原因
一位开发者分享使用AI编程工具开发视频分析项目的经历。项目初期（30%）进展顺利，AI生成代码高效且惊喜；中期（50%）需要频繁调整；后期（70%）陷入困境，消耗大量tokens修复bug；最终（80%）无法推进新功能或修复问题，导致项目停...
cURL项目全面弃用strcpy 提升安全性 防止AI误报
cURL和libcurl项目近日宣布全面移除strcpy和strncpy函数的使用，以消除潜在的安全风险。作者指出，这些函数容易导致缓冲区溢出和未终止字符串问题。新引入的curlx_strcopy函数通过结合memcpy和严格的长度检查，确...
AI加速技术债务：代码质量警钟
作为一名按小时计费的工程师，作者观察到LLMs正在显著放大技术债务问题。他长期倡导代码质量的重要性，但此前未受重视。如今，当AI在架构不良的项目上快速生成低质量代码时，人们终于意识到累积技术债务的严重性。AI不仅加速了代码生成，也加速了技术...
AI编程修复bug的困境：拆东墙补西墙的循环
最近，一名开发者在Linux平台上使用AI辅助修复bug时遇到了严重问题。在开发小秘书脚本时，由于测试环境有限，他依赖AI模拟不同情况修复bug。然而，修复多个bug后，之前解决的问题复发，如支持Firefox后Chrome功能失效，修复图...
AI无法取代程序员：软件开发的未来仍是开发者
作者Jason，拥有43年编程经验，回顾了从WYSIWYG到LLM等技术被吹捧为’程序员终结’的历史，指出每次都增加了程序员需求。他认为LLM在多数情况下会降低效率、增加不可靠性。编程的核心难点在于将模糊的人类思维转...
AI编码工具实战：Codex在bug修复上完胜Opus
一位开发者分享了高强度使用AI编码工具一年多的实战经验。他详细对比了Codex和CC的Opus的性能，发现Codex在修复bug方面表现卓越，尤其擅长处理复杂业务逻辑，能够在一小时内高效完成修复并附带小重构，效果显著。相比之下，Opus在复...
AI开发大型项目：经验与挑战
作者分享使用多个AI Agent（设计、编码、测试、审核）构建大型工程的经验，但面临掌控力不足和项目失控风险。回复建议使用工具如speckit/openspec维护文档，强调AI写的项目只能AI维护且长期不可行，倡导以管理团队思路优化流程，...
LLM编程：从模糊到确定的范式革命
本文探讨了软件开发中的核心挑战：规范往往过于模糊，导致开发者依赖“感觉编程”（vibe coding），如同一场彩票游戏。作者提出创新方法：从规范开始，逐步添加细节，每次利用LLM的上下文能力重新生成代码，使输出更接近确定性。这种范式转变不...