註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 IMPULホイール
IMPULホイール 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 IMPULホイール 的搜尋結果
给 qodercli 加了「跨会话消息功能」 1\ 这是我来 qodercli 以来加的最重的功能,总耗时一天左右。 2\ 我有个 loop 会在 claude code 发新版时自动拉 changelog 和代码,分析每一项新功能的实现。8.7 深夜,针对 claude code 2.1.224,生成了十三份分析文档。其中一份有一千零一十一行,讲一个新功能,同一台机器上的两个会话可以互相发现、互相发消息。一个会话干完活,可以直接叫另一个会话接着干,不用人在两个终端之间复制粘贴。 3\ 8.8 早上闲着没事刷推,发现 claude code 在宣传这个功能,就留意了下,然后拿着分析文档让 agent 照着给 qodercli 也加一份。指令是「i want to impl to qodercli, full feature」,用我的 one-shot skill 实施。2 个小时后 mvp 完成了,47 个文件,5513 行,152 个新测试。发群里大家觉得还不错。 4\ 8.9 歇了一天,8.10 PD 催了,于是下午开始补细节。细节太多,补了 20 来个 commit 到晚上才补完。然后开始用 claude code 和 codex 等,用不同的模型做交叉 review。合计 40 多条 review 建议,然后慢慢 fix,直到 8.11 上午才最终完成。 5\ 8.11 上午推分支找同事 review,基本上没啥新增问题了,只处理了一个。同时让 agent 写了份 1722 行的测试手册给测试同学,46 个用例,功能细节还是很多的。 6\ 8.11 晚,随 v1.1.19 版上线。
顯示更多
0
52
56
3
轉發到社區
AI Coding 时代,好的编程习惯仍然重要 最近做一个 Agent benchmark,发现不能简单地用开发者视角来评估一个编程任务对 AI 的复杂度。 比如一个重构任务:把一个几千行的大文件,按功能拆成十多个小模块。 这个任务对开发者来说其实不算难,主要工作就是移动代码、整理 imports、编译验证,新手也能搞定。 所以想着用一个简单的任务来做一下 benchmark,结果却出乎意料。 Claude Code 判断这个任务比较大,尝试拆了一部分,提了个 PR 写了 Future work 打算分步来。 我自己的 Agent 是“硬上”,往完整拆分的方向推进了更多,但代价也很明显:Token 消耗是 Claude 的几十倍,后面大量时间都花在反复读文件、修编译错误、再读文件、再修错误上。 这让我意识到,人觉得简单的任务,对 Agent 不一定简单。 对人来说,这类重构很多时候就是“把这一段挪过去”。但对 Agent 来说,它要先分批读大文件,记住哪些函数和哪些测试有关,再生成一堆跨文件修改,最后通过编译错误一点点补洞。看起来像机械活,实际变成了一个高 Token、高状态管理成本的任务。 前一段时间看到有人说,AI Coding 时代,拆分模块这些编程原则没那么重要了,反正人也不看代码。现在看,我不太同意。模块边界清楚、文件粒度合适、依赖关系简单,不只是方便人读,也是在帮 Agent 降低任务复杂度。 从另一个角度看,现在 Agent 的读文件和改文件工具,对这种重构也不太顺手。 Coding Agent 改文件,主要还是文本替换。比如 Claude Code 常见的是 old_string / new_string 模式:先给出一段旧文本,再替换成新文本。Codex 常用的是 apply_patch:生成一个类似 git diff 的 patch,表达把旧的内容替换成新的。它们都适合小范围修改,但如果要删除一大段旧代码,或者把一批函数挪到别的文件,模型往往还是要先把原始内容读进上下文,再生成一大段替换或 diff。 所以我后来给 Agent 一个提示,让它先用脚本、sed、perl 这类工具把大文件粗拆开,直接把旧内容删掉,写到新文件中,然后再逐个慢慢修,它的完成度确实高了许多。Agent 默认不会这样做,主要是因为系统提示词里会强烈要求 Agent 用内置工具修改文件,而不是命令行工具。 再往前想一步,Coding Agent 可能还需要更高级的编辑工具。不是只给它一个“替换文本”的接口,而是先通过 parser、LSP 或 compiler 建立代码结构,让 Agent 可以像 IDE 一样做重构:移动函数,删除 impl block,整理 imports。不知道是否有朋友做这方面的尝试。 总的来说,即便是 AI Coding 时代,好的编程习惯还是有价值的。尽量在早期通过 harness engineering,把好的编程习惯变成 Agent 的默认工作方式,比后来再重构的成本要小很多。
顯示更多
0
13
49
9
轉發到社區