智东西8月25日消息 今日前特斯拉AI总监、OpenAI联合创始人安德烈·卡帕西（Andrej Karpathy）分享了其AI辅助编程的实践经验。
不同于集中使用单一工具的方式，他采用多工具协同策略进行任务分配。
总结来看卡帕西构建的编程流程包含四个层级：75%的工作时间用于Cursor编辑器中的Tab键自动补全功能；
第二阶段通过大模型修改特定代码段；
第三层调用Claude Code、Codex等独立编程工具处理较大功能模块开发；
最终将GPT-5 Pro作为”终极问题解决者”应对最复杂难题。
这种分层架构源于当前编程工具各有侧重的特点：Cursor编辑器虽擅长实时补全但需频繁重启维持性能；
独立编程工具可处理开发者不熟悉的领域需求却易产生冗余代码；
而GPT-5 Pro则具备深度分析能力，在10分钟内就能定位其他工具无法察觉的隐蔽错误。
具体工作流程方面： 1. Cursor编辑器占据主要工作场景（75%时间），其核心价值在于通过精准代码片段或注释传递需求指令。
卡帕西发现直接在代码上下文环境中演示需求比文字描述效率高出数倍；
2. 当需要修改特定代码段时会直接选中目标区域触发模型处理；
3. 对于涉及较大功能模块且需求明确的任务，则启用Claude Code等独立工具。
不过这些工具存在过度防御机制的问题：常滥用try/catch语句、生成嵌套过深的条件结构、重复编写未封装的功能模块等；
4. GPT-5 Pro作为最后防线，在遇到顽固bug时能结合文档与学术资料进行深度排查。
值得注意的是卡帕西对当前开发环境的认知转变：”我们已进入代码过剩时代”——开发者可随时生成大量定制化即抛式代码而无需顾虑成本。
他建议在不熟悉的技术领域（如Rust语言或SQL查询）积极利用AI辅助，并强调必须时刻保持对生成内容的人工干预（如通过ESC键终止失控生成）。
这种多层级工具组合策略既展现了AI编程的可能性边界——从日常补全到复杂问题解决——也暴露了当前技术局限带来的挑战：如何平衡自动化效率与人工控制？
当开发者面对日益复杂的工具生态时又该如何保持技术敏锐度？
这些思考或许正是卡帕西在洗浴时光迸发灵感的真实背景。
当前开发者普遍采用AI辅助完成代码行补全、错误修复及测试验证等任务，在提升效率的同时也面临技术迭代带来的适应压力。
评论列表 (0条)：
加载更多评论 Loading...