徐昊 · AI 时代的软件工程
徐昊
Thoughtworks 全球技术策略顾问
2034 人已学习
新⼈⾸单¥98
登录后,你可以任选4讲全文学习
课程目录
已更新 8 讲/共 32 讲
业务知识管理 (1讲)
徐昊 · AI 时代的软件工程
15
15
1.0x
00:00/00:00
登录|注册

06|LLM如何辅助软件交付?

你好,我是徐昊,今天我们来继续学习 AI 时代的软件工程。
上节课我们介绍了在不同的认知行为模式下与大语言模型(Large Language Model,LLM)不同的交互模式。我们可以通过提示词模版建立任务和流程,来应用显式知识和充分学习的不可言说知识;通过已经提取完成的思维链,指导知识生成、产生任务列表,以消费不可言说知识。
那么通过 LLM 辅助的不同认知模式,真的会带来效率的提升吗?这是我们今天讨论的问题。

通过自动化带来的效率提升

通过 LLM 辅助不同的认知模式,一个显而易见的效率提升是由于知识外化带来的复用。比如,上节课我们提到的清晰认知模式中的任务模板:
需求背景
=======
{requirements}
API要求
=====
API返回的结果是json格式;
当查找的SKU不存在时,返回404
按关键搜索功能使用POST而不是GET;
任务
===
按照API要求为需求设计RESTful API接口。使用RAML描述。
可以看到,在这个模板中 API 要求的部分与需求背景部分是正交的。也就是说,无论针对何种需求背景,都可以依照同样的 API 要求,进行任务的操作。那么,对于 API 要求这部分的知识提取,就是可复用的知识。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 中文繁体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
    • 阿拉伯语
  • 解释
  • 总结

本文探讨了如何利用大语言模型(LLM)辅助软件交付,以及其带来的效率提升。在清晰认知模式下,LLM通过知识复用与任务模板实现任务自动化,提高了效率。在庞杂认知模式下,LLM通过思维链形式提取不可言说知识,实现了知识的高效传递,对整个团队带来了效率的巨大提升。文章还探讨了LLM在复杂认知模式下的应用,以及LLM辅助的知识工程。通过缩短反馈周期,LLM消除了复杂认知模式中的瓶颈,极大提高了行为效率。此外,文章还介绍了LLM辅助下的知识工程,以及不同的prompting技巧在具体交互时带来的效率差异。总的来说,LLM在软件交付中不仅提高了个人的效率,更重要的是通过知识的高效传递,对团队的效率产生了积极影响。

仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《徐昊 · AI 时代的软件工程》
新⼈⾸单¥98
立即购买
登录 后留言

全部留言(4)

  • 最新
  • 精选
  • 临风
    置顶
    之前老师给我的留言回复LLM对复杂模式的帮助比庞杂模式大,还不是很理解,今天算是揭晓答案了。庞杂模式是对不可言说知识的提炼和拆分,直接自己写和让LLM帮忙效率是差不多的。但复杂模式不同,复杂模式之前的困难是在于探测-感知-响应的循环过慢,导致知识提取的效率过慢,而LLM因为已经掌握了大量知识,可以作为个人的一对一指导老师,效率自然就提高了不少。 不知道大家注意到了没有,我觉得今天这篇文章的核心词是“复用”。过去我经常感慨,上个世纪的程序员为什么这么厉害,一个人就能完成一个软件的开发,而现在的人就只会调接口,已经丧失了从零编写一个软件的能力 。除了这些大神本身天赋异禀之外,可能更大的原因就在于复用,我们这代人,必须要基于现有的框架体系内去拓展,现实已经证明重复造轮子是低效且缺乏价值的。但为了复用已有的框架,我们要学大量个人品味的东西,而不需要接触代码底层的更核心的东西,诸如为什么是用注解定义而不是xml定义,为什么这个地方实现用组合而不是继承,为什么用双引号而不是单引号,为什么是用Java而不是go等等。 复用本来是为了解决多人协作重复造轮子的低效,反而又增加了新的学习负担。但LLM可能会重新改变这一局面,当LLM可以通过更高效的方式对不可言说知识进行复用,我们就不用去学习每个人框架开发者的品味,不用去在意开发语言或框架,而这正是未来软件发展的方向。

    作者回复: 复用减少了编码成本 增加了学习成本 所以只有能提升认知的复用 才是真复用

    2024-03-20归属地:广东
    2
  • 听水的湖
    置顶
    第一章课程学习反馈收集链接,看完第一章内容的同学记得填写哦!https://jinshuju.net/f/YzTEQa
    2024-03-20归属地:北京
  • aoe
    在学习 Android Jetpack Compose 时借助 Copilot AI 插件确实提升了知识传递的及时性、准确性 两周周学习过程: 1. 「无 AI 介入」在官网阅读入门文档、观看入门视频解了 Jetpack Compose 的基本概念:如何创建一个页面、页面布局有哪些主要控件、控件在页面的位置如何调整 2. 「无 AI 介入」运行了最先发现的示例代码 3. 「无 AI 介入」按自己的想法开始了一个项目:点击按钮随机生成卦象、数字、十二星座、十二生肖 4. 「AI 介入」通过和 AI 对话进行开发功能:添加一个 Jetpack Compose Button;选中 Button 代码后,要求将 Button 变成圆形、改个颜色;画一条线;添加一个 Drawer 控件等 5. 「AI 介入」通过和 AI 对话添加了一个 codecov 插件在 Github Workflows 中上报测试覆盖率 6. 「无 AI 介入」开发到一周时,发现因严重缺乏 Android 基础知识,导致开发进度缓慢,买了一本《Head First Android 开发(第三版)》准备学习,此时还没看,硬和 AI 聊天完成了第一版功能 7. 「AI 介入」和 AI 聊天也没能解决的问题:测试 Compose 布局,运行时需要借助 Android 模拟器,自己写的测试代码,运行后的报错信息 AI 也不能帮助解决 8. v1.0.0 版本已发布,源码地址 https://github.com/aoeai/aoeai-qigua-android
    2024-03-20归属地:浙江
    1
  • 止😊
    精彩
    2024-03-20归属地:新加坡
收起评论
显示
设置
留言
4
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部