AI程式設計能力進化！透過不斷PUA大模型就能提升程式碼質量

近年來，人工智慧（AI）的程式設計能力不斷發展，但尚未達到完美。最近，BuzzFeed 的資深資料科學家Max Woolf 透過實驗發現，如果對大型語言模型(LLM)不斷提供「寫更好程式碼」 的提示，AI 確實能夠產生更優質的程式碼。這項發現引發了廣泛關注，業界著名AI 科學家也對此表示了極大的興趣，強調了迭代和提示詞設計的重要性。

在Woolf 的實驗中，他利用Claude3.5Sonnet 這個版本的AI 模型進行了一系列程式設計任務。起初，他給模型提出了一個簡單的程式設計問題:如何找出一百萬個隨機整數中，各位數總和為30的最小值與最大值之間的差。 Claude 在接到這個任務後，產生了符合要求的程式碼，但Woolf 認為程式碼還有最佳化空間。

接著，Woolf 決定在每次產生程式碼後，都透過「寫更好程式碼」 的提示，要求Claude 進行迭代優化。第一次迭代後，Claude 將程式碼重構為物件導向的Python 類，並實現了兩項顯著的最佳化，運行速度提高了2.7倍。在第二次迭代中，Claude 又加入了多執行緒處理和向量化計算，最終讓程式碼運行速度達到了基礎版本的5.1倍。

然而，隨著迭代次數的增加，程式碼品質的提升開始減緩。經過幾輪優化後，儘管模型嘗試使用一些更複雜的技術，例如JIT 編譯和非同步編程，但有些迭代反而導致了性能的下降。最終，Woolf 的實驗揭示了迭代提示的潛力與局限性，讓人們對AI 程式設計的未來有了新的思考。

這項研究不僅展示了AI 在程式設計領域的應用潛力，也提醒我們，儘管AI 能夠透過不斷迭代來提升程式碼質量，但在實際應用中，如何合理設計提示詞、平衡性能與複雜性仍然是一個值得深入探討的議題。