你絕對想不到！重複這個簡單指令讓AI產生程式碼快100倍

近期，BuzzFeed 的高級資料科學家麥克斯・伍爾夫進行了一項實驗，探索透過反覆要求AI 改進程式碼的效果。實驗中，他使用了Claude3.5語言模型，給出了一個經典的程式設計挑戰:編寫Python 程式碼，以找出一百萬個隨機數中，數字總和為30的最大值和最小值之間的差值。

在初始版本中，Claude 產生的程式碼運行時間為657毫秒。然而，隨著伍爾夫不斷輸入「寫出更好的程式碼（write better code）」 這個簡單指令，最終生成的程式碼運行時間縮短至僅6毫秒，提升了整整100倍的效能。這結果不僅令人矚目，AI 在定義「更好程式碼」 的過程中也展現了意想不到的變化。

在第四次要求「寫更好的程式碼」 時，Claude 意外地將程式碼轉變為類似企業應用程式的結構，並添加了一些典型的企業特性，而伍爾夫並未對此提出要求。這表明，AI 可能將「更好代碼」 與「企業級軟體」 聯繫在了一起，反映了其訓練過程中所吸收的知識。

開發者西蒙・威利森對這種迭代改進現象進行了分析，認為語言模型在每次新的請求中都以全新的視角來審視程式碼。儘管每次請求都包含先前對話的上下文，但Claude 在分析時如同第一次看到程式碼一樣，這使得它能夠不斷改進。

不過，伍爾夫在進行更多具體請求的嘗試中發現，雖然這樣可以更快地獲得更好的結果，但程式碼中仍然會出現一些需要人類修復的細微錯誤。因此，他強調，精確的提示工程依然至關重要。儘管簡單的後續問題可以初步提高程式碼質量，但有針對性的提示工程會帶來顯著的效能提升，儘管風險也會相應增加。

值得注意的是，在這項實驗中，Claude 跳過了一些人類開發者認為理所當然的最佳化步驟，例如去重或先對數字進行排序。此外，提問方式的細微變化也會顯著影響Claude 的輸出。

儘管這些效能提升令人印象深刻，但伍爾夫依然提醒我們，人工開發者在驗證解決方案和故障排除方面仍然不可或缺。他指出，雖然AI 產生的程式碼不能直接使用，但在創意和工具建議方面的能力值得關注。