dev-c+怎么自动补全代码
启动 defc 加加可以双击程序图标或选中图标，点右键，在弹出的菜单中选择打开。 在主菜单中选择文件，在下拉菜单中选择新建，选择原代码。 在对话框中输入你的第一个 c 语言程序， 第一行输入 include style h 空一行，第三行输入 int main， 第四行输入左括号，系统自动弹出右括号，下面开始输入程序语句 第一条执行语句 print hello world， 末尾一定要带上英文分号。 第六行输入 return 零， 一个完整的 c 程序输入完成，暂时不要关注含义。菜单中选择文件点保存，选择保存文件加输入保存名称， 点击保存。 下面开始编辑运行程序，菜单中选择运行，选择编辑， 查看编辑结果，错误为零则编辑通过 菜单中选择运行， 点击运行， 查看运行结果， 关闭结果显示框。 恭喜你人生第一个代码成功交付。 下面再介绍如何打开移油程序文件， 选择文件，点击打开项目或文件，选择要打开的文件，点击打开。 可以修改原代码， 修改完成后按 ctrl s 保存文件。如果语句有中文字符，会弹出提示框，点击 yes， 再选择运行，可直接选择翻译运行执行程序。
粉丝976获赞2233
相关视频
01:30查看AI文稿AI文稿我们在使用 devo c 加加进行编程的时候，如何使用工具的代码自动补全功能呢？比如我们这里输入 set p r 的时候， 我们可以按下 ctrl 加 and 键，调出我们的代码自动补全功能。下拉框 选择我们要输入的函数，我们这里是要输入 set precision， 那么按下回车键，这样我们就自动输入了 set precision 这样的一个函数。这个功能我们如何实现？我们要点击工具， 点击快捷键选项，在这里我们可以配置很多快捷键，我们拖动下拉条，找到 such 的 completion， 也就是代码自动补全的这样的一个功能。快捷键这里我们默认的它是一个 ctrl 加空格的一个快捷键。 在我们的 windows 下面，空秋加空格键，它是用于我们的输入法的一个切换，和我们的 系统有冲突，所以我们这里按下 ctrl 加 inter， 然后我们将 ctrl 加空格键改为 ctrl 加 t 键，这样我们在写代码的时候，我们可以按下 ctrl 加 t 键，实现我们的代码自动补全功能，点击确定。
03:12查看AI文稿AI文稿今天给大家介绍一个免费的 guitar panel 的替代工具 codem， 这个扩展涵盖了 guitar component 的几大核心功能啊，它也是一个由 ai 驱动的辅助编码工具，在编写代码的时候，你只需要写好注视 ai 就可以很轻松的帮你自动完成剩余的部分。 另外呢，它也支持 ai 问答功能，当你使用过这类工具之后，你会发现你的编码效率会获得极大的提升，用一句比较浅显的话来说就是你可以有更多的时间摸鱼了。 比较肉疼的一点是， gappad 虽然非常强悍，但是它是付费的。而 codem 则是一个完全免费的 code 替代工具，它的订阅计划里面就只有两项免费版，涵盖的功能非常之丰富啊，包括了代码自动补全、 ai 问答仓库级别的自然语言搜索，最最最关键的一点是无限制的使用， 兄弟们，这个扩展非常的慷慨大方啊，扩展目前所支持的软件也非常的多，常见的 vs code 或者是 jet brains 的全家桶他都支持。接下来说一说 codem 的安装和使用。 在扩展商店里面搜索 codem， 选择下面这个有十五万下载量的扩展，然后点击安装，安装好之后在右下角会给出提示让你登录，点击 login， 然后跳转到 codem 的官网来进行注册登录，你可以点击左侧菜单的 codem 来测试一下，咱们随便选择一个快捷指令，如果 codem 开始回答，就表示你登录成功了， 接下来你就可以愉快的使用 codem 了。先说一说最核心的 ai 代码自动补全，比如说你要写一个能够生成随机颜色的函数，那么你需要把注释给写好， codem 就能给你自动的补充出来，然后再让他帮我们写一个生成随机日期的函数主体的代码就出来了，虽然可能不一定完全对啊，那么自动生成出来代码有一点问题可以贴到左边的 chat 里面去， 在切特里面他补充的这个函数就比较准确了，你可以指定年份的上限和下限，函数生成的日期是一个在指定年份之类的随机日期，我们也可以让他用 fat 帮我们发起一个请求， 所以他都是经过两步的括写跟我们把整个函数给写完的，那么有扣点这样一个工具之后，我们就可以很方便的给他下指令，让他帮我们做事就行了。 这只是 codem 最基础核心的功能之一了，我们再来看一看 ai 自动问答，这里不得不说一下就是 codem 这个自动问答也是非常慷慨的，点击左侧菜单的 codem 图标，你可以随便点击一个预制的功能来看看他的对话效果， 也可以直接清除掉对话，然后再选择一个。这个 ai 对话功能也是可以一直免费使用的哟，有什么问题只管在这问就 ok 了。 除此之外， codem 还有几个比较实用的小功能，当你在代码里面写了一个函数之后，你会发现函数顶部多了几个 codem 的选项，你可以选择重构或者选择解释代码，或者是让他自动生成 gs dock， 点击重构的话会出来一个菜单选项。这里提供的功能也是非常多的呀，可以让他帮我们生成注视 或者检查代码里面的 bug， 或者生成测试代码，也可以让他用 asseng a weight 帮我们改写代码。举个例子，比如说让他帮我们写写注视，那么在 chat 里面他就会给出对应的答案，兄弟们有没有感觉很方便呀？ 下面就分绿色的代码，就是改好之后的了，然后点击代码顶部的 applied if， 然后再点击代码顶部的 accept， 就可以替换成功了。 这里他帮我们写的注视非常的完善呀，包含了函数主体功能的注视和每一步的功能注视，那么以后很多类似的功能就可以让 ai 去完成了，我们就可以给有更多的时间摸鱼了。 我们也可以点击函数顶部的 explain， 让他帮我们解释代码的作用，在左侧的器的区域，他会给出相应的结果。好了，本期视频到这里就结束了，如果这个工具让你有更多的摸鱼时间的话，记得点赞收藏哦！
2835云影
01:42
00:53查看AI文稿AI文稿新版本的这一款自动补全还是有很大改进的，来看一下啊。第三方库的一些属性补全 完美，还有自定义类型，例如继承制类，这个类制类型在这个子类的构造函数下理论化 也是 ok 的。 还有这种形式的不全，质感类型不全， ok。 画括号的质感类型不全，圆组不全， ok。 还有在内的外部 也是 ok 的， 还有这个内的属性也是可以的， ok。
01:43查看AI文稿AI文稿嗨，我是马哥，每天带你看一个开源好项目第七十八期。大家好，我是马哥，今天不聊代码，来聊聊怎么省钱。作为程序员，你应该懂得能白嫖为什么要花钱。 这个清单专门整理了各种提供免费层的云服务，从 c、 d、 n 到数据库，从 c i c d 到 a i a p r， 妥妥的省钱神器。 云计算存储数据库、代码托管、 c i c d 监控、日制邮件、 c d、 n 域名、 ai 接口。你能想到的免费服务，它都帮你整理好了，分类特别清晰，找起来特别方便。入选标准很严格，必须是有长期免费层的服务，不是那种只给十四天试用的， 而且还帮你删掉了，安全不靠谱的，简直是帮大家踩过坑了，这玩意不是我一个人能做完的。全球两千多个开发者一起贡献，大家发现好的服务就往上加，时不时还有服务被淘汰下架信息一直保持着新鲜， 十二万六千星，一万三千多个 for， 今天还涨了四百九十五颗星，十一年的老项目了，还能保持这个热度，只能说确实太实用了。 很简单，打开这个清单，直接按目录找你要的分类，比如你想找个免费的 c d n， 翻到 c d n 那 栏，一堆选项就出来了。刚开始做项目不知道用什么服务的时候，来这里逛一圈，思路就打开了。 个人开发者，做副业要用省钱，创业初期能省一笔是一笔，学生党学习新技术，不想花冤枉钱，这三类人直接收藏就完事了。简单说，白嫖虽爽，但找对地方才省心。 觉得有用就点个赞！关注马哥，每天带你发现宝藏开元项目，咱们明天见！
46码大白
07:42查看AI文稿AI文稿你每天按 type 接受代码补全的时候，有没有想过背后到底发生了什么？ cursor 是 怎么知道你要写什么的？为什么有时候准得离谱，有时候又全是废话？ 答案藏在三个核心环节里， context 收集， prompt 组装模型选择。 在拆之前先搞清楚一件事， ai 编码工具有三种工作模式，底层架构完全不一样。 type 补全你敲着敲着它就冒灰色。建议了延迟不能超过三百毫秒， 用的小快模型 chat 模式，你问它这个函数什么意思，等个几秒没问题。用中等模型， agent 模式最猛，它自己读文件，改代码，跑测试，用最强的模型，等一分钟都行。 三种模式对速度和能力的权衡完全不同。 type 补全要快到感觉不到，再等。 agent 可以 慢，但要准。 今天我们主要拆 type 补补全，因为这是你最常用而且技术含量最高的一个。 type 补全的核心叫做 f i m feel in the middle。 传统的大模型是从左往右生成文字，但代码补全不是这样。你的光标可能在文件中间，上面有代码，下面也有代码。如果模型只看到上面的内容，它猜不出来下面有什么。 f i m。 解决了这个问题，把光标前的代码叫 prefix， 光标后的代码叫 suffix， 一 起扔给模型，让它填空。 输入的格式大概是这样， p e r i 是 光标前的代码， s u f 是 光标后的代码， m i d 是 要模型补的位置，模型看到 i i d 就 知道该我写了。 举个例子，传统模型只看到 reduce， 不知道你要干嘛。但 f i m 同时看到了下面的 return total， 知道你要算 total， 于是补全 tax 和 total， 这是纯左到右生成做不到的， 但 fim 只是第一步。真正决定补全质量的是 context 收集 tab。 补全的 token 预算非常有限，通常就两千到四千个 token， 塞多了延迟就上去了，塞少了又不准，所以必须精选上下文。 p 零最优先光标前后的代码 prefix， 取前一千到一千字母，这是必选的，没有这个就没法补全。 p 一， 当前文件的 import 里，你引用了 user service， 那 user service t s 的 类型定义就是高价值上下文，实现上就是先 pass a s t， 拿到所有 import declaration， 然后 resolve 模块路径，把相关文件读进来。 p 一， 还有一个东西， lsp 诊断信息 language server protocol 能告诉你光标位置的类型是什么，文档注视是什么，有没有报错。比如模型看到光标位置类型是 card item， 它补全数组操作就不会猜错。 p 二，你最近编辑过的文件，你刚改完一个组建，大概率接下来要改它的引用文件。 p 三，项目规则，也就是 cursor， 告诉模型这个项目用 tailwind 组建，写函数式，禁止 any 类型，补全出来的代码就不会跑偏。 收集完这些东西，组装成模型，能读懂的 prompt tab 补全用 fm 格式 chat， 用系统提示加上下文加用户问题， agent 用工具定义加上下文加任务描述。三种模式，三种 prompt 结构。 模型选择也很有讲究，太不补全队延迟极度敏感，超过五百毫秒人就觉得卡了。所以用的不是 gpt 四 o 那 种几百 b 参数的大模型，而是专门优化过的小模型 cursor 自研 cursor smile copilot 用 codex 或者 gpt 四 o mini continue 用 starcode 二或者 deep seek code， 这些模型参数量就一 b 到七 b， 推理极快。 还有个实现细节，不是每次按键都触发补全的，你敲一个字就发一次请求，太浪费了。实际有一套防抖加预测机制，你停下来一百五十毫秒，它才发起请求。 如果你又敲了上一次请求，通过 a guard controller 直接取消，而且还做预测判断删除操作，不触发，在注视里不触发，在字幕串里可能也不触发。 补全结果出来之后，以灰色幽灵文本的形式显示在光标后面。这个在 vs code 里是通过 inline completion provider api 实现的，代码会注册一个 provider， 在 provide inline completion items 里 拿到 prefix 和 suffix 调模型，拿结果返回 inline completion item。 第一个关键技术细节是 speculative decoding 预测解码 tab 补全要快，小模型先快速生成五个 token， 后选大模型，一次性验证这五个对不对。如果前三个对了，后两个不对，就接受前三个，从第四个重新生成验证，比生成快得多， 所以整体速度接近小模型，质量接近大模型。第二个关键技术细节是多级缓存，你每敲一个字母都可能触发补全请求，频率非常高。 l 一 是精确匹配完全一样的 prefix 加 suffix 直接从缓存返回 l。 二是前缀匹配，你刚接受了一部分补全，剩下的还能直接用，都不行才进入 l 三调模型。 聊完 tab 补全，快速看一下 chat 模式和 agent 模式。 chat 模式本质是 r a g 加代码生成，你把当前文件完整内容选中的代码语义搜索到的相关代码片段，终端输出错误信息，项目，文件结构，全部打包扔给大模型 token 域算比 tab 补全大得多，八 k 到三十二 k， 所以 可以用 g p t 四 o 或者 cloud sunet 这类大模型 agent 模式就更复杂了，它就是 react 循环，自己思考，自己行动，自己检查，结果工具级换成了 ide 操作，读文件，写文件，搜代码，跑命令，查 lsp 诊断。 一个典型流程是用户说给 user service 加参数校验 agent 先读代码，看见 create user 需要加 zdo 药验，查 package json， 没有 zod 就 自动安装写校验代码，检查类型错误修复，再检查一次完成。 如果想深入学底层架构，推荐去看 continue 的 开源项目 star， 四万多，架构非常清晰，它分为五层， context provider 收集代码，文件终端 get 信息， prompt builder 组装 prompt i o m provider 支持 open ai anthropic alama 和本地模型 response handler 解析输出，并应用 diff editor integration 接入 v s a code 或 jet brings。 它的 config 只剩还能把 tab 补全的本地三 b 小 模型和 chat 用的远程大模型分开配置。 做个总结。 ai 编码工具的底层架构核心就是 context 收集， prompt 组装模型，选择这三件事。想知道更多细节可以去读 continue 的 源码， 推荐资源也放在简介里了， continue 开源项目 cursor 官方博克 fim 论文 vs code 英兰 completion api 下期见。
09:43
04:11查看AI文稿AI文稿挑战，每天讲透一个 ai 知识点，今天是 ctrl 智能股权与代码生成，或者拒绝啊，我们可以按快捷键啊，叫 ctrl shift 加 y， 这个叫 keep 啊，就保持这个变更，那这里我们可以看到啊，就是啊，我们可以看到这个注式就已经加上了啊，这是一种 阅读代码的这种方式啊，就大家可以用这种方法去快速阅读一些啊， python 的 一些代码，包括我们做大模型应用开发的话，其实都可以去用这种技巧。好，然后刚刚那个游戏已经跑出来了啊，就是已经把它生成出来了，那我们这里的话，其实你就可以让它去运行啊，那我们比如说 请帮我运行一下五子棋游戏， 就是这个是一个叫做 agent 模式， agent 模式如果大家不想让他去做具体的工作的话，你可以选这种啊， plan 啊，就他只会简单的帮你去创建一个计划，或者说你用 ask 这种方式的话，就是带提问的对话方式 啊，就是它更多的可能会自选你的一个建议，然后去针对这个代码做一些处理。但是大家如果说你想让它全自动的做处理的话，一般我们是选 agent 模式啊，你看它这里就是计划搜索构建一切啊，就是我们可以拿它做各种各样的一些事情啊，我们这里运行的话， 它这里是还没有完成啊，我们等它去完成，如果上面还在运行的话， 大家可以把它强制做一个终结啊，你看这个里面我们是有一个队列啊，就是他如果说你这里跟他问的问题太多的话，这个里面他会有一个排队，所以说我们一般要把他去啊，可以把他强制终结掉啊， 这里下面有一个 stop 啊，就给它停止，然后再把我们这个顶上去，让它去运行就可以了，因为它可能在运行某一些过程的时候啊，某些步骤它可能会卡住，可能会出现一些问题，所以说啊，我们这里面的话要偶尔要暂停一下， 你看这个五子棋游戏是不是就做完了，是吧？大家看这个五子棋游戏，我们可以来试一下啊，这个效果还是做的可以吧 开始新游戏啊，这个就是用 python 做的一个五子棋的小游戏啊，就是在这个对话框里面的话，我们可以完全的去做项目运行项目，包括去构建，然后去测试啊，整个我们可以基于对这个对话框 完成软件研发的一个完整流程啊，就是从需求到这个设计，再到开发，再到测试，再到部署，其实可以在这个对库框里面一键的去完成啊，这个就是一个智能提示的一个技巧啊，就是我们可以用 cost 做很多这种智能化的一个操作， 然后包括他的一些这个智能补全啊，这个是最基本的，也就说大家再去写这个代码的时候啊，比如说我这敲回车， 大家就可以看到他会让我去导一个包，是吧？我在这里如果敲一个回车的话，他就会智能化提示去生成一段代码啊，这个叫智能补全啊，这是他本来就带的这个功能， 并且的话我们还可以去写一些注示啊，就是你想让它去做一个测试，比如说我现在很简单的去建一个文件啊，叫做 test 二点 p y， 你 就这么来写啊，比如说请帮我生成一个 冒泡排序算法，然后回车大家看它就开始生成了，但是这种方式的话就是太慢了啊，就是它是一行行的去生成，这个的话就是比较适合于大家去啊，逐行的去做一个智能化的提示的生成代码啊， 如果你想更快的话，你直接可以选择这个啊，把这个复制到里面，用这种片段式的生成啊，这个就比较快一些， 你看这个是不是就已经生成的很快了，是吧？包括你这个视力代码啊，你如果说啊，你可以单步的让它去生成啊，就用这个 ctrl 加 k， 把这个框弹框给它调用出来，它就可以去智能化的去生成，所以的话这个会非常方便。
0龙虾AI
02:54查看AI文稿AI文稿dv 啊， dv 是我们 c 语言去写代码的一个编程软件，怎么去安装嘞？双击把它运行起来，然后选择 ok， 然后我同意 next， 然后选择一个路径， 还是选择你除了 c 盘，最好是除了 c 盘以外的一个文件，那么在这块重新给他建一个文件夹，那么选择他之后点击确定 install 啊， install 安装，等着就行了啊，等着就行了， 然后选择这个跑起来这样的一个，嗯，就是运行该软件，然后点击 在我们这里面的一个中文，选择的话语言，选择选择简体中文之后下一步，下一步 ok， 然后运行起来这样的一个界面，这个键是快捷键，可以新建一个项目，那么从文件新建这块也可以选择新建项目或者元代码。前期我们为了简单，我们直接创建元代码， ctrl 加你的滑轮是可以改变它字体的大小。假如说我现在写了一个井号， include s t d i o 两 h， 然后写一个 c 元的程序框架 int 们括号完了之后，一个大括号里面是瑞特零， 然后的话我让他跑起来啊，跑起来，那么他因为设一个未命名，并且未保存啊未保存，这里有一个新号，所以在我们这块直接给他选择一个 文件夹去专门储存你的代码，然后选择点 c 的一个后缀，那么这块你名字可以是中文，可以是英文， 都可以，你只要见明知义就行了，那么这块选择保存。如果代码没有错误，会弹出一个黑色的框，那么你的程序是零错误，零警告，并且会给你输出你对应的结果， 那么这个是 d e v， 我们一个写 c a 元的一个编译软件。
32西安盛图科技
01:51查看AI文稿AI文稿别再把 codex 当代码补全，它真正有用的地方很简单，你给他接上工具，他就能替你跑一段完整流程。先打开文件， 再查网页，最后改代码部署写到数据库办公这块最好理解。 documents 就是 改文档，能整理报告，改标题补段落。 spreadsheets 就是 改表格，能清数据，算数字，做字段。 presentations 就是 改 ppt， 能把汇报页排得更清楚。做网站或者小产品。 tiktok， 让他直接看仓库哪里报错，哪个 issue 要改， 他能帮你定位。 firsto 用来部署上线。 superbase， 管数据库和接口，这样你不是只拿一段代码， 而是把开发上线后端连起来，前提是插件和权限要结好。做内容的人看这两个 hyperframes 像 html 视频时间线用来排字幕、卡片和转场。 remotion 式 react 渲染视频 适合批量生成 mp。 四改一句文案画面也能跟着重排。还有两个能力很关键， computer use 是 操作电脑应用， chrome 是 操作登录后的网页，比如点按钮、查资料、填表单，这些才像真的在干活， 但全线边界必须看清楚。最后看三个技能， imagegen， 出参考图和素材图。 skill creator， 固化你的流程。 skill installer， 安装别人做好的技能会用这些。 codex 才不只是聊天框。所以别只问他会不会写代码，更要看他能接哪些工具。文件。浏览器部署数据库、视频工具接的越完整，他越像工作台。想继续看实操拆解，记得点点关注。
31AI-星空逐梦
07:24查看AI文稿AI文稿最近 github 上有一个开源项目突然火了，名字叫 ponytail。 它的设计理念只有一句话，模仿一个最懒的资深开发者。什么意思呢？就是你给他一个任务，他不会老老实实一行一行写代码。 他会先想这个需求有没有现成的库可以直接用，能不能用更少的代码实现。写完一段，他还会自己跑测试，跑不过就自己改，改完再跑，直到通过为止。几乎在同一时间， anthropic 的 工程师 boris 在 社交媒体上说了一句话，直接引爆了开发者圈子。 他说，过去半年，我写的代码百分之一百是 cloud 生成的。我删掉了 i d e， 不 再写提示词，而是改写循环。这两个信号放在一起看，很多人会觉得完了，程序员真的要失业了。但今天，我想跟你说一个更接近真相的版本。 这背后，不是 ai 在 偷懒，也不是程序员在摸鱼。这是一场 ai 编程范式的底层重构。从你写一句，他补一句，到你给目标他自己跑循环，这个转变正在重新定义。写代码这三个字到底是什么意思？ 要理解这件事，咱们得先回到一个更基础的问题，过去两年，我们熟悉的 ai 编程工具到底是怎么工作的？你用过 github、 copilot 或者 cursor 的 话，应该很熟悉那个感觉。你写了一个函数名，它自动帮你补完后面的代码。 你写了一段注示，他帮你生成实现。你选中一段代码，按一下快捷键，他给你重构。建议，这个模式在工程上叫补全模式。他的核心逻辑是 ai， 根据你当前文件的上下文，你项目的代码风格， 以及他训练时见过的海量代码，预测你最可能想写的下一段代码是什么？听起来很厉害，但这里有一个根本性的限制， ai 只是在猜你想要什么， 他不会主动去理解你的项目目标，他不会去检查自己的代码能不能跑通，他更不会在出错之后自己回头改。你可以把他想象成一个非常聪明的打字员，你口述一句，他打一句， 他打得很快，几乎不出错，但他不会帮你检查这段话的逻辑通不通，也不会帮你想想有没有更好的表达方式。而 ponytail 和 cloud code 代表的循环工程模式完全不一样， 它的核心逻辑是，你不再一行一行告诉 ai 要做什么，你只给他一个目标。比如帮我实现一个用户登录系统，包括注册登录、密码重置，要有输入验证和错误处理。 然后 ai 自己去拆解这个目标，自己去写代码，自己去跑测试。如果测试失败了，他自己去看错误日记，自己定位问题，自己修改代码，然后再跑测试。这个写测改再测的循环，他会一直跑，直到代码通过所有测试，或者直到你叫停。 这个能力在技术上叫自主纠错循环，它的背后是三个关键技术的组合。第一个是代码执行环境， ai 不 再只是看代码，它能真的跑代码，它可以在一个隔离的沙箱里执行自己写的代码， 看到真实的输出错误信息和测试结果，这和人类程序员打开终端跑一下代码本质上是一样的。第二个是反馈解析， ai 看到错误信息之后，不是随便改一改再试，它会分析错误类型，是语法错误，是逻辑错误，还是依赖缺失，然后针对性地修改对应的代码段。 这个能力来自大语言模型对代码结构和错误模式的深度理解。第三个是迭代控制，如果没有限制， ai 可能会在一个循环里无限跑下去，改来改去永远通不过。 所以循环工程工具都内置了终止条件，最多跑几轮，最长跑多久，或者测试通过率到多少就停。 这就像你给一个实习生布置任务时说的，你先做，做完了自己检查一遍，有问题就改，但最多改三版， 翻版之后拿来给我看。 ponytail 的 懒汉思维，其实就是这个逻辑的极致体现，它不是在教 ai 偷懒，它是在教 ai 像一个有经验的工程师一样思考，不要重复造轮子，能用现成的就用现成的， 不要追求完美，先跑通，再优化代码，写完之后自己验证一遍，别等别人来帮你找 bug。 而 cloud code 的 循环工程，是把这套逻辑从一个任务扩展到了整个项目，你不再是一个文件一个文件地让 ai 写，而是描述整个项目的目标、架构和约束， 然后 ai 自己去规划文件结构、分配模块，逐个实现集成测试。好，聊到这里，你可能觉得 ai 都这么强了，那人类程序员是不是就可以躺平了？但这里有一个很多人忽略的关键点， ai 自己跑循环，不代表人类可以撒手不管。恰恰相反， 循环工程对人的要求其实更高了。为什么？因为你不再需要花时间写具体的代码实现，但你必须花更多时间做三件事， 定义问题、设计、测试、验证结果。定义问题就是你得清楚的知道你到底想要什么。 ai 可以 帮你实现一个登录系统，但他不知道你的用户是谁，你的安全等级要求是什么，你的系统要对接哪些第三方服务？这些必须你来定义。设 计测试就是你必须告诉 ai 什么样的代码才算通过测试。用力写的不好， ai 可能会写出一个通过了所有测试，但实际上完全不能用的系统。 这就像你告诉一个实习生帮我做个能跑的网站，他可能真的给你搭了一个能跑的网站，但只有一页，而且没有任何样式。验证结果 就是你必须亲自看 ai 写的代码，理解他的设计思路，确认他没有引入安全漏洞、性能问题或者架构上的隐患。 ai 写的代码 可能语法正确，逻辑通顺，但可能在架构层面埋了一个大坑，三个月后才会暴露。这三个能力恰恰是资深工程师最核心的能力。初级工程师的价值在于能把代码写出来，而高级工程师的价值在于知道该写什么代码，不该写什么代码。 ai 编程工具的进化 不是在替代高级工程师，而是在把初级工程师的代码实现能力变成一种基础设施，就像云计算把服务器运维变成了一种基础设施一样。所以回到开头那个问题， ai 编程到底进化到了哪一步？ 我的答案是，他已经从打字员进化到了实习生，他能独立完成明确边界、清晰、有标准答案的任务，但他仍然需要你来定义目标，设计、验收标准，审查最终结果。他会在你睡觉的时候自己跑循环， 但你醒来之后还是得花时间看他到底写了什么。而对于不是程序员的人来说，这场变更跟你有什么关系？关系很大，因为当写代码这件事的成本趋近于零的时候，真正的价值就会从我能写代码转移到我知道该写什么代码。 你不需要成为程序员，但你需要理解 ai 能做什么，不能做什么。你需要学会用清晰的语言描述你的需求，你需要建立判断 ai 输出质量的能力，这些能力在今天可能叫 ai 素养，在未来，他们可能就是你工作的基础技能。 最后，我想用一个比喻来收尾， ai 编程工具就像一台挖掘机，以前你只能用手挖，挖的又慢又累，现在有了挖掘机，你可以挖的又快又深，但挖掘机不会告诉你该往哪挖，挖多深，挖出来的土往哪堆，这些还是得你来决定。 工具越强，定义问题的能力就越值钱，而现在，这个能力正在成为 ai 时代最稀缺的资源。
76CC大白话科普
03:23查看AI文稿AI文稿以前我一直把 codex 当写代码工具，甚至有时候只是 cloud code 的 备胎，但最近这波变化我感觉要改口了。现在的 codex 不 只是补代码、改 bug、 跑命令，它更像一个 ai 工作台，开始把工具、网页、设计稿、自动任务和项目建成串起来。 这期直接讲八个玩法， computer use、 figma、 browser、 automations、 skills、 work trees、 platins、 sites， 外加一个很适合传播的 paths。 你 会发现重点不是模型突然变强，而是 codex 正在接管更多真实工作流。 第一个 computer use， 它让 codex 看见图形界面，像人一样点击输入，切换应用网页，后台本地软件重复操作都可能让它参与， 但权限很重。隐私账号、支付页面、重要文件别一上来就交给他。第二个 figma， 通过 figma mcp 或插件连接设计上下文后， codex 可以 对照设计稿组建结构和项目样式，把页面写得更像真实项目。第三个，内置浏览器，它写完页面后可以自己打开，自己看，自己点，发现布局塌了，按钮偏了再回去改 前端，真正提效就靠这个闭环。第四个 automations， ai， 不 再只是你问他答，而是可以按时间醒来做固定流程，查失败 ci， 扫 bug 生成更新预知，有结果就丢进队列，没结果就归档。第五个 skills， 重复三次以上的提示词就应该封装成技能，比如检查 p r， 写日报，生成 change log 以后， codex 直接按你的方法执行。第六个 worktree， 一个县城修 bug， 一个县城改 ui， 一个县城写文档，互相不污染， codex 这时就像任务调度台。第七个 plugins， ai 如果只能看你输入的几句话，再聪明也有限。 但它连接 github， slack、 linear、 google drive、 figma 这些工具后，就能拿到真实上下文，帮你看 issue、 pr、 聊天记录、整理优先级和下一步。第八个 sites， 以前 ai 写完代码给你一堆文件，现在可以变成可访问页面内部工具，可分享 demo， 从写代码变成交付一个能看的东西。还有 pets， 它不一定提高生产力，但会让 codex 多一点陪伴感，强功能负责效率，小细节负责留存。 所以我现在看 codex 和 cloud code 定位已经不一样了。 cloud code 更像很强的编程同事，懂代码库，能改文件，跑命令。 codex 更像 ai 工作台，把桌面应用、浏览器、设计稿、自动任务插件和项目现成放在一个系统里深度写代码。 cloud code 依然很强，想把 ai 接近整个工作流， codex 值得重新看。 所以问题已经变了，以前我们问这个 ai 会不会写代码，现在要问它能不能看见我的工具，理解我的流程，按我的习惯持续干活。 评论区聊一下，如果让 codex 操作你的电脑，你敢不敢开权限？你会把 codex 当主力还是继续用 cloud code？
39一只小小白
00:33查看AI文稿AI文稿每天分享一个热门开源项目程序员和独立开发者和开源爱好者。商业 ai 编码工具闭源不可定制审计终端 ai 编程助手选择少，缺乏开源方案。今天推荐 anonymous 斜杠 opencode， 十七万两千颗星，核心是开源编码 agent， 终端里的 ai 编程搭档 代码模型工具链全部公开，可审计可定制，在命令行中工作，理解你的代码，酷用自然语，快速的迭代速度和活跃的社区贡献，立即探索，开启编程之旅！爆炸柠檬。
00:35查看AI文稿AI文稿有没有人跟我一样，在外地上班，爸妈在家不会用智能手机，天天打电话来问问题的呢？现在呀， a i 能够直接帮爸妈解决难题，再也不用一遍遍的接电话答疑了。全程语音交互，不用打字，爸妈张嘴就能提问。比如啊，医院挂号怎么操作，水电费怎么缴纳， 都能用大白话一步步讲的清清楚楚，语速缓慢，步骤细致，比子女交代还要耐心。更有专属的长辈模式，大字清晰，操作简单。爸妈在家呀，碰到任何的手机问题呢，都能随时咨询我们，在外上班也能少一份牵挂，多一份安心。
