RT，个人算是从高中开始就写代码了(当年还叫NOIP)，当年基本上各个大方面的代码都会自己存个版 当时二分都写了很多次才记清楚。
现在工作写的代码很多都是我给AI一个思路，它给我生成一大串代码，我再去DEBUG，不过基本上就是模块化的看每个函数的逻辑是否正确，基本不会涉及到底层的东西，除非领导要求优化(
像是当年硬卡内存、多写个50行代码就为了提升0.1s效率的事现在是基本不可能的了 
很多时候就觉得或许我才是那个AI，大模型是写代码的主力，我只是一个“辅助”罢了，但想了想工资是我拿的，也就释然了( 
工具永远是工具，有个趁手的工具节约点时间就有时间去发散扩展思维了或是做点别的。 做研究的可能会反过来吧 
个人见解 
确实，对于我这种非计算机相关专业，AI简直是帮助特别大
初级程序员做加法，优秀程序员做乘法。
乘法：提炼出领域模型，对代码进行组件化，组件的粒度决定了上游自定义业务的灵活度。
组件来自原始需求的拆分，将原始需求拆分成若干个完全正交无耦合、甚至和原始需求不直接挂钩的通用模块。
将来（现在），程序员负责架构设计（可以指挥AI），AI负责编码落地
毕竟，作者这种重新获得退化的技能终归是要容易得多。更受冲击的是那些一开始就没有学过某一方面的知识直接上手ai的人。
dirty work或者那些重复性工作实际上很多时候是获得更大能力的脚手架，达芬奇也得从画鸡蛋开始，当所有的素人都开始依赖ai来直接处理某些任务，那他们的不单纯是能力的强度、包括解决问题的思路也都被框死在使用的ai之下了。
当然，也得承认，大部分人的水平可能确实不如现在的ai了。。。
当一个人越强，那么他用ai会变得更强
我想法是标准化的模块学过、用过、调试过即可，因为工作中比较重要的是调试经验、架构设计以及拿到资金；
AI可以实现标准化模块的编写和调用，但是对细节的把控还是比较差的，绝大部分容易出问题的点需要在不断调试、沟通过程中告诉AI，然后不断优化，这一点在AI目前不擅长的数字电路中尤为明显；
“AI负责小模块编写+人负责调试、优化、模块拼接”应该是未来一段时间代码实现的主要方式；
太对了兄弟
我觉得AI的优点就是
1、降低门槛，让我这种以前对代码不熟的人有机会用代码
2、提高生产力，让熟悉代码的人更快的编码