你用AI编程用到什么深度了?

简介: 你用AI编程用到什么深度了?

从copilot开始,陆续出现了很多AI IDE,Cursor, Windsurf等等,再后来又出现v0.dev, bolt.new这类不用写代码的工具。

不知道大家用这类AI工具已经用到什么深度了?

A. 完全不用

B.偶尔用它们修改一些语法错误和bug

C.用AI实现一些小功能

D.完全基于AI开发了一个完整项目

有达到D水平的聊聊你具体怎么用的?

我来聊一聊

D.完全基于AI开发了一个完整项目


见字如面,

这里是AIGC创意人_竹相左边,

正在通过AI自学软硬件工程师,目标手搓可回收火箭玩具。

我很喜欢 《流浪地球 2》中 ,

马兆:没有硬件支撑,你破解个屁。


先看成果(虽然没多大事,但是我自己还是很自豪的)

1.服务器端 个人博客 欢迎来参观


  • 开发工具使用vscode
  • 代码实现主要使用Grok3、deepseek、通义灵码、豆包
  • 开发环境本地 python11 云端阿里云ecs 服务器
  • 因为是自己踩坑钻研,所以详细操作步骤发文csdn了有需要搜就行。


2.绿泡泡多开 本地使用


  • 开发工具使用vscode
  • 代码实现主要使用deepseek
  • 开发环境本地 python11
  • 特点 可以自定义启动的窗口数量。业务销售电销必备工具


3.一键word转 pdf  本地使用


  • 开发工具使用vscode
  • 代码实现主要使用deepseek、Grok3
  • 开发环境本地 python11
  • 特点 可以识别两层文件夹深度,批量将Word格式转换成PDF
  • 应用场景,公司做人力资源的,有很多人员要签订很多合同,为了避免Word发送后打印出现千奇百怪的问题,用PDF就能100%避免。
  • 效率提升500%,性能只取决于电脑强不强。

直接一键转换-每个人独立文件夹 ,文件一个不少,人名文件夹规整在PDF文件夹。真正的一件转换,高效,清爽。


4.一键人员合同复制工具


  • 开发工具使用vscode
  • 代码实现主要使用deepseek、Grok3
  • 开发环境本地 python11
  • 特点 根据指定的名单,一键复制指定的文件。文件支持挑选。
  • 应用场景,公司人事部招聘录取了100人,每个人都要签订劳动合同或者其他资料。人员的资料制作很耗费时间。现在只用准备好名单以及文件模板,直接一键新建100人文件夹,每个人的文件都会粘贴到对应的文件夹中。
  • 效率提升500%,性能只取决于电脑强不强。


个人兴趣过于广泛

多个项目正在并行,有些新建文件夹,有些还要学技能


1.制作饥荒MOD

2.手搓无人机

3.手搓复刻稚晖君具身机械臂

4.将deepseek接入小爱同学

5.制作steam游戏并上架(长安-万国来朝小说生成器)



目录
打赏
0
7
9
0
34
分享
相关文章
【AI系统】AI 框架作用
深度学习通过多层计算模型学习数据中的复杂结构,实现高级别的数据抽象。例如,CNN能从大量图像中学习猫和狗的特征。本文探讨深度学习原理及其计算中AI框架的应用,强调AI框架如何帮助自动求导,简化模型训练过程,以及在实际应用中的作用。
88 3
【AI系统】AI 框架作用
【AI系统】AI 框架基础介绍
本文介绍了AI算法、神经网络及AI框架的基础概念,探讨了神经网络的作用、训练目的以及AI框架如何简化模型设计、训练与验证过程。文章还概述了AI框架的发展历程和技术演进,强调了国内外主要AI框架的特点及其对AI技术发展的推动作用。
114 2
【AI系统】AI 框架基础介绍
【AI系统】推理系统引言
本文深入探讨了推理系统与推理引擎的概念及其实现方法,涵盖模型小型化、离线优化压缩、在线部署与优化等多个方面。通过具体应用实例,如人脸Landmark识别、人脸检测与手势识别等,展示了推理系统在实际场景中的强大功能。同时,文章还讨论了维护推理系统时需考虑的关键问题,包括API设计、数据质量保障、网络延迟优化等,为读者提供了全面的理论与实践指南。
109 6
揭秘AI:深度学习的奥秘与实践
本文将深入浅出地探讨人工智能中的一个重要分支——深度学习。我们将从基础概念出发,逐步揭示深度学习的原理和工作机制。通过生动的比喻和实际代码示例,本文旨在帮助初学者理解并应用深度学习技术,开启AI之旅。
【AI系统】NVLink 原理剖析
随着AI技术的发展,大模型参数量激增,对底层硬件和网络架构提出新挑战。高效训练这些模型需要大规模GPU集群及高速网络连接,以实现快速数据交换。然而,网络瓶颈限制了GPU性能的充分发挥,表明单纯增加GPU数量不能线性提升算力。因此,算存互连和算力互连技术成为关键,如PCIe、NVLink和NVSwitch等,它们通过提高数据传输速度和效率,支持大规模并行计算,解决了大规模GPU集群中的通信延迟问题,推动了万亿级模型训练的实现。
166 2
【AI系统】AI 基本理论奠定
AI的发展历程经历了萌芽兴奋期、蓬勃发展期和突破驱动繁荣期。从1950年代Warren McCulloch和Walter Pitts提出神经网络计算模型,到2012年AlexNet赢得ImageNet竞赛,再到2020年代的大模型时代,AI技术不断突破,模型结构日益复杂,参数量激增。这一过程中,硬件算力的提升和算法创新相互促进,共同推动了AI领域的繁荣发展。
86 2
【AI系统】AI 框架之争
本文介绍了AI框架在数学上对自动微分的表达和处理,以及其在多线程算子加速、GPU/NPU支持、代码编译优化等方面的技术挑战。文章详细梳理了AI框架的发展历程,从萌芽阶段到深化阶段,探讨了不同阶段的关键技术和代表性框架。同时,文章展望了AI框架的未来趋势,包括全场景支持、易用性提升、大规模分布式支持和科学计算融合。
95 0
AI大模型学习
本文概述了AI大模型学习的五个主要方向:理论基础、训练与优化、特定领域应用、伦理与社会影响,以及未来发展趋势与挑战。
170 1
【AI系统】AI 学习方法与算法现状
在人工智能的历史长河中,我们见证了从规则驱动系统到现代机器学习模型的转变。AI的学习方法基于深度神经网络,通过前向传播、反向传播和梯度更新不断优化权重,实现从训练到推理的过程。当前,AI算法如CNN、RNN、GNN和GAN等在各自领域取得突破,推动技术进步的同时也带来了更大的挑战,要求算法工程师与系统设计师紧密合作,共同拓展AI技术的边界。
247 1

物联网

+关注

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等