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)



相关文章
|
24天前
|
机器学习/深度学习 人工智能 自然语言处理
AI大模型进阶系列(01)看懂AI大模型的主流技术 | AI对普通人的本质影响是什么
本文分享了作者在AI领域的创作心得与技术见解,涵盖从获奖经历到大模型核心技术的深入解析。内容包括大模型推理过程、LLM类型、prompt工程参数配置及最佳实践,以及RAG技术和模型微调的对比分析。同时探讨了AI对社会和个人的影响,特别是在deepseek出现后带来的技术革新与应用前景。适合希望了解AI大模型技术及其实际应用的读者学习参考。
|
6月前
|
人工智能 IDE 测试技术
利用AI技术提升编程效率
【10月更文挑战第6天】本文将探讨如何通过人工智能(AI)技术提升编程效率。我们将介绍一些实用的工具和策略,如代码补全、错误检测和自动化测试,以及如何将这些工具整合到你的日常工作流程中。无论你是初学者还是经验丰富的开发者,都可以从这些技巧中受益。让我们一起探索如何利用AI技术来简化编程过程,提高生产力吧!
|
1月前
|
云安全 人工智能 安全
阿里云欧阳欣:AI时代下的安全新范式
阿里云欧阳欣:AI时代下的安全新范式
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
【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。
116 3
【AI系统】AI 框架作用
|
4月前
|
机器学习/深度学习 人工智能 算法
【AI系统】框架编程范式
编程范式是软件工程中一类典型的编程风格,如函数式、命令式、声明式、面向对象等。它们影响着开发者对程序执行的理解。本文探讨了两种主要的编程范式——声明式编程与命令式编程,特别是在AI框架中的应用,如TensorFlow的声明式编程和PyTorch的命令式编程,分析了这两种范式对AI框架架构设计的影响及主流AI框架在这两种范式上的差异。
97 3
【AI系统】框架编程范式
|
4月前
|
机器学习/深度学习 人工智能 算法
【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。
139 2
【AI系统】AI 框架基础介绍
|
4月前
|
机器学习/深度学习 人工智能 前端开发
转载:【AI系统】AI编译器前瞻
本文基于《The Deep Learning Compiler: A Comprehensive Survey》调研,对比了TVM、nGraph、TC、Glow和XLA五个热门AI编译器,介绍了它们的特点与优势。文章还探讨了AI编译器面临的挑战,如动态Shape问题、Python编译静态化、硬件性能优化等,并展望了AI编译器的未来发展方向,包括自动并行、自动微分和Kernel自动生成等技术。
转载:【AI系统】AI编译器前瞻
|
4月前
|
机器学习/深度学习 人工智能 前端开发
【AI系统】AI编译器前瞻
本文基于《The Deep Learning Compiler: A Comprehensive Survey》调研,对比了TVM、nGraph、TC、Glow和XLA五个热门AI编译器,介绍了它们的特点和应用场景。文章分析了AI编译器面临的挑战,包括动态Shape问题、Python编译静态化、发挥硬件性能、特殊优化方法及易用性与性能兼顾问题,并展望了AI编译器的未来,探讨了编译器形态、IR形态、自动并行、自动微分及Kernel 自动生成等方面的发展趋势。
142 1
|
5月前
|
机器学习/深度学习 人工智能 算法
【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。
109 2
|
4月前
|
机器学习/深度学习 人工智能 算法
【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。
154 0
下一篇
oss创建bucket