旧金山 – 近日，Web 应用框架 Django 的创造者之一 Simon Willison 分享了他使用大型语言模型 (LLM) 辅助编程的经验，引发了开发者社区的广泛关注。与 Andrej Karpathy 提出的“氛围编程”——即完全依赖 LLM 生成代码——不同，Willison 强调了 LLM 作为“过度自信的结对编程助理”的角色，需要开发者结合自身专业知识，进行引导、测试和修正。
Willison 的分享源于他在个人博客上发表的一篇文章，旨在帮助开发者更好地利用 LLM 提高编程效率。他指出，许多开发者在使用 LLM 编程时感到失望，原因在于他们对 LLM 的期望过高，或者没有掌握正确的使用方法。
设定合理的期望：LLM 并非万能
Willison 认为，开发者应该将 LLM 视为一种增强自身能力的工具，而非完全替代自身。LLM 的本质是“花哨的自动补全”，它擅长预测 token 序列，但需要开发者提供正确的方向。如果认为 LLM 可以完美地实现项目，而无需任何技能，那将注定失望。
上下文为王：提供清晰的指令
Willison 强调，要让 LLM 给出优良的结果，关键在于管理上下文，即当前对话中包含的文本。成功的 LLM 交互通常采用对话的形式，开发者需要清晰地表达需求，并提供必要的背景信息。对于不再有用的对话，最好的解决方法是清除上下文并重新开始。
考虑训练截止日期：关注库的更新
Willison 指出，LLM 的训练截止日期会影响其对库的了解程度。如果使用的库自训练截止日期以来发生了重大变化，LLM 可能无法提供准确的建议。因此，在选择库时，应尽量选择具有良好稳定性且足够流行的库，以便 LLM 能够更好地理解和应用。
测试与修正：人类的专业知识不可或缺
Willison 强调，LLM 生成的代码必须经过严格的测试和修正。LLM 可能会犯错误，有时很细微，有时是大错。这些错误可能与人类错误非常不一样，因此开发者需要保持警惕，并结合自身的专业知识进行判断和修正。
工具与策略：提升 LLM 辅助编程效率
Willison 分享了一些他积累的实用工具和策略，以提升 LLM 辅助编程的效率：
- 使用可以运行代码的工具： 这可以帮助开发者快速验证 LLM 生成的代码的正确性。
- 氛围编程是一种很好的学习方式： 通过与 LLM 的互动，开发者可以学习新的编程技巧和知识。
- 做好让人类接管的准备： LLM 并非万能，开发者需要随时准备接管 LLM 无法处理的任务。
结论：LLM 是专业知识的放大器
Willison 总结道，LLM 最大的优势在于开发速度，它可以帮助开发者更快地完成任务。然而，LLM 并非万能，它需要与人类的专业知识相结合，才能发挥最大的作用。LLM 是一种专业知识的放大器，它可以帮助开发者更好地利用自身的能力，创造出更优秀的作品。
参考文献：
- Willison, S. (2025, March 11). Using LLMs for code. Retrieved from https://simonwillison.net/2025/Mar/11/using-llms-for-code/
- 机器之心. (2025, March 19). Django创造者Simon Willison分享：我如何使用LLM帮我写代码. Retrieved from [机器之心原文地址] (请在此处补充机器之心原文地址)
未来展望：
随着 LLM 技术的不断发展，其在编程领域的应用前景将更加广阔。然而，开发者需要保持理性，不断学习和探索，才能更好地利用 LLM 提高编程效率，创造出更优秀的作品。
Views: 0