近期，BuzzFeed 的高級數據科學家麥克斯・伍爾夫進行了一項實驗，探索通過反覆請求 AI 改進代碼的效果。實驗中，他使用了 Claude3.5語言模型，給出了一個經典的編程挑戰:編寫 Python 代碼，以找出一百萬個隨機數中，數字之和爲30的最大值和最小值之間的差值。

代碼 互聯網 (1)

圖源備註：圖片由AI生成，圖片授權服務商Midjourney

在初始版本中，Claude 生成的代碼運行時間爲657毫秒。然而，隨着伍爾夫不斷輸入 “寫出更好的代碼（write better code）” 這一簡單指令，最終生成的代碼運行時間縮短至僅6毫秒，提升了整整100倍的性能。這一結果不僅令人矚目，AI 在定義 “更好代碼” 的過程中也展現了意想不到的變化。

在第四次請求 “寫更好的代碼” 時，Claude 意外地將代碼轉變爲類似企業應用程序的結構，添加了一些典型的企業特性，而伍爾夫並未對此提出要求。這表明，AI 可能將 “更好代碼” 與 “企業級軟件” 聯繫在了一起，反映了其訓練過程中所吸收的知識。

開發者西蒙・威利森對這種迭代改進現象進行了分析，認爲語言模型在每次新的請求中都以全新的視角來審視代碼。儘管每次請求都包含之前對話的上下文，但 Claude 在分析時如同第一次看到該代碼一樣，這使得它能夠不斷改進。

不過，伍爾夫在進行更多具體請求的嘗試中發現，雖然這樣可以更快地獲得更好的結果，但代碼中仍然會出現一些需要人類修復的細微錯誤。因此，他強調，精確的提示工程依然至關重要。儘管簡單的後續問題可以初步提高代碼質量，但有針對性的提示工程會帶來顯著的性能提升，儘管風險也會相應增加。

值得注意的是，在這項實驗中，Claude 跳過了一些人類開發者認爲理所當然的優化步驟，例如去重或先對數字進行排序。此外，提問方式的細微變化也會顯著影響 Claude 的輸出。

儘管這些性能提升令人印象深刻，伍爾夫依然提醒我們，人工開發者在驗證解決方案和故障排除方面仍然不可或缺。他指出，雖然 AI 生成的代碼不能直接使用，但其在創意和工具建議方面的能力值得關注。

劃重點:

🌟 AI 通過反覆指令提升代碼性能，原代碼運行時間從657毫秒降至6毫秒。  

💡 AI 在代碼中自動添加企業特性，展現出其對 “更好代碼” 的獨特理解。  

🛠️ 提示工程依然重要，精確的請求可以加速結果生成，但仍需人工開發者進行驗證和修復。