crokily

尝试使用一门没接触过的技术，用 cursor 来开发，就知道 cursor 的能力如何了。
我是学 Vue 开发的，这两天为了体验 cursor ，就尝试着用从没接触过的 React 技术栈进行开发：React+NextJS+TaildwindCSS+shadui/cn

体验是：
先讲 cursor 和 vscode+copilot 的对比。
1. cursor 的 AI 能力是基于整个文件库的，他能够自己创建所需要的文件，文件夹，能够生成脚本命令让你安装所需要的库，要实现某个功能，能够多文件地进行操作生成代码。这一点已经吊打 vscode+copilot 了，几年前体验 copilot 的时候确实被惊艳到了，然而这么久，copilot 的操作仍然只是局限于单个文件内的代码生成。这就意味着它注定被 cursor 碾压。
2. cursor 的许多功能细节也比 vscode+copilot 方便，无论是编辑器中的代码错误，还是终端里的运行报错，都能直接拖拽选中，然后一键丢进 chat ，以内置好的 prompt 解决问题。在这样的诸多细节上，cursor 的整合做的很好，让 AI 功能很好地整合进了编辑器中。不过这一点只是些小细节，并不是重点。

然后从开发体验来谈，近期有很多那种零基础用 cursor 做出某某产品的说法，因此我才决定用 cursor 试着做一个从未接触的技术栈的产品看看效果。
做一个英语听写网站，并不是什么功能很复杂，代码量很大的项目，目前用 cursor 开发到大概 40%，前面 20%，就从 0 开始用 cursor 编写功能代码的体验非常舒服，纯自然语言编写程序，按 cmd+i 打开 composer 后大概描述一下需求和功能细节后就能自动完成开发，基本没有问题。前 30%的开发，我甚至完全只看 cursor 的 composer 对话框，一点代码编辑都不用看，对话完按 tab 直接生成文件直接修改代码就完事，一两个小时就给我写了林林总总各个文件加起来共六七百行的代码，完成了 40%的功能开发，但慢慢的开始自动生成就不好用了，六七百行也不算很多代码，但就已经开始容易出 bug 了。
感觉问题主要还是对话上下文的理解，对代码的理解还是不够完善。接下来就开始要看代码，手动调整代码逻辑，人工介入编写代码了。并且接下来想要生成可用的代码，就要依靠更技术性的语言才能实现了，比如开始直接说想要设计一个什么什么样的功能，而现在的代码量，我必须说想要设计一个什么样什么样的功能，你需要用什么什么状态和什么什么变量来怎么怎么操作。不这么具体地描述的话，它就会自作主张新建一些用来控制状态的变量，然后没用上原有的状态，功能变得割裂冲突。
具体问题细节见图。

这次这个项目算是彻底使用 AI 从头到尾实现的一个项目，靠 claude+GPT 写产品稿，写数据库结构，做技术选型，用 v0.dev 做前端界面，用 cursor 写功能实现。目前还没完全写完，但也已经有了不少感想，后面完全写完以后再好好整理整理感想。

目前总体感想就是：现有的一大批 AI 开发产品并不完全是噱头，v0.dev,cursor 等，对程序员进行开发能起到很大的效率提升，但想要靠它替换专业开发是痴人说梦，零基础用它只能实现简单基础的产品，复杂的代码还是需要专业的知识，哪怕能用自然语言开发，那也得靠开发的经验用更专业的技术实现思路来引导 AI 。纯零基础想靠他们完成一个产品可能性太低，但并非不可能，就像开盲盒碰运气，一直用笼统的语言调教 AI 多次，运气好就能撞对一次。
取代开发不可能，但很多接单平台上的小单，已经能直接靠它们来解决了。

claude pro 也有，付费开通了以后次数限制并没有高多少，长对话也还是几下就耗完了，不堪大用。。所以我现在还是主用 GPT ，GPT 次数多，先把闲散琐碎的事情（例如方案构思什么的），用 GPT 把大体的概要弄出来以后，再大段复制给 claude 完善实现。

@chenpei466 已经是在海外了, 偶尔刷点中文
@alphardex 我的推今早之前还是大部分正常内容，一次性连续‘不感兴趣’后才变成了我图片上的那样，可能跟这是个新号有关，海外注册了小半年，following ，点赞全是开发相关，然后今天早上多次对中文时政/短视频内容点击不感兴趣，然后 For you 就刷不出正常内容了。对比一下就能确定，确实是‘不感兴趣’的问题。

不谈政治相关，支持钻研新的技术，我觉得用 SNI 伪造的点挺新奇，值得钻研的。但是用户通过这个技术能访问到 Google,Youtube 的时候，就已经不是技术合不合法的问题的。墙的目的就是为了限制反 d 言论的传播，当你违法了这个目的，不在于技术合不合法，你的本身就已经不安全了朋友。：( 没有夸大也没有歪屁股，我是很爱国的，但是这样楼主真的要小心

@xcnick 在文本编辑上试用了一下，确实在中文条件下 qwen 更好，汉化的 llama 在中英混杂的情况下，哪怕提示词是中文的，也很容易生成纯英的回答或者是纯中文的回答（例如要生成一句带中文解释的英文例句就不行）。而用 qwen 就能生成出正常的中英混杂文本，哪怕 prompt 是英文的也能正常生成中文回答。

区域澳洲，被装上了：（

@xcnick 请问这个有什么测试的榜单吗，我一直很好奇 hugging face 上的中文化 llama3 和 qwen 哪个效果更好

@IndexOutOfBounds 是不一样，发布会演示的是 RTC 实时对话，现在这个还得一句一句等候处理。