yangzhezjgs

@cy18 非常简陋的编辑器，没有插件

@billytom
1.语言方面，我试过 Python 、c/c++、js 、Java 应该是都支持
2.函数级别，只要写清楚输入输出和功能，可以直接生成可用的代码
3.项目级别，可以让他直接生成框架骨架，然后慢慢一个函数一个函数的慢慢调整，还没法直接写项目，但是潜力很大
你自己试试就知道了，它都只用 gpt3.5 ，还没用 gpt4 就很强了，我觉得这玩意在进化几个版本，超过大多数程序员不是问题

cursor 也不错，你也可以试试 https://www.cursor.so/
昨天试用了一下，感觉效果惊人

@sdjl 我认为 AI 的能力会很快超过百分之八十的普通写业务逻辑的程序员，这只是一个时间问题，在这个前提下，十年经验和三年经验差别不大，欢迎拭目以待

@sdjl 我不太理解你什么意思，工作十年就人人当架构师？还是人人转管理？任何行业都是金字塔结构，大多数人都是初级岗位，架构师和管理岗位本身有限，这是行业结构问题，就像高考人人都备考，最后上清北就百分之一，是你不努力吗？是清北就招那么多人

别说 AI 不会影响程序员，他会降低经验的价值，严重影响议价权，如果编程 AI 辅助下，工作十年的人和工作三年的人能力和效率差不多，你还凭什么要求涨工资

本质上是个资源管理问题，可以参考文件系统里管理空闲空间的一些思路。
首先，假设工作时间是早上八点到晚上八点，可以半小时为一个分配单位划分资源，用一个 24 位的 bitmap 来表示会议室的资源，初始化为全 0,已经分配的就置 1 。然后，写一个分配函数，逻辑就是先检查对应的位是否被置 1 （可以用异或），如果置 1 ，就提示错误，没有就把 0 变成 1 ，预定记录存入数据库。

cursor https://www.cursor.so/
昨天试用了一下，感觉效果惊人

不太专业，学过一点机器学习和深度学习，姑妄言之
机器学习本质上就是归纳法，希望通过提取过往数据中的本质特征来找到一个普遍性函数映射关系，来实现对新的未知东西的预测，比如：动物分类模型，训练过程就是给大量的数据让他预测，并给他反馈，让他不断调整，直到找到那个函数关系为止。
早期的机器学习就需要人工设计函数映射关系，结构是基于比较严谨的数学原理推理出来的，现在深度学习是通过神经网络作为万能的函数拟合器代替了人工设计，解释性比较差，但是效果好。对深度学习感兴趣可以看这本： https://book.douban.com/subject/30270959/
所以数据很重要，大量优质的有标注的数据才是基础。