GPT本質為用文字去計算機率以及最有可能的輸出
並非邏輯理解, 且有token數目上限.
由於是用大量data + fine-tuning, 應用在生成code上面, 生成的code能不能用取決於:
1. 功能是否常見
2. 使用的語言(language), 函式庫(libraries), Framework是否open source且常用
3. 你所提供的query是否足夠精確
4. 你的codebase是否有特殊的patterns
即便是簡單的CRUD仔, 如果公司有自己的內部framework, 內部tools,
想要讓GPT產生還ok的回答你必須要提供更多的context, 就很容易超過token上限.
而LLM的training一次可是幾百萬美金在燒的.
所以反而工人智慧比GPT便宜得多.
在我眼中GPT只是一個好一點的stackoverflow跟GitHub issue搜尋器而已.
隨著時間工作越久其實花在這些issue上面的搜尋時間並不太多.
大部分都在搜公司內部的訊息或是理解客戶需求.
而這些東西都沒辦法透過GPT來解決
而GPT train完就不會再進步了
初階工程師取決於個人造化但至少還有可能舉一反三
如果你有試著跟GPT pair programming個一天應該就不會覺得初階工程師會被取代

確實很多公司內部產生的文化和know how，以現階段的chatgpt大概無法協助

推工人智慧，model可以複製的，以後還是會進其他公司啦

但這也只是現階段的能力，三五年後說不定真能把整個專案吃進去幫你開發

變數命名還是挺好用的

整個專案怎麼吃？瀑布式開發法？光是改規格，跟AI whisper就註定失敗了。更何況，GPT本質是sentence generator

純程式邏輯或CRUD也許有機會，但牽扯到UIUX或前端我覺得很難，user天天調整需求可能改到連AI都會跟你說，你行你來直接罷工。

欸不是 coding至少一半時間都在寫test 現在都直接生成了

寫test真的是一件超級麻煩但又不可避免的事

原來是這樣

token問題你可以事先拿自己project去fine tuning model，文件都有寫……

還需要自己fine tune就是很大的阻力。

整個專案花費多少時間在溝通上, 開發根本不是問題AI能幫忙溝通嗎? 不行的話就沒可能取代人

你仔細靜下心來想想 GPT這種找出最有機率出現的字 其實完全就跟你各位人類的思考模式一樣好嗎...當有個需求進來時 你腦中是不是會出現幾個可能的選項然後你再根據各種因子去做權衡利弊 找作最有機會解決問題的解？GPT的原理 在方向上就跟人腦一樣然後 AI需要工人智慧去fine tuning 這不也天經地義？難道嬰兒生下來 你都不用去跟他互動說話 狂丟書本資料給他他就會好好長大不會歪掉？

按照這種定義那寫個if/else都算gpt模式了，超棒