刚才看了一段访谈，特别有意思！这是来自全球前三的AI公司Anthropic的工程团队的Leader Boris Cherny的。 核心一句话就是：
“80–90% of the code we use is written by Claude AI.”– Boris Cherny, Lead Engineer at Anthropic
也就是Antrhopic自己的代码有80%以上是用AI完成的。
我转录了所有的中间对话：
85, probably near 80. I’d say Yeah, very high。That makes sense. lot of human code review.
though Yeah, a lot of human code review.
I think some of the stuff has to be handwritten and some of the code can be written by Claude.
And there’s sort of a wisdom in knowing which one to pick and what percent for each kind of task.
So usually where we start is Claude writes the code.
And then if it’s not good, then maybe a human will dive in?
There’s also some stuff where, like I actually prefer to do it by hand.
So it’s like, you know, intricate data model refactoring or something.
I won’t leave it to Claude because I have really strong opinions.
And it’s easier to just do it and experiment than it is to explain it to Claude.
So yeah, I think that nets out to maybe like 80, 90% Claude control.
可以看到完整的意思是：大概有80%甚至更高的代码是用Claude写的。通常的工作方式是Claude先写一波，如果不好了，再用人干。不过涉及到一些特别复杂的，可能需要人决策的事通常是不用Claude干的。因为解释给Claude再让它干远没有自己干的容易。但是他仍然认为有80%以上是用Claude完成的。
在这里我就想对所有还没有掌握AI的程序员说：**到了决定命运的时刻了！如果到现在为止你还不会用AI，不能熟练的掌握AI的开发与使用，不深入理解它的原理，那你的程序员生涯可能只需要一两年就到头儿了。**未来等你的，可能是 京东、美团、饿了么、还有四通一达、滴滴这类大型企业。
基础知识
通常做AI开发，原来要求你至少熟悉一门编程语言的，Python最好，Java次之的。但是现在因为VibeCoding的兴起，有好几个非常好用的VibeCoding编程环境，所以，建议你会使用Qwen、Trae、Cursor、Windsurf这几个中的任何一个就好了。
当然了，如何熟练的跟AI对话，可能就变成了比编程语言更优先的基础知识。
当然了，如果你还能熟悉Python、Java、C、TypeScript/JavaScript 、HTML/CSS；数据库MySQL、Postgres、服务器Ubuntu、Nginx可能更有利于你接来下的系统级的AI应用的开发与AI集成工作。
如果你想做移动应用的AI，那Swift、Kotlin一类的自然更需要了解一点儿基础。
AI框架
AI框架现阶段可能有了唯一选择：Pytorch了。Tensorflow慢慢的感觉被Pytorch侵蚀没了。所以对于AI框架的熟练掌握变成了一件事：能够构筑Pytorch环境，然后熟练使用它搭建各种模型的执行环境。
然后，自然就是使用这个Pytorch复现一些精典模型了：Transformer/Bert、Whisper、QWen。用它来做微调/FineTune是底线要求，能做一些Scratch Training可能更好了。
理论知识
所有的理论知识已经都是现成的了，我觉得你只需要看懂一本书《Understanding Deep Learning》就好了。中文版也快出了。但是现阶段还是英文版本更适合你，结合AI去读一本书，并没有多难。但是读完它，你差不多就能非常清楚的了解现阶段所有的AI知识了。从CNN到Transformer，从GAN到Diffusion，真是一本非常完美的教材。
项目实践
我建议你自己搞定下面这些项目。
依托于 Dify 的项目实践：
- 快速搭建智能客服小助手： 快速创建一个能自动回复用户咨询的简单聊天机器人。
- 商品信息快速问答应用： 构建一个用户可以提问商品细节并快速获取答案的应用。
依托于 Langchain 的项目实践：
- 个人知识库问答系统： 构建一个可以回答你个人文档相关问题的知识检索工具。
- 简单的文本总结工具： 实现输入文本后自动生成简洁摘要的功能。
依托于 QWen 的项目实践：
- 中文文本润色小工具： 开发一个可以对中文文本进行语法和风格优化的工具。
- 简单的中文创意写作尝试： 体验使用中文语言模型进行短文本创作。
2024最新版优快云大礼包：《AGI大模型学习资源包》免费分享**
一、2025最新大模型学习路线
一个明确的学习路线可以帮助新人了解从哪里开始，按照什么顺序学习，以及需要掌握哪些知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。
我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。
L1级别:AI大模型时代的华丽登场
L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理，关键技术，以及大模型应用场景；通过理论原理结合多个项目实战，从提示工程基础到提示工程进阶，掌握Prompt提示工程。
L2级别：AI大模型RAG应用开发工程
L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3级别：大模型Agent应用架构进阶实践
L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体；同时还可以学习到包括Coze、Dify在内的可视化工具的使用。
L4级别：大模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调；并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
整个大模型学习路线L1主要是对大模型的理论基础、生态以及提示词他的一个学习掌握；而L3 L4更多的是通过项目实战来掌握大模型的应用开发，针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。
二、大模型经典PDF书籍
书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）
三、大模型视频教程
对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。
四、大模型项目实战
学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。
五、大模型面试题
面试不仅是技术的较量，更需要充分的准备。
在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。
因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
