使用 AI：代碼轉換

不久前，LLM（大型語言模型）還不可能重寫程式碼。每個法學碩士都有一個令牌限制，它確定了它可以吸收和應用的字數。由於令牌限制較低，模型無法吸收執行程式碼轉換等複雜任務所需的資訊量。

軟體開發公司Mantle最近面臨著一個共同的挑戰：他們用特定的編碼語言建立了下一代股權管理平台原型，該原型非常適合快速互動以回應客戶的回饋。

但是，他們的生產技術堆疊中使用的程式碼不同，為了交付產品，Mantle 需要將程式碼庫從一種語言轉換為另一種語言。這是軟體團隊和企業經常面臨的一項非常繁重的任務。

「這種努力是合理的，但過程是痛苦的，」Mantle 聯合創始人兼首席技術長 Dwayne Forde 說。 「您現在將花費大量寶貴的工程時間來重新創建現有功能，而不是向前推進面向客戶的路線圖。」

Forde 想知道AI 是否可以提供幫助，Forde 是一位值得信賴的行業領導者，在VMware 和Xtreme Labs 等公司擔任過20 多年的工程經驗，最近在Mantle 上發表的一篇名為“使用AI：代碼」的部落格文章中記錄了這個過程轉換。 ”

他希望這個案例研究能成為其他技術團隊的有用資源，幫助他們節省時間和精力。

這是 Forde 為技術團隊編寫的一系列指導指南中的第二份，作為透過展示人工智慧如何加速和增強他們的工作來促進該行業集體利益的努力的一部分。

「我們的目標不是實現 100% 完美編寫的程式碼，」Forde 指出。 「我們的目標是消除 80% 的樣板文件和重複模式，以便工程師可以專注於高價值的驗證和驗證，並且我們可以交付產品。」

不久前，LLM（大型語言模型）還不可能重寫程式碼。每個法學碩士都有一個令牌限制，它確定了它可以吸收和應用的字數。由於令牌限制較低，模型無法吸收執行程式碼轉換等複雜任務所需的資訊量。

但隨著 LLM 軟體的快速進步，代幣限制也隨之提高，Forde 意識到他的團隊面前有令人興奮的新選擇。更高的限制意味著模型可以增強推理能力，執行更複雜的數學和推理，並以更大的尺寸輸入和輸出上下文。

根據 Medium 的說法，一百萬個代幣意味著一個模型相當於閱讀 20 本小說或 1000 個法律案件摘要。

Forde 和他的團隊明白，這種極大的代幣限制將使他們能夠將整個編碼語言輸入到 LLM 中，本質上是教它雙語。

由於轉換代碼是極其耗費人力的工作，Mantle 知道，讓法學碩士將少量代碼從一種語言轉換為另一種語言，對於工程項目的交付時間將非常有利。

「我們開發了一種方法，將工作範圍減少了三分之二，並節省了數月的開發時間，」Forde 在他的帖子中寫道。

將 Mantle 原型專案轉換為新的程式碼語言通常需要數月的手工勞動。

相反，福特表示，他的工程師將時間集中在試驗如何最好地促使法學碩士為他們完成大部分工作。

這不僅僅是將程式碼語言輸入 LLM 並要求其翻譯那麼簡單。

在 Forde 的監督下，Mantle 團隊經歷了一個創新和發現的過程，找出了在其工作中提供法學碩士的最佳說明、背景和指導。

他們從原型原始語言以及現有的生產程式碼模式、目標架構的描述中提供模型程式碼片段，並向法學碩士提供有關 Mantle 自己的技術堆疊中使用的特定程式庫和實用程式的上下文。

「我們有某些我們喜歡的函式庫，因此添加一段上下文對於確保 LLM 輸出程式碼與我們使用的程式碼相容非常有幫助，」Forde 說。

團隊甚至提供了 LLM 螢幕截圖來演示他們希望如何呈現訊息，而僅從程式碼語言來看，這對於 AI 來說並不明顯。

「現有應用程式的螢幕截圖為法學碩士提供了應用程式的視覺佈局，」福特說。 「你提供的背景和方向不必都是口頭的。您也可以使用視覺參考點來獲得您想要的輸出。」

在他的部落格文章中，Forde 詳細介紹了 Mantle 用於轉換程式碼的逐步過程。這個過程是創新的、迭代的，有時還很有趣。

Mantle 團隊一度指示法學碩士「像只能用原始碼回答的軟體工程師。」

Mantle 團隊要求法學碩士一次只轉換一小部分程式碼，檢查其工作，糾正任何誤解，然後繼續前進。

逐步的實驗使 Mantle 團隊能夠隨著時間的推移完善和改進其工作，並創建一個可以在未來專案中複製的有效流程。

「檔案產生後，我們的團隊要麼手動審核並調整輸出，要麼調整

以上是使用 AI：代碼轉換的詳細內容。更多資訊請關注PHP中文網其他相關文章！