我承担了一项相当具有挑战性的任务。也就是说,将一些丑陋的企业 C# 代码转换为 Python。在深入探讨之前,我觉得我需要做一些解释。
这个 C# 项目充当某些机器学习模型的数据管道层。听到数据,你首先想到的应该是Python。不幸的是,情况并非如此,为了使它更好,它使用了 Apache Spark 的 .NET 扩展。将其迁移到 Python 是有道理的,因为它使用相当非标准的技术来解决问题,这使得招聘未来的人才相当困难。还有其他明显的问题,在其他企业 OOP 语言中也很常见,例如多层抽象、无处不在的继承、控制反转,以及您在数据管道中不做的事情。为了进一步助长魔鬼,原来的承包商/顾问团队(因为除了一些企业顾问之外,还有谁会使用 C#)将于下个月离开。
顺便说一句,我使用 Neovim,而且我已经使用 Github Copilot 近两年了,自从我拿到预览版本以来,我也使用 Copilot Chat(技术上是 ChatGPT),所以我绝不是一个完全的新手,当它涉及法学硕士和代码。
肉!
使用 Claude 3.5 编码感觉如何,有好的、坏的和丑陋的部分。但大多数情况下,即使您能够从头开始编写相同的功能,您也不知道发生了什么。
好的
Claude 3.5 往往会产生令人惊讶的正确结果,但是,有时它会尝试变得聪明,但会失败,但您可以指导它解决问题。总的来说,它是提问的好伙伴,对我来说,因为我有严格的工作流程,而且我确实付出了很多努力来制作带有大量示例和边缘情况的复杂提示,所以我非常满意。我可以学习 C# 课程并将重要部分翻译成 Python,只需要很少的额外说明。
不好的
我通常可以写 12 个小时的代码,偶尔上厕所,补充我的水壶。是的,当我真正投入其中时,我不会感到饥饿。和克劳德在一起时,我确实进入了心流状态,但大约三个小时后,我感觉死了。在这 3 小时内,我确实生成了很多代码,并且感觉很有成效,但这就像不停地进行代码审查、要求更改,而且大多数情况下,如果生成的内容有效,则不会查找文档。
丑陋的
如果您是一名编码员,您可能在某种程度上熟悉您编写的代码。这种熟悉感往往会随着时间的推移而消失,但如果您在代码库上工作了足够长的时间,您就会熟悉周围的情况。使用 LLM 生成的代码,这种情况就不会发生。我对发生的事情知之甚少。几天来,我确实编写了很多代码,审查了每一行,时不时地要求进行一些更改,但最终我几乎不知道到底发生了什么。最后,代码库感觉就像一个陌生人,不是我写的。更糟糕的是,实际的代码风格不一致,你可以告诉appart哪些文件是同一天写的,感觉像是不同人写的。
外卖
我花了很多时间来审查、重新设计、调整这个完整的 LLM 编码方法,但大多数时候的结果只是代码,这在某种程度上有效,但你不知道为什么或如何。最大的问题是:
最终得到一个你几乎没有依恋的代码库是否值得,它立即感觉就像你一年前与曾经想象中的同事一起编写的。
总而言之,我确实感觉自己生成了更多代码,但质量却比平常低。在某些情况下,这种较低的质量是合理的,特别是如果您不在乎的话。但我担心的是,时间即将到来,每个代码库都将在创纪录的时间内成为“遗产”。
以上是使用 Claude Sonnet 将 C# 迁移到 Python。的详细内容。更多信息请关注PHP中文网其他相关文章!

本教程演示如何使用Python处理Zipf定律这一统计概念,并展示Python在处理该定律时读取和排序大型文本文件的效率。 您可能想知道Zipf分布这个术语是什么意思。要理解这个术语,我们首先需要定义Zipf定律。别担心,我会尽量简化说明。 Zipf定律 Zipf定律简单来说就是:在一个大型自然语言语料库中,最频繁出现的词的出现频率大约是第二频繁词的两倍,是第三频繁词的三倍,是第四频繁词的四倍,以此类推。 让我们来看一个例子。如果您查看美国英语的Brown语料库,您会注意到最频繁出现的词是“th

本文解释了如何使用美丽的汤库来解析html。 它详细介绍了常见方法,例如find(),find_all(),select()和get_text(),以用于数据提取,处理不同的HTML结构和错误以及替代方案(SEL)

本文比较了Tensorflow和Pytorch的深度学习。 它详细介绍了所涉及的步骤:数据准备,模型构建,培训,评估和部署。 框架之间的关键差异,特别是关于计算刻度的

Python 对象的序列化和反序列化是任何非平凡程序的关键方面。如果您将某些内容保存到 Python 文件中,如果您读取配置文件,或者如果您响应 HTTP 请求,您都会进行对象序列化和反序列化。 从某种意义上说,序列化和反序列化是世界上最无聊的事情。谁会在乎所有这些格式和协议?您想持久化或流式传输一些 Python 对象,并在以后完整地取回它们。 这是一种在概念层面上看待世界的好方法。但是,在实际层面上,您选择的序列化方案、格式或协议可能会决定程序运行的速度、安全性、维护状态的自由度以及与其他系

Python的statistics模块提供强大的数据统计分析功能,帮助我们快速理解数据整体特征,例如生物统计学和商业分析等领域。无需逐个查看数据点,只需查看均值或方差等统计量,即可发现原始数据中可能被忽略的趋势和特征,并更轻松、有效地比较大型数据集。 本教程将介绍如何计算平均值和衡量数据集的离散程度。除非另有说明,本模块中的所有函数都支持使用mean()函数计算平均值,而非简单的求和平均。 也可使用浮点数。 import random import statistics from fracti

在本教程中,您将从整个系统的角度学习如何处理Python中的错误条件。错误处理是设计的关键方面,它从最低级别(有时是硬件)一直到最终用户。如果y

本文讨论了诸如Numpy,Pandas,Matplotlib,Scikit-Learn,Tensorflow,Tensorflow,Django,Blask和请求等流行的Python库,并详细介绍了它们在科学计算,数据分析,可视化,机器学习,网络开发和H中的用途

该教程建立在先前对美丽汤的介绍基础上,重点是简单的树导航之外的DOM操纵。 我们将探索有效的搜索方法和技术,以修改HTML结构。 一种常见的DOM搜索方法是EX


热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

适用于 Eclipse 的 SAP NetWeaver 服务器适配器
将Eclipse与SAP NetWeaver应用服务器集成。

ZendStudio 13.5.1 Mac
功能强大的PHP集成开发环境

mPDF
mPDF是一个PHP库,可以从UTF-8编码的HTML生成PDF文件。原作者Ian Back编写mPDF以从他的网站上“即时”输出PDF文件,并处理不同的语言。与原始脚本如HTML2FPDF相比,它的速度较慢,并且在使用Unicode字体时生成的文件较大,但支持CSS样式等,并进行了大量增强。支持几乎所有语言,包括RTL(阿拉伯语和希伯来语)和CJK(中日韩)。支持嵌套的块级元素(如P、DIV),

SublimeText3 英文版
推荐:为Win版本,支持代码提示!