一次意外右手骨折，Claude工程师的工作竟被AI挽救了。近两个月的时间，他们一起结对编程，甚至在一周内肝出3000行代码。他疯狂暗示，未来1-3年，就是「AI工程师」的天下。

　　事情是这样的，几个月前，Claude工程师Erik Schluntz骑车上班的路上，意外摔断右手，打上了石膏。

　　即便如此，Schluntz依旧在Anthropic旧金山的办公室里，一周狂肝了3000行代码。

　　他通过结合语音转文字技术，与Claude AI结队，整整写了2个月的代码。不过，必须承认的是，其中有许多是「样板代码」。

　　文章中，他表示，「通过这件事，体验到了人类几乎不再需要自己编写代码的未来」。

　　另一位Anthropic工程师表示，通过从这件事，我们可以获得软件工程未来几年的关键一瞥。

　　那么，Erik Schluntz如何在受伤期间，能够让AI为他高效编码呢？

　　首先，文章开篇他最先介绍了，自己如何对AI进行设置，最终决定使用了Claude AI。

　　Schluntz在摔断手之前，也曾使用类似Copilot等AI代码生成工具，但主要还是「手写」。

　　此外，他也使用过「语音转文字」，但也主要在手机上发短信，并未在电脑中尝试过这一功能。

　　唯一不足的是，在听写任何与代码相关的内容时，Siri表现得很糟糕。毕竟，一些符号和词汇，大大超出其识别范围。

　　但由于Schluntz对AI代码生成非常感兴趣，于是决定尝试，用自家AI去完成这项艰巨的任务。

　　这里没有使用Copilot，是因为其自动补全功能，对作者来说异常慢，需要开发者先写出半行代码，才能实现。

　　这时，只需将大块代码库内容一键复制粘贴到Claude AI中，然后通过语音命令进行转换。

　　举个栗子，Schluntz会说「重构ABC函数以接受输入XYZ」或「为这些新函数ABC编写单元测试，并查看XYZ的示例测试」。

　　虽然Claude并不总是能在第一次尝试时成功，但它能很好地接受后续指令和调整——

　　「被迫」这样写代码后，Schluntz很快就弄清楚了，什么样提示会生成有效代码，什么会是无效。

　　他不得不在IDE和Claude之间频繁地复制粘贴，并手动拼接被Claude输出长度限制截断的代码片段。

　　甚至，有几次他对Claude「提高了嗓门」，只因AI「忘记了」Schluntz之前的指令。

　　如果你只给出一个基本请求，LLM可能会给出一个中规中矩的通用答案，可能并不适用于你的特定代码库。

　　Schluntz发现，将指令放在输入的开头和结尾效果最好，可以确保AI不会「遗忘」重要的上下文。

　　最好是，能够提供代码库示例，供AI参考。特别是，在编写单元测试、处理样板代码时，AI表现特别好。

　　Schluntz会手动迁移一个实例，然后用它作为示例让Claude转换其余的输入。

　　大多数人把LLM当作StackOverflow的替代品：他们虽是在询问方向，但仍然自己在驾驶。

　　「如果你能够给Claude正确的基础构建模块，它往往可以一次性完成整个任务」。

　　在周末的机器人项目中，Schluntz和朋友Survy给Claude提供了一段控制单个电机和读取蓝牙游戏手柄的代码。

　　通过这些构建模块，Claude能够一气呵成地编写出所有远程控制机器人的代码，节省了大量时间和繁琐的数据处理！

　　尤其是，在Schluntz不熟悉的领域，Claude往往在任务分解方面表现得尤为出色。

　　过于具体的请求也能奏效，但有时会导致失去整体视角，类似于在没有整体背景的情况下，给出狭隘的建议。

　　但Schluntz和Survy将其上传到Claude，然后提问，迅速解决了其中一个问题。

　　渐渐地，Schluntz开始建立起一种非常好的直觉，Claude能正确处理哪些事情，以及哪些事情仍需要人类做。

　　- 「我正在使用一个名为pygame的Python库……」 简化为 「在pygame中……」

　　- 「当我运行你的代码时，我收到了这个错误信息……你认为我现在应该怎么做」 简化为直接复制堆栈追踪（stack trace）。

　　他甚至还学会了，转换或重构大块代码可以带来显著效果。例。