AI指导:打造第一个Python应用(4)（python ai开发）

眼瞅着迈过几个里程碑，与目标越来越近。尽管过程中照旧因返工而心焦，而欣喜与急躁比例，是喜悦运大于焦虑。

从初次熟悉智能大模型，尝试编程起步，不定期进行复盘反思，这是小助手指导编程的第四篇。复盘以为记。

需求修改之挑战

两周过去了，经过不断搭建主程序文档，小程序不再是简单的在Pycharm上的Pathon一段段代码片段。通过HTML和CSS文档，增加各个功能模块，显示了第一个GUI界面。现在可以进行简单的互动，并对数据的编辑：添加、删除、导出。令人欢喜，令人振奋。感谢通义AI，使编程成为可能。

然而，在编程过程中，不断遇到问题。譬如：项目列表缺少“负责部门”列。在最初投喂给AI的表格设计就缺失。现在需要增加这一需求。如果在excel环境中 ，这不是事，分分钟搞定。而对于小程序增加这个显示要求，究竟要涉及修改几个文档，如何关联，一概没谱，全听AI的，的确是挑战。

如果在最初的需求就将显示表格的内容确定，不至于为增加这一列，不断修改相关相关文档。好不容易将“负责部门”在新列添加，表格能够显示。此前实现的添加、删除、导出功能，这些功能。不是漏掉添加功能失效，将添加功能链接好，一会导出又不动作，以及布局，面目全非。

幸好，当没实现预期，重来过；还达成预期，再来过；仍没达成预期，再重来过。经过多次返工，便理清了内在的编码逻辑关系，这样与AI对话效率就高点。搞清楚逻辑，也试着对代码做点小修改，但也会首尾难顾，小改动处，程序执行起来便跌跌撞撞。这个department为什么不能显示，原来是修改时上下文没有改完整。

即便这样，换位思考，如果我自己是码农，定会犯晕，冒火。不断工费时，通义AI真好脾气。

痛定思痛，更明白需求规范、需求目标确定是多么重要。

如何高效与AI对话交流

几周下来，对话效率如何，能否改进提高效率，我请AI帮助总结。AI很客气，对屏幕前的我提了三条要求，对AI模型也提了三点改进。

第一，要明确描述问题。这是提供具体的代码片段，错误信息，有功能需求， 才能快速理解问题，并提供相应的解决方案。

第二，要逐步解决问题。不能将过多的问题全部抛给AI，它接不住，理解不了

第三，即时反馈调整。尝试建议反馈后，执行结果如何，反馈给AI，它便能快速调整和优化解决方案，

对屏幕前的我，AI具体提出三点：多给出上下文描述，如项目结构啊，使用的库版本;明确希望实现的功能目标，提高建议的针对性；第三还是要逐步反馈，以便快速调整策略。

AI对自己也提出了三项改进项：

“更简洁的回答：在某些情况下，我可以提供更简洁的回答，以便你更容易理解和应用。

更多的示例代码：提供更多的示例代码和实际应用场景，帮助你更好地理解和实现功能。

更好的引导：在复杂问题上，提供更详细的步骤和引导，帮助你逐步解决问题。”

瞧，多谦虚。如我这么烂的代码水平，要在同事之间，不被奚落嘲讽才怪。

AI这支精干的小团队，由GPT-4o、通义AI和Kimi组成。超级AI助理，已经改为以GPT-4o为主。相比其它AI模型，其响应速度、代码质量更令人爱不释手。

原本还想聊聊Git与Sourcetree，放在第5篇再述吧。