不停PUA大模型「写更好点」，无需其它花哨技术就能让AI代码水平暴增

激励式对齐

原标题：不停PUA大模型「写更好点」，无需其它花哨技术就能让AI代码水平暴增
文章来源：机器之心
内容字数：14598字

迭代式提示优化代码：让AI写出更好的代码

本文总结了Max Woolf利用迭代式提示词不断要求AI模型“写出更好的代码”，从而显著提升代码质量的实验结果。该实验引发了AI领域专家的热议，并被认为具有重要的实际应用价值。

1. 实验背景与方法

受到此前“让图像更X”meme的启发，Woolf尝试通过迭代式提示词“write better code”来改进AI生成的Python代码。实验使用Claude 3.5 Sonnet模型，针对一个简单的编程问题（找出百万个随机整数中各位数之和为30的最小数和最大数的差值）进行测试。初始代码由模型直接生成，之后每次迭代都将之前的代码和新的提示词输入模型，让其进行优化。

2. 迭代优化过程

实验进行了多次迭代，每一次迭代都带来了代码性能的提升，但提升幅度逐渐减小。前几次迭代，模型主要通过算法改进（例如使用整数运算、并行化和向量化）来提升效率，速度提升了数倍。但到了后期，模型开始引入一些“企业级”功能（例如日志记录、信号处理），代码变得臃肿，性能提升反而有所下降，体现了“过早优化”的风险。

3. 提示词工程的重要性

为了更有效地引导模型进行优化，Woolf在第二次实验中使用了更精细的提示词工程，明确规定了“完全优化”的标准，并设定了惩罚机制。这次实验的初始代码质量更高，后续迭代也更加稳定，但依然存在模型出现幻觉、生成错误代码的情况，需要人工干预修正。

4. 实验结果与启示

实验结果表明，迭代式提示词方法确实可以改进AI生成的代码，但效果取决于提示词的质量和模型的理解能力。简单的“write better code”提示词可以带来初步的改进，而更精细的提示词工程则能获得更显著、更稳定的提升。然而，模型可能会引入一些微妙的bug，需要人工进行检查和修正。 实验中，即使模型出错，也能提供一些有价值的优化思路和工具建议，例如numba库的使用。

5. 实际应用价值

尽管LLM生成的代码并非完美，但迭代式提示方法为提升代码编写效率提供了新的思路。通过不断引导和改进，可以有效地利用LLM来辅助软件开发，提升开发效率。然而，开发者需要具备一定的专业知识，才能判断模型生成的代码是否合理，并进行必要的修正和完善。该方法尤其适用于一些重复性高、逻辑简单的代码编写任务。

6. 未来展望

未来，研究人员可以进一步探索更有效的提示词工程方法，以及如何更好地引导LLM避免生成错误代码。此外，利用其他编程语言和更高级的优化技术，例如Rust和PyO3，将进一步提升代码性能，拓展该方法的应用范围。

联系作者

文章来源：机器之心
作者微信：
作者简介：专业的人工智能媒体和产业服务平台