關於 #AI 的內容

今年的 Global Game Jam 多樣性成就中，有一個挑戰是「以 Email 進行遊戲」看到的當下就決定要說服（aka 強迫）還不知道會是誰的隊友來挑戰這個題目，因為很適合這個 AI 時代用來進行一些探索性的嘗試。

經過一週左右，根據 2024 年底 ihower 的淺談 LLM-based AI Agents 應用開發演講提到的核心概念，用了數百行程式碼完成 Autoflux 這個設計給 Ruby 的 AI Agent 框架，設計過程中反覆修改時思考了一些問題，很值得分享給大家參考。

最近完成公司的 AI 培訓後，開始思考我們說的模型（Model）跟軟體開發中的領域模型（Domain Model）是否有關聯，如果仔細思考，似乎在抽象層面上是類似的。

最近因為公司有提供 GitHub Copilot 給我們當作工具，我也就順勢將 Copilot 在 Vim 中啟用。這幾個月體驗上跟當初釋出試用版相比，反應速度雖然有提升然而仍然沒有比自己思考的速度還快，但也有改變了開發習慣。

之前寫過# 從 ChatGPT 看學習與對工程師的影響， 這篇文章原本想試著讓 ChatGPT 幫忙，給了兩篇自己的文章作為範例，再給出我規劃的文章架構，得到了一篇看起來有內容實際上什麼都沒說的文章，於是這篇文章還是得自己處理，這大概就是目前 ChatGPT 的極限吧！

因為已經非常習慣寫軟體測試在用工程師的方式入門生成式 AI - Stable Diffusion 這篇文章實作的過程中，我開始思考「Generative AI 的產出能被測試嗎？」這樣的問題。

上週（2023/02/22）可能是看了不少 AI 應用的發展，覺得該趕緊補上進度，以免在未來來不及掌握這樣的工具。不過，如果只是串接 ChatGPT 的 API 或者拿 Stable Diffusion WebUI 來產生圖，似乎不是工程師也能做到，作為工程師能做些什麼嗎？

最近因為 OpenAI 的 ChatGPT 推出，很多人開始嘗試，也得到了不少令人驚豔的結果。甚至有一些人開始開玩笑說「以後就讓 AI 寫程式吧！」之類的。不過，如果對這項技術有一定程度的了解，這個夢想也許還挺遙遠。