關於 #AI 的內容

跟以往不同的地方在於，加入 AI 到產品與開發流程過後，許多以往的思考方式會有所改變。因此這一次我們的目標除了原本實現的功能外，還要考慮新型態的軟體開發方式。

寫完 Clean Architecture in Go 系列後，原本預定是要探討 Ruby 相關的主題，然而剛好遇上大量的 AI（人工智慧）應用出現，加上手邊正好使用 TypeScript 做了一些實驗，才有了這一系列的出現。

AI（人工智慧）領域的發展非常快速，在二月之前我還不覺得以 AI 來寫程式是有效的，因為我需要複製程式碼到編輯器中，然而 My LLM codegen workflow atm 這篇文章改變了我的看法，因為有一些工具已經足夠成熟能直接編輯檔案。

有非常多額外內容，我會把下半年連載的展示專案跟閒聊另外放在 YouTube 影片 裡面討論。

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？