NotebookLM,Cursor深度使用体验与讨论

NotebookLM,Cursor深度使用体验与讨论 NotebookLM,Cursor深度使用体验与讨论 Modified September 11, 2025 5. 实时学习新技术通过观察AI生成的代码,开发者可以了解最新的编程范式和最佳实践,持续更新自己的知识库。潜在的挑战与担忧 1. 代码质量和可维护性尽管AI生成的代码可以快速运行,但其长期可维护性和性能优化可能存在问题。开发者需要审慎评估AI生成代码的质量。 2. 深度定制的困难在项目深度开发阶段,AI助手可能难以理解复杂的业务逻辑和特定需求,导致反复修改的效率降低。 3. 技能退化风险过度依赖AI助手可能导致开发者的某些技能退化,特别是在理解底层原理和解决复杂问题方面。 4. 上下文管理的挑战在处理多个项目或复杂的代码库时,AI助手可能难以准确把握上下文,需要开发者不断提供额外信息。 5. 安全性和知识产权问题使用AI生成的代码可能涉及版权和安全性问题,需要谨慎处理,特别是在商业项目中。对软件开发行业的影响 1. 开发角色的转变随着AI编程助手的普及,开发者的角色可能从"编码实现者"转变为"需求分析师"和"AI协作者"。 2. 教育方式的调整编程教育可能需要更多地关注问题分析、算法设计和系统架构,而不仅仅是语法和具体实现。 3. 项目周期的缩短 AI辅助开发有望显著缩短项目周期,特别是在原型开发和MVP(最小可行产品)阶段。 4. 跨领域融合加速 AI编程助手可能促进不同领域专家更容易参与到软件开发中,加速跨领域创新。 5. 代码审查流程的变革随着AI生成代码的增多,代码审查流程可能需要调整,更多地关注整体架构和业务逻辑,而非细节实现。可能的趋势尽管AI编程助手带来了诸多便利,但它并不能完全取代人类开发者。可能会看到以下趋势: 1. AI与人类协作模式的优化开发工具可能会进一步改进,使AI助手更好地理解开发者的意图和项目上下文。 2. 特定领域AI助手的出现针对特定行业或技术栈的专业AI助手可能会涌现,提供更精准的支持。 3. 持续学习能力的增强 AI助手可能会具备持续学习的能力,能够从与开发者的交互中不断改进自身。 4. 更强大的代码分析和重构能力未来的AI助手可能不仅能生成代码,还能深度分析既有代码库,提供重构和优化建议。 5. 与其他开发工具的深度集成 AI编程助手可能会与版本控制、持续集成、测试自动化等工具深度集成,形成完整的AI辅助开发生态系统。相关讨论： Brad : 我在用Cusor之前，我其实用的是Claude. 它有类似于playground的代码效果预览能力，它辅助代码生成的加上调试的效果是非常好的，及时反馈。像Claude可以跑一些简单的，比如说HTML，React的代码，但是它不能跑一些像那种后台应用这种要启动一些后台服务的这种它就跑不了。而且比较贵，我当时我先用的cloud也用的比较上头，后来就发现还挺贵的。而且多次迭代以后，它那个速度会变得非常慢，因为整个交互上下文变得非常大，我当时遇到这样一个问题。没过多久吧，Cursor出来了，它后面默认挂的也是Claude的API（可以换成其他的），但是它做了一些优化，本身是一个基于vs code改的一个本地IDE。 Brad : 你可以给它一个文档，比如说我丢给他一个官网的，比如说一个next的官网的一个语法说明文档，就然后再告诉他我的需求。当然，你可以用其他大模型先帮你生成一些一些需求文档什么的，然后把需求，设计要求，技术实现等等都可以丢给他。它可以从零到一很快的给你生成一个比较完备的项目，你可以在IDE里面自己本地跑起来。这就是比较好的地方，跑起来以后你可以继续跟他对话，进行一些调整，就这个过程是非常爽的。熟练以后你可以基本上一天内可以跑一个比较完整的demo出来，我当时也是玩玩的比较上头。不辣的皮皮 : 有多上头，上头指的是什么上头？ Brad : 你想你可以不限制任何语言，你现在你可以让它给你生成一个外务端的你可以让他给你生成一个。Python或者说是跨语言的python的go的任何语言的他都有这样的能力跟生成相关相应的项目。 samueli : 我看别人的案例是不是你可以拿一个别人的网址扔给他，让他照着写。 Brad : 这个我倒没试过，应该也可以，我不知道是不是bolt.new还是什么的，那个我忘了就是那个也是新出的，我倒没有试过，但是这个体验是类似的,那个产品也很棒，在Cursor之后出来的。还有就是我当时甚至让他给我开发了一个网页游戏。开发好了以后已经半夜了，我就忍不住玩了一个多小时，就玩那个网页小游戏，那种体验是非常好的。就大概是这样的体验吧，但是后来我就随着深入使用吧，大概用了一周。就同时写了两到三个小项目，然后就会遇到一些问题，因为这个demo级别的我觉得达到目的了，但是我想改的更好一点，就遇到一些问题。首先需要在它是在一个大的目录下，要切换多个项目的时候，要给重新定位一下它的上下文，它很多时候会搞串的。我当时同时开发的有三个项目，然后我可能这几个小时我想玩玩，开发一下游戏，过了另外几个小时就想切换另外一个项目，所以得把上下文给他说清楚。不然它会很容易串掉，生成和修改的代码位置很容易搞错，挺耽误时间的，这是我遇到的第一个问题。第二个问题：在已有的代码上要二次或者多次进行代码调整，就目前来看，不是体验不是特别好。因为它本身还不是说能够实时的理解和同步你本地调试的信息，你调试好以后告诉它，它是不能感知你真正调试的那个环境的。它没有一个沙盒它，就是依赖你的反馈调整代码以后把结果告诉它，相当于中间隔了一层，所以调多次调试调整就来回回折腾比较费时间。因为有的时候，可能隔了几十步以后你你想起来要改其中一段代码，那这个时候你要告诉他当时的上下文，这个就比较难。 samueli : 那他写的时候只是写前端，比如说你还想写后端服务器？ Brad : 全都可以，支持所有主流语言生成，因为因为我当时做的几个实验其实都是基于Next的，然后做的全栈，当然你也可以让它后端用java或者用其他的都可以的，它都是支持的，我看了一下有几十个语言的支持，包括C，C++，rust这些纯后端的也都是有的都可以的，也有现成的prompt模板。还是挺强的。可以快速帮你起一个Demo级别的项目，挺好的。好像是前三周免费。 samueli : 就我看现在好像就是这种cursor或者Bot.new基本上都是非技术的在玩儿，感觉就是技术好像分享的还比较少，大家其实很多人还是抱着观望的态度，就想知道这个东西到底咋样。 Brad : 对。本身它可以帮你做一些基础能力的技术能力的开发，包括跟大模型调用的API。但是你想真正的把它作为一个比较吸引人的产品，还是首先要产品设计是你要靠自己的。产品设计的思路怎么做？还有就是核心大模型本身的能力怎么深度使用？ prompt怎么写的更好？这些都要靠自己，它不会这么强。还是比较依赖开发者的产品力和技术能力。不辣的皮皮 : 我之前就我自己个人的经验，我比较害怕的点是就是这个事情，因为因为本身我是个技术人。如果从产品经理的角度来说，对他来说，产品设计思路make sense后大概率直接帮我做开发，那对他来说是OK了，就不用找开发了。如果对于一个技术人来说，就变成什么，就变成这个大模型帮我做开发。我可能并不知道他是怎么写的，我也不知道他是怎么原理是什么，那以后怎么更新，怎么维护这件事情。它如果能够百分之百靠谱，那还好，如果他不是百分之百靠谱的话可能就不行。还有一点，有的时候技术人他写代码其实是为了增长自己的能力。你不能说我现在写了这个代码，然后让他帮我写了这个代码，我并不学习，然后我也懒得去理他，这个细节里面到底实现了什么？就搞定了。那对这类技术来说，并不是他的一个目标，他的目标反而是在写代码的过程当中，能锻炼自己能学到新的东西。他相当于是在成长自己。 Brad : 那刚才说的两个问题就非常对，因为这也是我体验下来，我用下来Cursor, 中间有一些基础代码我是ok的，但是它有一些的技术栈变更，有一些新的写法。我确实当时没有特别在意，它辅助你学一些新的技术知识的，但是我当时觉得进入状态以后，确实对技术本身还没有特别的去进一步的去了解，然后就没有然后了，大概率也不太会回头再仔细研究那些代码。皮皮刚才说的那种情况非常值得技术人员的警惕，尤其是这类工具变强之后。它帮你生成很多代码以后，一把运行起来ok后，可能就去交差划水摸鱼了，没有在探索学习新技术的这样一个欲望了。我理解这个情况以后肯定会发生的，如果只是从出活儿的角度去工作的话，对与技术人员的技能成长可能会有负面效果。喜欢本篇内容的小伙伴记得给个三连哦，点个关注不迷路！ 5. 实时学习新技术通过观察AI生成的代码,开发者可以了解最新的编程范式和最佳实践,持续更新自己的知识库。潜在的挑战与担忧 1. 代码质量和可维护性尽管AI生成的代码可以快速运行,但其长期可维护性和性能优化可能存在问题。开发者需要审慎评估AI生成代码的质量。 2. 深度定制的困难在项目深度开发阶段,AI助手可能难以理解复杂的业务逻辑和特定需求,导致反复修改的效率降低。 3. 技能退化风险过度依赖AI助手可能导致开发者的某些技能退化,特别是在理解底层原理和解决复杂问题方面。 4. 上下文管理的挑战在处理多个项目或复杂的代码库时,AI助手可能难以准确把握上下文,需要开发者不断提供额外信息。 5. 安全性和知识产权问题使用AI生成的代码可能涉及版权和安全性问题,需要谨慎处理,特别是在商业项目中。对软件开发行业的影响 1. 开发角色的转变随着AI编程助手的普及,开发者的角色可能从"编码实现者"转变为"需求分析师"和"AI协作者"。 2. 教育方式的调整编程教育可能需要更多地关注问题分析、算法设计和系统架构,而不仅仅是语法和具体实现。 3. 项目周期的缩短 AI辅助开发有望显著缩短项目周期,特别是在原型开发和MVP(最小可行产品)阶段。 4. 跨领域融合加速 AI编程助手可能促进不同领域专家更容易参与到软件开发中,加速跨领域创新。 5. 代码审查流程的变革随着AI生成代码的增多,代码审查流程可能需要调整,更多地关注整体架构和业务逻辑,而非细节实现。可能的趋势尽管AI编程助手带来了诸多便利,但它并不能完全取代人类开发者。可能会看到以下趋势: 1. AI与人类协作模式的优化开发工具可能会进一步改进,使AI助手更好地理解开发者的意图和项目上下文。 2. 特定领域AI助手的出现针对特定行业或技术栈的专业AI助手可能会涌现,提供更精准的支持。 3. 持续学习能力的增强 AI助手可能会具备持续学习的能力,能够从与开发者的交互中不断改进自身。 4. 更强大的代码分析和重构能力未来的AI助手可能不仅能生成代码,还能深度分析既有代码库,提供重构和优化建议。 5. 与其他开发工具的深度集成 AI编程助手可能会与版本控制、持续集成、测试自动化等工具深度集成,形成完整的AI辅助开发生态系统。相关讨论： Brad : 我在用Cusor之前，我其实用的是Claude. 它有类似于playground的代码效果预览能力，它辅助代码生成的加上调试的效果是非常好的，及时反馈。像Claude可以跑一些简单的，比如说HTML，React的代码，但是它不能跑一些像那种后台应用这种要启动一些后台服务的这种它就跑不了。而且比较贵，我当时我先用的cloud也用的比较上头，后来就发现还挺贵的。而且多次迭代以后，它那个速度会变得非常慢，因为整个交互上下文变得非常大，我当时遇到这样一个问题。没过多久吧，Cursor出来了，它后面默认挂的也是Claude的API（可以换成其他的），但是它做了一些优化，本身是一个基于vs code改的一个本地IDE。 Brad : 你可以给它一个文档，比如说我丢给他一个官网的，比如说一个next的官网的一个语法说明文档，就然后再告诉他我的需求。当然，你可以用其他大模型先帮你生成一些一些需求文档什么的，然后把需求，设计要求，技术实现等等都可以丢给他。它可以从零到一很快的给你生成一个比较完备的项目，你可以在IDE里面自己本地跑起来。这就是比较好的地方，跑起来以后你可以继续跟他对话，进行一些调整，就这个过程是非常爽的。熟练以后你可以基本上一天内可以跑一个比较完整的demo出来，我当时也是玩玩的比较上头。不辣的皮皮 : 有多上头，上头指的是什么上头？ Brad : 你想你可以不限制任何语言，你现在你可以让它给你生成一个外务端的你可以让他给你生成一个。Python或者说是跨语言的python的go的任何语言的他都有这样的能力跟生成相关相应的项目。 samueli : 我看别人的案例是不是你可以拿一个别人的网址扔给他，让他照着写。 Brad : 这个我倒没试过，应该也可以，我不知道是不是bolt.new还是什么的，那个我忘了就是那个也是新出的，我倒没有试过，但是这个体验是类似的,那个产品也很棒，在Cursor之后出来的。还有就是我当时甚至让他给我开发了一个网页游戏。开发好了以后已经半夜了，我就忍不住玩了一个多小时，就玩那个网页小游戏，那种体验是非常好的。就大概是这样的体验吧，但是后来我就随着深入使用吧，大概用了一周。就同时写了两到三个小项目，然后就会遇到一些问题，因为这个demo级别的我觉得达到目的了，但是我想改的更好一点，就遇到一些问题。首先需要在它是在一个大的目录下，要切换多个项目的时候，要给重新定位一下它的上下文，它很多时候会搞串的。我当时同时开发的有三个项目，然后我可能这几个小时我想玩玩，开发一下游戏，过了另外几个小时就想切换另外一个项目，所以得把上下文给他说清楚。不然它会很容易串掉，生成和修改的代码位置很容易搞错，挺耽误时间的，这是我遇到的第一个问题。第二个问题：在已有的代码上要二次或者多次进行代码调整，就目前来看，不是体验不是特别好。因为它本身还不是说能够实时的理解和同步你本地调试的信息，你调试好以后告诉它，它是不能感知你真正调试的那个环境的。它没有一个沙盒它，就是依赖你的反馈调整代码以后把结果告诉它，相当于中间隔了一层，所以调多次调试调整就来回回折腾比较费时间。因为有的时候，可能隔了几十步以后你你想起来要改其中一段代码，那这个时候你要告诉他当时的上下文，这个就比较难。 samueli : 那他写的时候只是写前端，比如说你还想写后端服务器？ Brad : 全都可以，支持所有主流语言生成，因为因为我当时做的几个实验其实都是基于Next的，然后做的全栈，当然你也可以让它后端用java或者用其他的都可以的，它都是支持的，我看了一下有几十个语言的支持，包括C，C++，rust这些纯后端的也都是有的都可以的，也有现成的prompt模板。还是挺强的。可以快速帮你起一个Demo级别的项目，挺好的。好像是前三周免费。 samueli : 就我看现在好像就是这种cursor或者Bot.new基本上都是非技术的在玩儿，感觉就是技术好像分享的还比较少，大家其实很多人还是抱着观望的态度，就想知道这个东西到底咋样。 Brad : 对。本身它可以帮你做一些基础能力的技术能力的开发，包括跟大模型调用的API。但是你想真正的把它作为一个比较吸引人的产品，还是首先要产品设计是你要靠自己的。产品设计的思路怎么做？还有就是核心大模型本身的能力怎么深度使用？ prompt怎么写的更好？这些都要靠自己，它不会这么强。还是比较依赖开发者的产品力和技术能力。不辣的皮皮 : 我之前就我自己个人的经验，我比较害怕的点是就是这个事情，因为因为本身我是个技术人。如果从产品经理的角度来说，对他来说，产品设计思路make sense后大概率直接帮我做开发，那对他来说是OK了，就不用找开发了。如果对于一个技术人来说，就变成什么，就变成这个大模型帮我做开发。我可能并不知道他是怎么写的，我也不知道他是怎么原理是什么，那以后怎么更新，怎么维护这件事情。它如果能够百分之百靠谱，那还好，如果他不是百分之百靠谱的话可能就不行。还有一点，有的时候技术人他写代码其实是为了增长自己的能力。你不能说我现在写了这个代码，然后让他帮我写了这个代码，我并不学习，然后我也懒得去理他，这个细节里面到底实现了什么？就搞定了。那对这类技术来说，并不是他的一个目标，他的目标反而是在写代码的过程当中，能锻炼自己能学到新的东西。他相当于是在成长自己。 Brad : 那刚才说的两个问题就非常对，因为这也是我体验下来，我用下来Cursor, 中间有一些基础代码我是ok的，但是它有一些的技术栈变更，有一些新的写法。我确实当时没有特别在意，它辅助你学一些新的技术知识的，但是我当时觉得进入状态以后，确实对技术本身还没有特别的去进一步的去了解，然后就没有然后了，大概率也不太会回头再仔细研究那些代码。皮皮刚才说的那种情况非常值得技术人员的警惕，尤其是这类工具变强之后。它帮你生成很多代码以后，一把运行起来ok后，可能就去交差划水摸鱼了，没有在探索学习新技术的这样一个欲望了。我理解这个情况以后肯定会发生的，如果只是从出活儿的角度去工作的话，对与技术人员的技能成长可能会有负面效果。喜欢本篇内容的小伙伴记得给个三连哦，点个关注不迷路！ 🔗 原文链接： https://mp.weixin.qq.com/s/5YcNyaMt... https://mp.weixin.qq.com/s/5YcNyaMt... 原创一支烟一朵花一支烟一朵花 2024年11月11日 14:45 上海 NotebookLM 这个是谷歌今年新出的产品，前一段时间写过一篇介绍使用的文章：谷歌产品力还在！NotebookLM我喜欢！谷歌产品力还在！NotebookLM我喜欢！最近几天跟Samu和皮皮又聊起了这个产品。 NotebookLM作为Google推出的AI助手,其核心功能是帮助用户阅读和分析各类文本,包括学术论文、新闻报道等。与传统的文本分析工具不同,NotebookLM能够深入理解文章内容,为用户提供更有价值的见解。对我来说,它是一个非常重要的知识分析助手。它能帮我阅读各种文章和论文,而且是免费的,额度也够用。"这种便捷性使NotebookLM成为许多学者和研究人员的得力助手。 AI播客:NotebookLM的独特亮点 NotebookLM最引人注目的功能莫过于其AI播客生成能力。虽然AI播客并非全新概念,但NotebookLM在这一领域的表现令人惊艳： 1. 高质量对话生成 NotebookLM生成的播客内容质量极高,能够模拟两个人之间的自然对话。"两个人对话非常自然,给人感觉非常真实。"这种自然流畅的对话风格大大提升了用户的听感体验。 2. 内容紧扣主题与人类主持的播客相比,NotebookLM生成的内容更加专业和聚焦。它能够根据用户提供的文章生成相关的播客内容,并且富有启发性。这一特点使得AI播客在某些方面甚至超越了传统人类主持的播客。 3. 情感表达丰富 NotebookLM生成的AI播客不仅仅是枯燥的信息传递,还能表现出丰富的情感。"它会笑,会问问题,会表现出惊讶。这些效果真的非常棒,基本上不会让你感觉到是在和机器聊天。" 4. 专业性与时效性相比传统播客,NotebookLM生成的内容更加专业。传统播客为了保持更新频率,可能难以保证每一期都高质量。而AI生成的内容则可以始终保持高水准,紧跟最新研究成果和热点话题。技术背后:先进的语言模型 NotebookLM的强大表现离不开其背后的先进技术支持。据了解,Google使用了一种端到端模型来支持NotebookLM的功能。这个模型此前已经发表过相关论文,展现出卓越的语言理解和生成能力。然而,尽管NotebookLM表现出色,但仍存在一些局限性。例如,目前免费版本只支持10分钟的英文内容生成。许多用户,都期待未来能推出中文版本并扩展时长限制。 AI助手的未来发展方向 NotebookLM的成功为我们展示了AI助手的巨大潜力,同时也指明了未来发展的几个关键方向: 1. 多语言支持:开发更多语言版本,满足全球用户需求。 2. 专业化:针对不同领域开发专门的AI助手,提供更深入、更专业的分析。 3. 情感智能:进一步提升AI在情感表达和交互方面的能力,使人机交互更自然。 4. 知识更新:确保AI助手能够实时更新知识库,始终提供最新、最准确的信息。 5. 个性化:根据用户的兴趣和需求,提供定制化的内容和服务。相关讨论： 🌟 Brad : 它本身这个产品它已经上线了有段时间，但是最近他又加强了一些AI能力，比如说它比较火的是那个播客功能。我用它的时候，它对我来讲是一个辅助，我用谷歌的LM它会帮我读一些文章，包括一些论文。相对来说它的是免费的，它的额度也够用，所以我有一段时间内用的比较多的时间相当于是我一个比较重要的知识类分析工具，它是类似于这样的一个助手。当然它的播客功能是比较吸引人的，AI博客其实已经存在了，也不是什么新鲜的技术，但是NotebookLM的特色就是他们生成的这个播客的质量非常高。模拟两个人对话，就像我们现在这样聊天，给人感觉非常自然，他它能根据你给提供他的这个文章生成的这个播客。内容还有一些启发性的，所以整体它这个是大的亮点。不辣的皮皮 : 所以你自己用下来感觉跟一般你在经常平常听的那种播客来比的话，它会比以前的那个博客质量更好，还是更差一些？ Brad : 我觉得它是偏技术类的，根据我之前听播客的体验，说实话，我感觉NotebookLM的播客更专业一些。像小宇宙上面有很多播客，基本上都是一个小时往上，而且就是他们大部分需要做到周播甚至一个星期两到三期，不可避免他会带来一些内容上的一些水分，可能不会持续不能持续保证每一期都是那么高质量，NotebookLLM其实就是用机器生成的它，效率非常高，它的内容本身是能够紧扣你刚读过的那篇文章。给我感觉质量还是不错的，但是它免费的时长只有十分钟，只有英文的，我非常期待他以后推出中文的这个能力，然后再扩充它的播客时长什么的，我就非常愿意付费，我现在也是没有付费这个产品，因为对我来说足够用了。 samueli : 我今天好像听那个AI炼金术最新一期播客好像有专门讲这个notebookLM，其实际效果我也没听过，我听他说的。 Brad: 对。 samueli : 效果特别好！他说第一次是感觉到不是一个工具。然后感觉是人在对话。因为整个环节特别顺畅，就两个人。不辣的皮皮 : 我感觉是我感觉上是思维链和什么用的比较，反正是思维链跟作为就是一个比较复杂的风格，或者是用的比较好，还有拟人可能做的比较好。 Brad : 对，它的播客里的人物会笑，会问，然后会惊讶，这些我觉得效果真的非常棒，就是能基本上不会让你感到感觉到是在聊天，效果挺好的。不辣的皮皮 : 讲道理来说，如果一个比较资深的program engineer看着这个东西去复刻的话是问题不太大的讲道理，可能问题在于本身成本有多少，还有就是它的知识点的一个专业度，因为这跟大模型本身能力有关系。 Brad: 是的。不辣的皮皮 : 其实大模型回答的是有偏向的，或者那种就是他回答的比较泛，就是比较generic，但你特别想要的那些东西它说不出来。 Brad: 大模型会回答的比较普世一些，从它已有的知识库。 samueli : 对他貌似好像是后面有一个模型，端到端的一个模型。 2 Cursor 核心功能 1. 全语言支持最新的AI编程助手支持几乎所有主流编程语言,包括但不限于Python、JavaScript、Java、C++、Go和Rust等。无论是前端开发、后端服务还是全栈应用,这些工具都能胜任。 2. 项目快速构建 AI编程助手最引人注目的特点是能够快速构建完整的项目框架。开发者只需提供简单的需求描述或参考文档,AI就能生成一个基础但功能完整的项目结构。 3. 实时编码辅助在IDE环境中,AI助手能够实时提供代码建议、自动补全和错误修正等功能,大大提高了编码效率。 4. 多项目管理高级AI编程助手支持同时管理多个项目,虽然在上下文切换时可能需要额外的指令来确保准确性。 5. 文档理解与代码生成 AI助手能够理解和分析技术文档,并基于文档内容生成相应的代码实现。这一功能特别适合学习新框架或API时使用。 AI编程助手的优势 1. 开发效率的显著提升使用AI编程助手,开发者可以在极短时间内完成一个功能性演示(Demo)项目。有用户报告在一天之内就能构建出一个相对完整的应用程序,这在传统开发模式下是难以想象的。 2. 降低入门门槛对于初学者或正在学习新技术栈的开发者来说,AI编程助手可以提供实际的代码示例和项目结构,加速学习过程。 3. 跨语言开发支持 AI助手的多语言支持特性使得开发者可以更容易地在不同编程语言间切换,扩展自己的技术栈。 4. 减少重复性工作很多基础且重复的编码工作可以交给AI来完成,让开发者将精力集中在更具创造性和挑战性的任务上。