YC CEO 转帖爆火 400 万，Claude3.5 编程能力突飞猛进，是强化还是取代人类程序员？_AI阅读总结 — 包阅AI

上周末，Y Combinator 的 CEO 在 X 上转载了一篇关于 Claude Sonnet 3.5 的文章，推文迅速爆火，不到一天时间就达到了将近 400 万浏览量，并引发了大量讨论。

这篇文章原文来自 Y Combinator 的 Reddit 社区，由 ID 为 Lapurita 的社区成员发布。看标题就可以知道是一篇夸赞Claude Sonnet 3.5 功能强大的文章，那为何能够引起激烈讨论呢？下面我们先来看看文章原文讲了什么！

原文来自：https://www.reddit.com/r/ycombinator/comments/1e7rtdw/feeling_very_powerful_as_a_technical_founder_with/?sort=top

作为一名技术创始人，Lapurita 对 Claude Sonnet 3.5 的能力感到非常强大。有了 Claude Sonnet 3.5 这款最新语言模型的帮助，Lapurita 认为自己的开发速度得到了质的飞跃。

他确信，现在能够以超过以往 10 倍的速度，快速复制应用商店中大部分热门应用的技术核心。尽管仍需处理架构和基础设施决策，但诸如编程实现用户界面组件功能这类任务，如今效率提升了 10 倍，从而极大地加快了迭代速度。

目前，Lapurita 开发新特性的流程大致如下：

• 深思熟虑地考虑特性细节，很可能与 Claude 进行讨论；

• 编写特性的基本规格说明（通常只是几句话和要点列表），并且在这个过程中继续与 Claude 协作；

• 确保向 Claude 提供所有相关背景信息，并请求代码实现。

Lapurita 强调，掌握应用架构的全局视角以及具体代码层面的知识，比如数据获取的设计模式等，至关重要。缺乏这方面经验，仅依赖 Claude 可能导致代码库变得杂乱无章，复杂难解，未来修改起来会十分棘手。

这是他曾陷入的陷阱，也是那些对利用语言模型超出自动补全功能持抵制态度的程序员所面临的困境。一旦发生这种情况，人们会自然而然地觉得，从头开始自己编写代码可能更好。

然而，只要持续引导 Claude 按照自己的意愿行事，并紧跟实际粘贴的代码，这种情况就不会发生。Lapurita 认为，跟进 Claude 提供的代码极其重要，有时他会专门花时间阅读已实现的代码，以获得如同亲手编写般的熟悉感。

上述观点对于初创企业尤其适用，而对于大型公司则不那么明显。在他的公司中，尽管语言模型仍然有用，但在构建新产品时其效果远不及前者。主要原因在于，他无法对架构有同样的全面了解，因此难以向语言模型提供所有相关背景信息。

总之，Lapurita 对此感到非常高兴，因为他可以将精力集中在应用更复杂的部分。若能恰当地运用语言模型，开发实际视图及其功能几乎成了一个已解决的问题。

在 Reddit 原贴和 X 转载的评论里，我们可以看到许多技术创始人对 Claude Sonnet 3.5 的强大深表赞同。

其中有一位表示他在 Co-Pilot 和 Claude Sonnet 3.5 这两款工具的帮助下，迅速掌握了 Rust 编程语言，并在短短两个月内，从零开始构建出了市场上速度最快的产品。

Epoch AI 的 CEO Idan Beck 也认为 LLM 彻底改变了他对构建的思考方式，原来每尝试一个想法，直到找到可行的方案可能需要一周，现在使用LLM，这整个过程只需一天或更少的时间。

评论里也可以看到有些创始人对 Claude Sonnet 3.5 的强大表示怀疑。

某位有着二十年开发经验，对编写代码游刃有余的资深开发者也表示在他的 CTO 或技术创始人角色中，更让他头疼的是架构决策。一旦确定了实现方法，编写代码本身相对直接，而且往往能借助现有工具（如命令行界面生成器等）覆盖很大一部分工作。因此，尽管 LLM 可以提供帮助，但对生产力的提升并不显著。

Naologic 的创始人 Gabriel Cezar 对文中提到的效率提高 10 倍表示怀疑。他经常用 Claude 来调试、寻找灵感，或者生成一些可以执行特定操作的小工具来提升效率，但效果远不及 10 倍。

MatthewBerman 也表示即便 LLM 功能很强大，仍然非常有限，一旦你的代码达到一定的复杂性，LLM 就会难以理解这一切。

同时，也有些人认为功能强大的 LLM 可能会加大不同工程师之间的能力差距。

这位朋友他提到”放大视角”确实能够避免产生一团混乱的代码，但更为重要的是，开发者必须清楚自己需要的具体是什么。

对于经验丰富的程序员而言，他们对即将编写的代码结构有着强烈的直觉，能够将自然语言中思考代码的方式转化为实际的代码实现。

然而，缺乏经验的人倾向于通过试错的方式迭代式地编写软件，且不擅长清晰表达自己的需求。因此，他们无法有效利用 Claude，甚至可能会因阻碍其独立思考问题及学习底层技能而减缓进度。此外，即便是资深工程师也可能面临着撰写优质提示信息方面的困难。但更令人担忧的是那些经验不足的人。

显然，人工智能正在加大软件工程师的能力差距，不禁猜想，过度依赖 AI 是否会使追赶变得更加艰难。

在这场关于 Claude Sonnet 3.5 的热烈讨论中，技术创始人和开发者们展示了对这款语言模型的不同看法。一方面，它被认为是提高开发效率的强大工具，能够显著加快开发速度和提升生产力；另一方面，也有不少人对其实际应用效果表示怀疑。

正如 Lapurita 所言，Claude Sonnet 3.5 在代码实现和特性开发中提供了极大的帮助，但其有效性依赖于开发者对架构和背景信息的深刻理解。对于初创企业来说，这种工具可以在早期阶段提供巨大的竞争优势，但对于大型公司，复杂的架构和背景信息可能限制其效用。

与此同时，评论区的讨论也揭示了一个关键问题：人工智能工具是否会加剧开发者之间的能力差距。那些能够熟练利用 AI 工具的开发者可能会变得更高效，而缺乏经验或不善于与 AI 协作的人则可能面临更多挑战。

总的来说，Claude Sonnet 3.5 代表了技术进步的一大步，它为开发者提供了新的可能性和工具。然而，无论技术如何演进，人的因素始终是决定成败的关键。随着 Claude Sonnet 3.5 和同类技术的普及，我们或许将迎来一个新时代，在这个时代里，胜利者将是那些既能驾驭技术又懂得如何激发 AI 潜力的开发者们。