如何正确的给AI指令，让它写交易机器人
这是为何？
事情是这样的，几个月前，工程师巴克斯特骑车上班的路上，意外摔断右手，打上了石膏。
为了生计，他不得已用左手打字。
即便如此，巴克斯特依旧在办公室里，一周狂肝了3000行代码。
为AI编码点赞
谁也不曾想，这背后竟是AI立了大功。
「被迫」用AI写代码后，巴克斯特很快就弄清楚了，什么样提示（问题）会生成有效代码，什么会是无效。
有时候，AI编写的代码会非常神奇，但有时候，就连作者本人恨不得把电脑扔出窗外。
他不得不在IDE和AI之间频繁地复制粘贴，并手动拼接被AI输出长度限制截断的代码片段。
甚至，有几次他对AI「提高了嗓门」，只因AI「忘记了」巴克斯特之前的指令（问题）。
要具体，并举例说明：
这时，就需要给出「非常明确的指令（问题）」，来获得更优的结果。
巴克斯特发现，将指令（问题）放在输入的开头和结尾效果最好，可以确保AI不会「遗忘」重要的上下文。
最好是，能够提供代码库示例，供AI参考。特别是，在编写单元测试、处理样板代码时，AI表现特别好。
通过示例，AI还可以学习如何使用代码库中的内部工具函数。
让AI掌舵
令人惊讶的是，这与常见的建议完全相反，即一次只向AI提出一个问题。
尤其是，在巴克斯特不熟悉的领域，AI往往在任务分解方面表现得尤为出色。
渐渐地，巴克斯特开始建立起一种非常好的直觉，AI能正确处理哪些事情，以及哪些事情仍需要人类做。
了解这种区别，让他在两个方向上都避免了很多挫败感。
他学会了哪些地方可以进行简化处理：
- 「我正在使用一个名为pygame的Python库……」 简化为 「在pygame中……」
- 「当我运行你的代码时，我收到了这个错误信息……你认为我现在应该怎么做」 简化为直接复制堆栈追踪（stack trace）。
他甚至还学会了，转换或重构大块代码可以带来显著效果。例如，在每一行之间添加计时器（timing instrumentation）。
另一方面，巴克斯特学到如果一个AI在两次尝试中，无法修复一个错误，那么它永远也不能修复。这时就需要自己动手了。
他还对AI可能会犯的错误，有了很好的直觉。
有一次，AI给了一段代码，它循环遍历motor1, motor2, motor2, motor4，遗漏了motor3。
作者的朋友注意到这一点，并说 「这一定是幻觉」！但巴克斯特能感觉到，「AI绝不会犯这种错误」。
果然，当他们检查输入时，发现这个错误确实存在于最初放入AI的原始代码中。
巴克斯特将AI编程划分为三个阶段：
过去1-2年，AI在软件工程中的最大用途是，在IDE中使用AI自动补代码，或是通过AI查询代码知识（以往需要去StackOverflow寻找答案）。以及，通过一些AI智能体，在没有人类监督情况下辅助编程，执行多个步骤，但这些并不实用。
今年，这三个领域都在发生变革。诸如Zed、Cursor和各种VSCode扩展这样的IDE，深入地整合了大模型，拥有更完美的上下文，还能处理更大块的代码生成。
未来1-3年，会出现真正的「AI程序员」。也就是说，这三个领域可能会融合成一个产品——「AI程序员」，一个可以在自主模式和同步模式之间连续工作的系统：
1. 自主模式适用于范围明确的任务
AI将完全独立工作，具备编写和运行代码、使用外部工具、搜索网络信息、访问内部文档以及从过去错误中学习的能力。它会不断迭代任务，直到完成或遇到瓶颈。这将占据80%的工作量。
2. 配对编程模式适用于最难的任务
人类将在高层次上指导AI，而AI负责处理低层次的实现细节。互动将是高度多模态的，人类和AI将在文本描述、视觉图表、口头讨论和直接操作彼此代码之间无缝切换。你可能会共享屏幕，让AI跟随并给出建议和意见，或者AI共享它的屏幕，而你在它操作时给予指导。
最近，我向 「海投AI- python专家」 提问：“使用 python3 完成一份 MACD 技术指标的交易代码。”它会帮助我完成代码的基础部分，并根据我们的具体需求，进一步的优化代码。详情：5分钟用AI写出1000%收益率的交易策略
