AI 代码的情况较为复杂，具体表现如下：
单独给AI从零开始写一些小功能没有任何问题，相信这类案例已经不少了，但是《玩具帝国》的情况不足以让AI从零开始，而AI还没到可以完全写出程序架构的时候。如果让AI给我写小功能的话，我写的程序框架又比较复杂，而现在的AI还不足以把我所有的程序框架学会，所以我的解决方案是，把不方便配表而又需要撰写的代码交给AI。这种代码的特点是简单、模板化、多是调用API，只牵涉小部分的特殊逻辑。以Buff系统为例，游戏里的Buff特别多，有些Buff带有不同的执行逻辑，不方便统一配表，撰写这些Buff的代码又非常耗时。试了下用Cursor让它仿照我的代码写一些Buff，发现生成结果可以直接用。不过目前Cursor生成复杂代码还需要复杂的前期调教，多开几次之后觉得很麻烦，用多了之后发现还是ChatGPT比较方便。以下面这段代码为例，我给出的模板代码是对ProducebleCombatUnitBase单位的Attack、Defence、Speed属性进行调整：我将多段类似的代码喂给AI后，询问它是否学会了，并让他总结规律：然后，尝试让它撰写一个类似的：Then please write a Buff,which acts on a Musketeer,and Musketeer is a kind of unit.What it does is make its CostFood 1.5 times what it was.
生成性AI作为程序员的助手是最早的应用之一。它的工作方式是：一个模型在大量的代码库（例如，GitHub上的所有公共仓库）上进行训练，然后在程序员编码时给出建议。这些结果是非常出色的。实际上，可以合理地预期这种方法将成为未来编程的代名词。生成的代码：对不使用分号的攻击具有安全防护然而，相对于我们下面将介绍的图像生成，生产力的提升相对较小。其中一部分原因，如上所述，是在编程中（实际上，在更广泛的工程问题中也是如此，但在这篇文章中我们关注编程）正确性至关重要。例如，[最近的一项研究发现](https://arxiv.org/abs/2108.09293v2)，对于匹配高风险[CWEs（常见弱点枚举）](https://cwe.mitre.org/about/faq.html)的场景，40%的AI生成的代码包含漏洞。
代码块对于非程序员来说运用有一些难度，但是如果你愿意折腾，其实在AI时代，学习一些基础的语法就足够了，因为具体的逻辑可以让AI来帮你写。这里的Python代码就是AI帮我写的（我是Java开发，不会Python）