優れた思考モデルを使用する便利な方法は、コンパイラを拡張して、まだ十分にスマート™で検出できない問題を検出することです。たとえば、新しいクラスのバグをカバーする新しいエラーメッセージ。 たとえば、私は最近、生のCで大きな(15kトークン)ファイルを書きました。このファイルは、線形言語であるHVMでいくつかのハードコア関数を実装しており、変数を複数回使用することはできず、メモリが破損するリスクがあります。 これは非常に微妙なエラーです。ファイル全体を目視で検査するには、何年もかかります。デバッグは非常に難しいです。私は過去にこれのために何時間/何日も失いました。今回は、GCCではできない非線形の使用を検出するようにAIに求めるプロンプトを書きました。 すべてのエラーを一度に検出できなかったため、プロンプトを数回再実行する必要がありました。いずれにせよ、コード内の間違った場所をすぐに指摘し、すぐに修正することができました。幻覚が現れ始めるまでプロンプトを再実行し続けましたが、これは基本的にほとんどのエラーがなくなったことを意味します。

優れた思考モデルを使用する便利な方法は、コンパイラを拡張して、まだ十分にスマート™で検出できない問題を検出することです。たとえば、新しいクラスのバグを検出する新しいエラー メッセージ。 たとえば、私は最近、生のCで大きな(15kトークン)ファイルを書きました。このファイルは、線形言語であるHVMでいくつかのハードコア関数を実装しており、変数を複数回使用することはできず、メモリが破損するリスクがあります。 これは非常に微妙なエラーです。ファイル全体を目視で検査するには、何年もかかります。デバッグは非常に難しいです。私は過去にこれのために何時間/何日も失いました。今回は、GCCではできない非線形の使用を検出するようにAIに求めるプロンプトを書きました。 すべてのエラーを一度に検出できなかったため、プロンプトを数回再実行する必要がありました。いずれにせよ、コード内の間違った場所をすぐに指摘し、すぐに修正することができました。幻覚が現れ始めるまでプロンプトを再実行し続けましたが、これは基本的にほとんどのエラーがなくなったことを意味します。