本文作者分享了过去一年使用大型语言模型（LLMs）进行编程的经验，并认为LLMs对他的工作效率有积极影响。他主要通过三种方式使用LLMs：代码自动补全、搜索复杂环境问题的答案以及聊天驱动编程。其中，聊天驱动编程虽然最具价值但也最复杂，需要调整编程习惯。作者强调，LLMs在处理明确目标和提供背景信息的任务时表现最佳，并建议将LLMs用于编写可轻松验证的代码，例如测试。此外，作者还探讨了LLMs如何影响代码结构，认为更小、更多的包可以更好地利用LLMs的优势。最后，作者介绍了正在开发的工具 sketch.dev，旨在为Go语言编程提供一个专门的LLM开发环境。

这也是我目前觉得使用 LLM 比较合适的姿势。基于 Code Base 去 generate code 虽然很方便，但容易失控。前期做好分解工作，给 AI 明确的、小的 Task，或者生成 Test Cases 这样繁杂的琐事可能更合适。