人工智能（AI）的编程技能正不断进步，但尚未完美。近期，BuzzFeed资深数据科学家Max Woolf通过实验发现，通过持续给予大型语言模型（LLM）“写更好代码”的提示，AI确实能产出更高质量的代码。这一成果引起了广泛关注，众多业界知名AI科学家也表现出浓厚兴趣，并强调了迭代和提示词设计的重要性。

在Woolf的实验中，他使用Claude3.5Sonnet版本的AI模型完成了一系列编程任务。最初，他向模型提出一个简单的编程问题：如何在百万个随机整数中找出各位数之和为30的最小值与最大值之间的差。Claude接受任务后，生成了满足要求的代码，但Woolf认为代码仍有改进空间。

image.png

随后，Woolf决定在每次生成代码后，都通过“写更好代码”的提示，让Claude进行迭代优化。第一次迭代后，Claude将代码重构为面向对象的Python类，并实现了两项显著优化，运行速度提升了2.7倍。第二次迭代中，Claude加入了多线程处理和向量化计算，最终使代码运行速度达到基础版本的5.1倍。

然而，随着迭代次数的增加，代码质量提升的速度逐渐放缓。经过多轮优化后，尽管模型尝试使用一些更复杂的技术，如JIT编译和异步编程，但某些迭代反而导致性能下降。最终，Woolf的实验揭示了迭代提示的潜力和局限性，引发了人们对AI编程未来的新思考。

这项研究不仅展示了AI在编程领域的应用潜力，也提醒我们，尽管AI能通过迭代提升代码质量，但在实际应用中，如何合理设计提示词、平衡性能与复杂性，仍是一个值得深入探讨的话题。