第1课：大势不可逆，得势者必胜

用户7006

用户7479

1月30日修改

立即报名

填了入学申请，才能拿到结业证书

25%

作业提交

正常我们提交作业，填这个表单即可，结业证书看入学申请与作业提交表单​

25%

志愿者申请

有多个角色的志愿者，有时间有意愿的小伙伴可去申请

25%

作业投稿

是把你自己写得特别好的文章，笔记向社区投稿，优秀笔记选中后是作为优秀学员的加分项​

26%

学员须知（小白必看）

AI训练营 - 学员须知（持续更新）

👾

这堂课我们聊「势」。所谓的「势」，指的是事物未来发展轨迹的状态，而我理解的是「势」分成「行业势」和「个体势」。对我们而言，先看到势再乘势而上。​

课程预览

今天的课程会包含以下内容：

1.
AI Coding 行业发展趋势以及玩家分布（行业势）。​

2.
AI Coding 现阶段主流的应用场景（行业势）。​

3.
超级个体需要具备的产品和工程师思维（个体势）。​

4.
产品思维拆解一款产品的最基础构成（个体势）。​

5.
工程师思维讲解新趋势下构建一款产品的基础原件（个体势）。​

来，我们开始上课！

👾

这堂课我们聊「势」。所谓的「势」，指的是事物未来发展轨迹的状态，而我理解的是「势」分成「行业势」和「个体势」。对我们而言，先看到势再乘势而上。​

Slides

课程预览

今天的课程会包含以下内容：

1.
AI Coding 行业发展趋势以及玩家分布（行业势）。​

2.
AI Coding 现阶段主流的应用场景（行业势）。​

3.
超级个体需要具备的产品和工程师思维（个体势）。​

4.
产品思维拆解一款产品的最基础构成（个体势）。​

5.
工程师思维讲解新趋势下构建一款产品的基础原件（个体势）。​

来，我们开始上课！

Part 1 行业趋势

AI Coding 并非一蹴而就的技术跃迁，而是经历了从统计学概率预测到深度理解上下文，再到自主规划任务的演进过程。​

第一阶段：基于统计的自动补全（2015-2020）

在大型语言模型（LLM）爆发之前，代码补全工具主要依赖于统计模型（如N-gram）或早期的深度学习模型（如LSTM）。​

•
 这一阶段的代表产品包括Kite和早期的Tabnine。它们的核心逻辑是“预测下一个词”。通过分析大量的开源代码库，模型学习代码的概率分布。​

•
这些工具缺乏对长上下文的理解能力。它们只能感知当前行或临近几行的代码，无法理解跨文件的逻辑引用，更无法生成完整的函数或类。​

第二阶段：生成式 Copilot 时代（2021-2024）

第1课：大势不可逆，得势者必胜​