【 Coding 應用AI的反思】 當 LLM 未出現的時候，自己編程的流程如下： 1. 如果簡單，利用經驗把執行步驟列出並實現 2. 如果複雜，就用邏輯＋經驗把問題拆細，直至子問題可以用步驟 1 實現 LLM 出現後，工作方式變成： 1. 把問題按照LLM的能力定義複雜度 2. 把問題拆細為子問題再轉換不同的prompt，再指導對應的LLM 完成 3. 在每個問題上，驗證LLM 的輸出並修改成真正的實現 在步驟2上，轉換過程需要對 LLM 的一定認識，而子問題的顆粒度是一個驗證成本的取捨，大的問題可能能夠被直接解決，但要付出相應的驗證成本。而 reasoning 模型能改善子問題的顆粒度，但其他成本例如時間也應考慮在內。