最近用這個 AI tool aider ，來幫助開發算是感覺還不錯，目前在emacs開發的時候，大部分都是用這個工具來協助，要不然用vscode的人應該都是用 cline 了吧？ 或是有些人直接換成用 cursor editor！ 我是沒用過那些啦，身邊大部分的都是用 cursor， 我個人目前就用 aider 而已，畢竟在 terminal 用，感覺比較像 hacker lol？ 其實主要原因是這套工具比較可以控制，你要讓他讀什麼資料，幫忙產生相對範圍比較精準的結果，但是就是用起來比較沒那麼自動化的感覺，不過其實用什麼 model 還是最重要的，只能說現在就是只有 claude 跟 chatgpt 這兩家才比較好用~ 但是就是要錢錢~

身爲免費仔的使用方式

目前爲止，看了看跟使用起來，大概只有 https://mistral.ai/ 有提供足夠用的免費 API 跟 context size，但是他有特別說明，要用免費版的，就是你的資料會被拿去使用，另外申請API key 上沒什麼特別要注意的，就按一按就有了。關於資料會被拿去使用，我想了想，就算是那些要付費的，也是偷偷拿去訓練資料吧~ 要不然 claude 跟 chatgpt 怎 model 進步這麼快，我只能說對於比較敏感的資料大家就不要亂使用了，要不然就是你本地自己用 open source model 來用，只是我之前用起來就是確實準確度還是差了不少！

如果有更好用的免費API也可以自己去申請，順便看看 aider caht 有沒有支援（它支援很多通常會有），接下來就是下指令讓adier 去使用你剛剛申請的 mistrl ai api

export MISTRAL_API_KEY=<your key>
aider --model mistral/mistral-large-latest

然後就可以開始玩玩看了，下面我用 rust 小專案實驗。

用 rust 簡單的 project 來示範

這邊是身爲一個沒怎麼學過 Rust 的我，向AI請教怎麼幫我的 rcat 專案（一個小小的 cmd tool），寫 integration tests，我這裡使用 aider-caht 提供的 architect mode，看他給的解答，然後其實他後面也有給code跟建議安裝什麼輔助測試套件。

另外就是 mistral 產生結果的時候有點慢，很常需要等個一兩分鐘才會有結果出來。。 剛好拿這段時間讓眼睛休息一下？ 現在的體感拿來幫忙產生測試算是不錯，幾乎不太有什麼大問題，雖然有時候還是會錯就是了 lol 反而有時候在找到底錯哪裡花了一點時間，有點像是陷入錯誤引導的感覺，乍看似乎都對，但是要很仔細看才知道哪裡被雷到。

#[test]
fn test_rcat_file() {
    let temp_file = tempfile::NamedTempFile::new().unwrap();
    let temp_path = temp_file.path().to_str().unwrap().to_string();
    fs::write(&temp_path, "Hello, world!\n").unwrap();

    let mut cmd = Command::cargo_bin("rcat").unwrap();
    cmd.arg(&temp_path);
    cmd.assert()
        .success()
        .stdout(predicate::str::contains("Hello, world!\n"));
}

#[test]
fn test_rcat_stdin() {
    let mut cmd = Command::cargo_bin("rcat").unwrap();
    cmd.arg("-");
    cmd.write_stdin("Hello, world!\n")
        .assert()
        .success()
        .stdout(predicate::str::contains("Hello, world!\n"));
}

#[test]
fn test_rcat_number_lines() {
    let temp_file = tempfile::NamedTempFile::new().unwrap();
    let temp_path = temp_file.path().to_str().unwrap().to_string();
    fs::write(&temp_path, "Line 1\nLine 2\n").unwrap();

    let mut cmd = Command::cargo_bin("rcat").unwrap();
    cmd.arg("-n").arg(&temp_path);
    cmd.assert()
        .success()
        .stdout(predicate::eq("     1  Line 1\n     2  Line 2\n"));
}

#[test]
fn test_rcat_show_ends() {
    let temp_file = tempfile::NamedTempFile::new().unwrap();
    let temp_path = temp_file.path().to_str().unwrap().to_string();
    fs::write(&temp_path, "Line 1\nLine 2\n").unwrap();

    let mut cmd = Command::cargo_bin("rcat").unwrap();
    cmd.arg("--show-ends").arg(&temp_path);
    cmd.assert()
        .success()
        .stdout(predicate::eq("Line 1$\nLine 2$\n"));
}

#[test]
fn test_rcat_number_nonblank_lines() {
    let temp_file = tempfile::NamedTempFile::new().unwrap();
    let temp_path = temp_file.path().to_str().unwrap().to_string();
    fs::write(&temp_path, "Line 1\n\nLine 2\n").unwrap();

    let mut cmd = Command::cargo_bin("rcat").unwrap();
    cmd.arg("-b").arg(&temp_path);
    cmd.assert()
        .success()
        .stdout(predicate::eq("     1  Line 1\n\n     2  Line 2\n"));
}

姑且不論正確性，光是它讀我的code，就能夠猜出大概測試應該要長怎樣，確實還算不賴，如果我用的付費的model可能會更順也說不定，也難怪有聽朋友用 cursor + claude，他說現在他寫code幾乎都是AI幫忙~ 我後來有稍微測試了一下，用 mistral ai 來 refactor 這個專案code，他給了一個看起來煞有其事的code lol 實際上邏輯有問題，但是我丟到 claude 叫它 refactor，給的就是正確的！ 精準度果然高上不少，也難怪連 aider chat 自己官方都推薦用 claude ， 請看這邊 https://aider.chat/docs/llms.html。

• GPT-4o

• Claude 3.5 Sonnet

• Claude 3 Opus

• DeepSeek Coder V2

這幾個是官方目前推薦的。

接著來問看看怎麼寫 benchmark~

給的回應也是不錯，算是上上選 https://nnethercote.github.io/perf-book/benchmarking.html ，老樣子不是開箱即用，還是有些地方要自己調整，其中像是 Cargo.toml 要加下面這段

[[bench]]
name = "benchmark"
harness = false

這部分看官方網站就有說明了，只能說目前AI coding方面，後端部分體感上還是容易出現有問題的程式碼，前端倒是很少出現問題，相信以後AI會越來越好用的，現在都出現一堆 no code 的工具，像是圖片自動轉前端的程式碼，等到連後端都可以輕鬆 spec 轉成 business code 後，或許還真的有機會靠嘴巴一條龍產業鏈呢 lol

感想

現在還是專注當前吧！ 不需要過度去幻想AI到底會如何，我們不是那些開發AI的人，這不是我們該擔心的部分，反而我們是要瞭解它現在可以爲你帶來什麼幫助。

目前爲止我都只有拿來用程式跟學習方面，但是其實各個不同領域的應用也都很值得嘗試，我個人覺得學習方面的幫助很有感，當然要注意AI是不是會給你錯誤的資訊，但是它厲害的給你的方向性跟統整性，藉由你跟它對話這樣一句一句迭代下去，你的學習更有深入感，因爲你得到資訊的同時，你在想著其他可能性，然後就會繼續的發問，一問一答的互動，才是有效的學習方式，不禁感慨以前學習，都是跟書本爲伍，或是幾乎單方面聽老師講課，畢竟老師一個人要面對很多人，總不可能開分身術跟你一對一互動吧，所以教學方式就很制式化，即使課堂有試驗，還是屬於一個呆板的互動，學習體驗差很多啊~

我相信教育應該會因爲AI的關係衝擊不小~ AI這把雙面刃到底會爲這個世界帶來怎樣的改變呢？ 讓我們繼續看下去。