如果您想入坑 AI，以下是一些建议：
[title]AI辅助在独立游戏开发中的“踩坑”经验——《玩具帝国》[heading2]三、AI代码单独给AI从零开始写一些小功能没有任何问题，相信这类案例已经不少了，但是《玩具帝国》的情况不足以让AI从零开始，而AI还没到可以完全写出程序架构的时候。如果让AI给我写小功能的话，我写的程序框架又比较复杂，而现在的AI还不足以把我所有的程序框架学会，所以我的解决方案是，把不方便配表而又需要撰写的代码交给AI。这种代码的特点是简单、模板化、多是调用API，只牵涉小部分的特殊逻辑。以Buff系统为例，游戏里的Buff特别多，有些Buff带有不同的执行逻辑，不方便统一配表，撰写这些Buff的代码又非常耗时。试了下用Cursor让它仿照我的代码写一些Buff，发现生成结果可以直接用。不过目前Cursor生成复杂代码还需要复杂的前期调教，多开几次之后觉得很麻烦，用多了之后发现还是ChatGPT比较方便。以下面这段代码为例，我给出的模板代码是对ProducebleCombatUnitBase单位的Attack、Defence、Speed属性进行调整：我将多段类似的代码喂给AI后，询问它是否学会了，并让他总结规律：然后，尝试让它撰写一个类似的：Then please write a Buff,which acts on a Musketeer,and Musketeer is a kind of unit.What it does is make its CostFood 1.5 times what it was.教AI就像哄小孩，有正确的需要及时肯定，不过似乎AI对否定非常敏感，指出错误的时候要克制，不断完善它的经验。现在尝试写一个复杂的Buff，作用于一个Worker，Buff生效后，Worker的生命值和速度将翻倍。Buff失败时，如果Worker的HP不大于50，Buff的效果会恢复，否则不恢复。
[title]AI辅助在独立游戏开发中的“踩坑”经验——《玩具帝国》[heading2]三、AI代码这里用到了取Worker的HP的操作，所以我需要告知AI怎么取一个Unit的某个属性：if you want to get a certain attribute of a unit,such as Worker's HP,you can use"Worker.HP"to get it.Let's write a slightly more complicated Buff,which acts on a Worker,and Worker is a kind of Unit.When the Buff takes effect,the Worker's HP and Speed will be doubled.When the Buff fails,if the Worker's HP is not greater than 50,the effect of the Buff will be restored,otherwise it will not be restored.完全能用……再进一步，让它撰写能作用于多个Unit对象的Buff：Write a slightly more complicated Buff,which acts on the Unit.If the Unit is a Spearman,then his Attack will be increased by two.If the Unit is an Archer,then his Defense will be increased by two.总之，ChatGPT在应付简单的、模板化的代码时还是比较轻松的。核心的步骤是：1.给它看你的代码模板，确认其中的注释清晰。2.如果有新的API需要调用，需要及时告诉它。3.说出你的需求。
[title]写给不会代码的你：20分钟上手Python + AI[heading1][heading3]如果希望继续精进...对于AI，可以尝试了解以下内容，作为基础AI背景知识基础理论：了解人工智能、机器学习、深度学习的定义及其之间的关系。历史发展：简要回顾AI的发展历程和重要里程碑。数学基础统计学基础：熟悉均值、中位数、方差等统计概念。线性代数：了解向量、矩阵等线性代数基本概念。概率论：基础的概率论知识，如条件概率、贝叶斯定理。算法和模型监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。无监督学习：熟悉聚类、降维等算法。强化学习：简介强化学习的基本概念。评估和调优性能评估：了解如何评估模型性能，包括交叉验证、精确度、召回率等。模型调优：学习如何使用网格搜索等技术优化模型参数。神经网络基础网络结构：理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。激活函数：了解常用的激活函数，如ReLU、Sigmoid、Tanh。