用 AutoCoder 开发了一个前后端的实际项目，只要迭代步骤拆解的狗合适（如图），在 Calude Opus 里，基本可以做到完全开启 auto-merge（放心的合并进去）。 一共大概发生了三到四次 auto-coder revert 动作（对某次迭代不满意）。 很爽的地方是，前后端代码可以通过 source_dir 和 urls 互相引用，在写后端代码的时候让大模型参考前端，反之亦然，可以很好的完成迭代。有一次大模型写对，但因为我网络问题，上传一直有问题，我一直以为是大模型写错了。。。搞了好久[苦涩]

对多语言掌握其实问题不大，但是缺点是记忆长时间不用会被打包，以及一些库确实容易忘。看看我这些年都用那些语言在做开发：

1. Byzer-SQL 是Java+Scala+Python 混合语言。
2. Byzer-Shell 是 Rust开发的
3. Byzer-Notebook前身 是我用 ReactJS + TypeScriptK开发的。现在是 JS+Vue
4. Byzer-Desktop 是用 Go 开发的 Wraper
5. Byzer-retrieval 使用 Java21 开发的
6. Byzer-LLM、Byzer-Agent，ByzerPerf, ByzerEvaluation 以及 Auto-coder 则是纯 Python 开发的。

早年我还做过 Ruby Web 开发（虽然只做了大概几周就转Java 搜索了）。因为每期我关注的重点不一样，所以有些项目就会有一段时间可能不去弄，就容易忘，再捡起来又要做线程切换，成本有点高。大模型作为助手其实可以有效的缓解这些问题。目前Byzer-LLM, Auto-Coder 两个项目已经是完全使用 Auto-coder 驱动开发，基本每天都可以上线几个新功能feature。 后续要慢慢拓展到其他项目里去。

另外我还发现，新功能feature用 Auo-Coder 开发，有点像数据库schema 变更，大家请看图，像不像？

在 auto-coder 中新增了搜索引擎支持。大家可以看看里面的逻辑：

1. 通过bing 进行检索
2. 对bing的检索使用大模型重排
3. 获取排名第一个内容，获取对应的url里的完整内容
4. 使用大模型对内容进行处理（比如把html文本内容抽取出来）
5. 基于该文章，回答用户问题。

下面是一个效果。我们后续会结果进行任务拆解，方便自动化执行，很快会对接上，给到用户最好的体验。

为啥有这个功能？主要还是大模型直接回答类似的问题很不稳定，需要给到合适的输入。