新人AI代码不能直接加入项目用AI指导新人提升经验来处理

背景

最近有朋友问公司让新人用AI写代码，又不允许提交模型生成内容，怎么做？。

最新消息，有一个开源项目。 Super CodeGX能够把代码的AI风格AI味道改成相对有人工风格的味道。不过目前只能处理Python，不支持其他语言。用Super CodeGX需要读取你的代码，在理论上是安全的，但是它毕竟是开源的项目，开源的呢就只能是试一试的感觉。

所以这个问题回到本质上是新人，新人用AI写代码。新人对AI代码的审查能力比较弱。比较弱就不安全。所以就需要快速的学习，学成一定的终极的能力，让老板和同事放心。同时对AI生成的代码的问题呢，能够找出来，能够重写一下。这里讲到本文的重点，AI是能指导新手，快速进阶到中级的，就看您是怎么用。

现在很多公司用AI构建知识库来进行指导教育和员工培训，这表明AI的教育培训是已经走通的形式。

如果没有知识库个人来说，怎么让AI当成自己的老师来让自己快速成才。

首先要深刻理解AI生成文档的框架完美性， AI对各个网页进行收集整理总结，能够生成学习线路文档，生成具体问题的解决文档，有这两个文档呢，耐心的去看一看，理解同时把例子里面的代码抄一抄再改一改，或者试用一下。

锐英源软件在开发工业控制平台的时候要进行数据的热冷备份，热数据进行缓存优化，调用内存数据库来实现这个目的，中间使用过influxDB，开发的缓存优化模块功能正常，Influxdb对很多新手都是非常陌生的，这里就用DeepSeek加influxdb呢，来讲一讲如何在方向性进行学习，在细节上怎么学习。

向DeepSeek问influxdb是什么?

InfluxDB 不是一个纯粹的内存数据库，而是一个混合存储架构的时序数据库（Time Series Database）。它借鉴了内存数据库的设计理念来追求高性能，但同时也将数据持久化到磁盘，以确保数据不丢失。

它的工作方式可以从“内存”和“磁盘”两个层面来理解：

为了追求极致的读写速度，InfluxDB在内存中做了大量工作：

内存索引 (In-Memory Index)：默认使用内存索引来快速定位数据。这虽然查询极快，但系列基数（数据序列的数量）会受限于可用RAM的大小。
内存缓存 (In-Memory Cache)：新写入的数据会先进入内存缓存，使其立即可被查询。
内存缓冲区 (Memory Buffer)：在InfluxDB 3.0等新版本中，数据会先被保存在内存缓冲区中，定期再写入持久化存储。
内存列式存储：新版InfluxDB使用Apache Arrow作为数据在内存中的列式格式，以实现低延迟的实时查询分析。

为防止数据丢失，所有数据最终都会可靠地保存到磁盘上：

预写日志 (WAL)：数据写入内存缓存的同时，会立即写入WAL。这是数据库崩溃后恢复数据的保障。
TSM文件：内存缓存中的数据会定期写入磁盘，形成TSM（Time-Structured Merge Tree）文件。TSM引擎解决了时序数据高吞吐写入、压缩和查询速度的问题。
Parquet + 对象存储：在InfluxDB 3.0中，数据最终会以Parquet列式格式持久化到对象存储（如Amazon S3）中。这种设计在提供高压缩比的同时，也实现了存储与计算的分离。

与Redis等将所有数据保存在RAM中的典型内存数据库不同，InfluxDB的设计目标是高性能与数据持久性兼得。它利用内存加速，但核心存储引擎确保了数据被安全地写入磁盘。

如果你想让它完全在内存中运行，官方文档和社区反馈表明，这并非设计目标，且不被推荐。唯一可能的“变通”方法是创建RAM磁盘来存放数据文件，但这样做效率低下且没有实际意义。

-----------------结束线---------------------------

从这总结可以看到influxdb技术点就是内存和磁盘两个方向，每个方向找一些命令行代码，自己操作操作。当然在操作前要安装好这个influxdb这种环境。安装在DeepSeek上也可以搜到文档，按照文档安装即可。

在提问：influxdb的In-Memory Cache有什么命令？硬盘存储有什么命令？回答比较长，这里就不不全面说，就举了一个命令。

查询

SELECT * FROM last_cache('table-name', 'cache-name')
SELECT * FROM distinct_cache('table-name', 'cache-name')

在SQL查询的FROM子句中使用特定函数来查询缓存数据。

查看磁盘使用情况：

这些命令记牢，学以致用，然后就可以在AI和实际代码之间建立转换层，通过转换层的能力的实现，转换一下代码，边转换边审查，就能把AI代码提升安全性，提升到一定程度。

但是有一个很实际的问题，AI的输出实在太快了啊，这么学起来对于新手是时间急促，在精力上是有压力的。这时候对方向知识有印象，精力放在具体细节上，对于AI生成的代码的细节，我们可以再问AI，问懂了以后，把它进行调整修改，同时加一些自己的注释，用土办法解决实际问题。

这一般是在工作中的时候的选择，在学习期间，特别是大学期间，最好是抱着一些书把基础的内容全部学会，在基础层面能到做到灵活运用知识全面。

友情链接