Gerçekten İşe Yarayan Üç Yapay Zekâ Kodlama İş Akışı

Yapay zekâ ile kodlama tavsiyelerinin çoğu ürün lansmanı yazısı gibi: etkileyici demo, cuma gününe kadar unutuluyor. Aylarca her gün kullandıktan sonra yalnızca birkaç iş akışı işe yaradı. İşte kalıcı olan üçü.

1. Önce belirtim, sonra iskelet

Herhangi bir kod üretmeden önce yolları, veri biçimlerini ve uç durumları içeren kısa bir belirtim yazar, modelden bu taslağa göre kod hazırlamasını isterim. Belirtim küçüktür (bir ekranlık metin), ama yapay zekânın kötü vereceği kararları benim almamı sağlar.

Pratik kural: Belirtim tek ekrana sığıyorsa üretilen kod genellikle iyidir; sığmıyorsa görev bölünmelidir.

2. Testleri dayanak alan yeniden düzenleme

Yeniden düzenleme şöyle ilerler:

1. Birkaç karakterizasyon testiyle mevcut davranışı sabitleyin.
2. Modelin kodu serbestçe yeniden yazmasına izin verin.
3. İddiaları değiştirmeden testler geçene kadar yineleyin.

Sözleşme istem değil testlerdir. Belirsiz istemler belirsiz yeniden düzenlemeler üretir; başarısız bir test ise net bir bitiş çizgisi olan bir konuşma başlatır.

3. İstem olarak inceleme

Yapay zekânın en etkili olduğu an kod üretimi değil, incelemedir. Bir diff'i yapıştırıp “Üretimde ne bozulur?” diye sormak, kodu yazdıktan hemen sonra gözümün kaçırdığı hata sınıflarını yakalar: hata yolları, saat dilimi hesapları ve çığa dönüşen yeniden denemeler.

İşe yaramayanlar

• Gerçek ürün kodunda tamamen otonom çok dosyalı ajanlar — inceleme maliyeti yazmaktan sağlanan tasarrufu aştı.
• Yapay zekâ ile üretilmiş commit mesajları; belgeleri otomatik üretmememle aynı nedenle: yazma eylemi düşünmenin kendisidir.
• İstem kitaplıkları. İyi istemler içgüdüye dönüştü; diğerleri köreldi.

Üçünün ortak örüntüsü: Yapay zekâ, niyetlerime değil, benim kontrol ettiğim bir esere — belirtime, test paketine veya diff'e — bağlandığında en iyi sonucu veriyor.