Pelancaran Sniffly, papan pemuka analitik baharu untuk penggunaan Claude Code, telah mencetuskan perbincangan hangat mengenai kualiti dan keseragaman kod yang dijana oleh AI. Walaupun alat ini berjanji untuk membantu pembangun menjejaki corak pengekodan AI dan kos mereka, ia telah menjadi titik tumpuan untuk kebimbangan yang lebih luas mengenai keadaan pembangunan perisian moden.
Metrik Analitik Sniffly
- 1746 arahan digunakan
- 24.5% kadar gangguan
- 6.91 hentian setiap arahan
- 82% kadar penggunaan alatan
- $4,310.33 USD kos projek
- 1912.7M bacaan cache prompt
Kebangkitan Vibe Coding dan Pengkritiknya
Komuniti pembangun sedang bergelut dengan apa yang dipanggil sebagai vibe coding - amalan menggunakan AI untuk menjana kod dengan pantas tanpa semakan menyeluruh. Pengkritik berhujah bahawa pendekatan ini membanjiri internet dengan kod yang sederhana dan seragam yang tidak mempunyai kreativiti dan kemahiran kod yang ditulis oleh manusia. Mereka menunjukkan struktur ayat yang sama dalam dokumentasi, penggunaan berlebihan emoji, dan kehamburan umum yang menjadikan projek sukar untuk dinilai pada pandangan pertama.
Kebimbangan ini melangkaui estetik. Pembangun melaporkan bahawa projek yang kelihatan licin dengan dakwaan yang meyakinkan sering menyembunyikan kod yang berfungsi dengan buruk di bawahnya. Ini mewujudkan cabaran baharu: isyarat tradisional untuk menilai kualiti projek tidak lagi berfungsi dengan boleh dipercayai.
 |
|---|
| Carta pai ini menggambarkan taburan pelbagai jenis ralat pengkodan, menekankan cabaran yang dihadapi dalam pembangunan perisian moden |
Mempertahankan Pembangunan Berbantu AI
Penyokong alat pengekodan AI berhujah bahawa teknologi ini mendemokrasikan pembangunan perisian, menjadikannya lebih mudah bagi orang ramai untuk menyelesaikan masalah peribadi dengan kod. Mereka berpendapat bahawa pembangun yang baik akan mengekalkan standard mereka tanpa mengira alat yang mereka gunakan, manakala mereka yang menulis kod yang buruk akan terus berbuat demikian dengan atau tanpa bantuan AI.
Pembangun yang mempunyai keperluan ketat terhadap kod yang mereka 'hasilkan' akan membuat LLM sesuai dengan keperluan mereka apabila diperlukan, dan pembangun yang 'cuai' akan terus menerbitkan kod spaghetti, tanpa mengira kewujudan LLM.
Kunci, menurut penyokong, terletak pada pelaksanaan yang betul: menggunakan AI untuk tugas yang sesuai seperti komponen kebergantungan rendah dan bukannya infrastruktur teras, mengekalkan amalan ujian yang ketat, dan menganggap kod yang dijana AI sebagai titik permulaan dan bukannya produk siap.
Cabaran Penskalaan
Apabila keupayaan AI berkembang secara eksponen, sesetengah pihak berhujah bahawa kaedah semakan kod tradisional tidak akan dapat mengikuti. Ini telah membawa kepada perbincangan mengenai pendekatan baharu untuk pengesahan dan pengurusan kod. Syarikat seperti Anthropic telah membangunkan rangka kerja untuk menggunakan AI dengan selamat dalam persekitaran pengeluaran, menekankan kepentingan bertindak sebagai pengurus produk AI dan memberi tumpuan kepada hasil yang boleh disahkan.
Mencari Keseimbangan dalam Landskap Baharu
Perdebatan ini mencerminkan ketegangan yang lebih luas dalam pembangunan perisian antara produktiviti dan kualiti. Walaupun sesetengah pembangun memilih untuk merahsiakan projek eksperimen berbantu AI mereka untuk mengelakkan menyumbang kepada pencemaran kod, yang lain melihat nilai dalam berkongsi draf kasar idea yang mungkin tidak wujud sebaliknya disebabkan kekangan masa.
Komuniti nampaknya sedang menetap pada pendekatan bernuansa: mengiktiraf bahawa projek yang berbeza mempunyai keperluan kualiti yang berbeza, dan dokumentasi serta kod yang dijana AI boleh berfungsi sebagai isyarat berguna untuk penyiasatan yang lebih mendalam dan bukannya penolakan serta-merta.