Janji aliran kerja pembangunan berkuasa AI sedang menghadapi penelitian serius apabila pembangun melaporkan kekecewaan yang meluas dengan alat semasa. Eksperimen terkini yang menjejaki dua minggu pembangunan aplikasi dengan bantuan penuh AI telah mencetuskan perbincangan sengit komuniti mengenai batasan dunia sebenar model bahasa besar (LLM) dalam tugas pengekodan.
Masalah Konteks Melanda Pembangunan AI
Isu yang paling berterusan yang dihadapi pembangun ialah ketidakupayaan AI untuk bertanya soalan penjelasan apabila maklumat hilang. Tidak seperti pembangun manusia yang secara semula jadi mencari maklum balas apabila keperluan tidak jelas, alat AI membuat andaian yang sering membawa kepada pelaksanaan yang salah. Ini mewujudkan kitaran yang mengecewakan di mana pembangun mesti memberikan konteks yang menyeluruh di awal, namun masih menghadapi kegagalan yang tidak dijangka.
Ahli komuniti melaporkan pengalaman yang sama merentasi alat dan tugas yang berbeza. Seorang pembangun menghabiskan lebih sejam cuba mendapatkan arahan rsync yang mudah daripada ChatGPT, hanya untuk menerima parameter yang tidak berfungsi dengan versi sistem mereka. AI tersebut terus menyelami lubang arnab penyelesaian masalah daripada mengakui batasannya atau bertanya untuk maklumat yang lebih khusus mengenai persediaan pengguna.
Limitasi Utama Pengkodan AI Yang Dikenal Pasti
- Isu Konteks: AI tidak bertanya soalan penjelasan apabila maklumat hilang
- Pendua Kod: Mencipta pelbagai versi komponen yang sama daripada menggunakan semula kod sedia ada
- Keserasian Versi: Menghalusinasi parameter untuk versi perisian tertentu yang tidak terdapat dalam data latihan
- Gangguan Aliran Kerja: Merosakkan aliran pembangun dengan keperluan pemantauan berterusan
- Masalah 80/20: Mudah untuk mendapat penyelesaian 80% yang berfungsi, tetapi 80% masa masih diperlukan untuk penggilap
Kualiti Kod dan Kebolehselenggaraan Terjejas
Kod yang dijana AI sering kekurangan abstraksi dan kebolehgunaan semula yang dijangkakan oleh pembangun berpengalaman. Daripada mengenali komponen dan corak sedia ada, alat AI sering menduplikasi fungsi merentasi projek. Pembangun melaporkan menemui pelbagai versi komponen yang sama tersebar di seluruh pangkalan kod mereka, mewujudkan mimpi ngeri penyelenggaraan.
Peraturan 80/20 menjadi sangat ketara dengan bantuan AI. Walaupun alat boleh dengan cepat menjana kod yang kelihatan berfungsi, pembangun masih menghabiskan kira-kira 80% masa mereka membetulkan ketidakkonsistenan, mengendalikan kes tepi, dan memastikan integrasi yang betul dengan sistem sedia ada.
Isu Keserasian Versi dan Halusinasi
Batasan teknikal utama timbul daripada kekangan data latihan AI. Apabila bekerja dengan versi perisian khusus atau API yang didokumentasikan dengan buruk, alat AI sering berhalusinasi parameter, titik akhir, dan fungsi yang tidak wujud. Masalah ini sangat teruk dengan alat baris arahan di mana versi berbeza mempunyai keperluan sintaks yang berbeza-beza.
Jika ia memberikan anda bendera yang salah, mengapa anda menganggap penjelasan yang diberikan adalah tepat? LLM boleh membuat perkara tersebut dengan sama baiknya.
Sesetengah pembangun telah menemui penyelesaian dengan memberikan dokumentasi lengkap dalam gesaan mereka, tetapi pendekatan ini boleh menggunakan berjuta-juta token untuk masalah yang agak mudah, menimbulkan kebimbangan kos.
Gangguan Aliran Kerja dan Momentum Hilang
Sifat interaktif pengekodan AI mewujudkan masalah aliran kerja yang tidak dijangka. Pembangun melaporkan kehilangan aliran pengaturcaraan mereka kerana mereka mesti sentiasa memantau output AI untuk menangkap kesilapan awal. Irama pembangunan tradisional tempoh fokus berterusan digantikan dengan kitaran perhatian berpecah-belah penghalusan gesaan dan semakan kod.
Ramai pembangun berpengalaman mendapati bahawa tugas yang boleh mereka selesaikan dengan cepat melalui kaedah tradisional menjadi latihan yang memakan masa dalam kejuruteraan gesaan apabila dicuba dengan bantuan AI.
Kes Penggunaan Pengekodan AI yang Berkesan (Berdasarkan Maklum Balas Komuniti)
- Penjanaan potongan kod (fungsi utiliti seperti
chunkify,clamp,mapValues) - Penulisan kes ujian dan penemuan senario
- Carian dokumentasi dan penyesuaian konteks
- Penjanaan kod boilerplate
- Penyuntingan salinan untuk mesej commit dan penulisan teknikal
- Penyahpepijatan rubber duck dan sumbang saran penyelesaian alternatif
Mencari Titik Manis
Walaupun menghadapi cabaran ini, komuniti pembangun telah mengenal pasti kes penggunaan khusus di mana alat AI memberikan nilai tulen. Ini termasuk menjana kod boilerplate, menulis kes ujian, berkhidmat sebagai enjin carian yang dipertingkatkan untuk dokumentasi, dan mengendalikan tugas pengekodan berulang seperti fungsi utiliti.
Konsensus yang muncul menganggap AI sebagai pembantu khusus dan bukannya pengganti untuk kemahiran pembangunan tradisional. Pelaksanaan yang berjaya cenderung melibatkan pembangun yang memahami teknologi asas dengan cukup baik untuk dengan cepat mengenal pasti dan membetulkan ralat yang dijana AI.
Ketika teknologi terus berkembang, komuniti pembangunan kekal optimis secara berhati-hati sambil mengekalkan jangkaan yang realistik mengenai batasan semasa. Kuncinya nampaknya adalah mencari keseimbangan yang tepat antara bantuan AI dan pengawasan manusia, dan bukannya mengejar aliran kerja pembangunan automatik sepenuhnya.
Rujukan: TO AI OR NOT TO AI
 |
|---|
| Meneroka keseimbangan antara bantuan AI dan pengawasan manusia dalam pembangunan aplikasi |