Dunia pembangunan perisian sedang gempar dengan tuntutan peningkatan produktiviti revolusioner melalui pengekodan dibantu AI. Seorang jurutera Amazon baru-baru ini menerangkan bagaimana pasukannya mencapai hasil pengekodan 10x ganda menggunakan agen AI seperti Amazon Q dan Kiro, tetapi komuniti pemaju tidak sepenuhnya yakin. Semasa pasukan berlumba-lumba untuk menggunakan alat baharu ini, persoalan timbul sama ada amalan pembangunan semasa kami dapat menangani kadar dipercepatkan.
Janji Produktiviti Bertemu Kebimbangan Praktikal
Tuntutan utama yang mendorong revolusi pengekodan AI adalah peningkatan produktiviti yang dramatik. Pasukan melaporkan menulis kod pada kelajuan yang tidak pernah berlaku sebelum ini, dengan seorang jurutera menyatakan bahawa 80% kod komitmen mereka kini datang dari agen AI. Pendekatan pengekodan agenik ini meletakkan manusia sebagai pengkaji dan penyelia dan bukannya pengekod utama. Aliran kerja melibatkan memecahkan tugas, memberikan prompt kepada agen AI, dan mengkaji output dengan teliti sebelum melakukan perubahan.
Walau bagaimanapun, komuniti pemaju masih ragu-ragu tentang apa sebenarnya yang disampaikan oleh peningkatan halaju ini. Sesetengah pengulas mempersoalkan sama ada lebih banyak kod semestinya bermaksud perisian yang lebih baik, dengan menyatakan bahawa artikel itu memberikan sedikit perincian tentang apa yang sebenarnya dibina dengan pendekatan dipercepatkan ini.
Artikel LLM klasik: Data abstrak menunjukkan peningkatan dalam 'produktiviti' ... CHECK. Langsung tiada maklumat tentang apa yang dibina dengan 'produktiviti' itu ... CHECK
Metrik Produktiviti Yang Dilaporkan:
- 80% daripada kod yang dikemukakan ditulis oleh ejen AI
- Peningkatan 10x dalam pengeluaran pengkodan berbanding pasukan berkelajuan tinggi biasa
- Pepijat yang memberi kesan kepada pengeluaran boleh meningkat daripada 1-2 setahun kepada kejadian mingguan pada kelajuan semasa
Infrastruktur Pengujian Bergelut Di Bawah Jumlah Dihasilkan AI
Pecutan pesat dalam pengeluaran kod mendedahkan kelemahan asas dalam pendekatan pengujian tradisional. Apabila pasukan beralih dari beberapa komit sehari kepada berpuluh-puluh, saluran paip CI/CD dan strategi pengujian sedia ada dengan cepat menjadi penghad. Penulis artikel membandingkan ini dengan perlumbaan Formula 1 - kelajuan tinggi memerlukan sistem keselamatan yang unggul dan keupayaan tindak balas pantas.
Sesetengah pemaju berhujah bahawa penyelesaiannya bukanlah baharu. Kebergantungan mock dan strategi pengujian komprehensif telah wujud selama beberapa dekad, tetapi mengekalkannya selalunya terlalu mahal. Yang menariknya, agen AI kini mungkin membantu membina dan mengekalkan infrastruktur pengujian canggih yang diperlukan untuk menyokong kod dijana AI, mewujudkan kitaran yang saling memperkukuh.
Pendekatan Pembangunan:
- "Pengekodan agentik" - kerjasama manusia-AI
- Setiap komit mempunyai semakan dan kelulusan jurutera
- Peraturan panduan menghadkan tingkah laku ejen AI
- Bahasa pengaturcaraan Rust diutamakan untuk keselamatan kompiler
Cabaran Komunikasi dan Penyelarasan Semakin Mendalam
Pada halaju pembangunan 10x ganda, pasukan menghadapi cabaran penyelarasan yang tidak dapat ditangani oleh kaedah komunikasi tradisional. Kadar yang meningkat bermaksud lebih banyak keputusan seni bina berlaku serentak, mewujudkan potensi konflik apabila perubahan jurutera bersilang. Sesetengah pengulas menyatakan bahawa penyelesaian Amazon - dengan mempunyai pasukan duduk bersama untuk penyelarasan segera - tidak boleh dikecilkan untuk pasukan teragih.
Kesesakan komunikasi menjadi kritikal apabila berbilang jurutera membuat keputusan yang memberi kesan kepada pangkalan data kod dikongsi. Menunggu jawapan Slack atau mesyuarat yang dijadualkan mewujudkan kelewatan yang terkumpul dengan cepat pada halaju tinggi. Ini mencadangkan bahawa pasukan dibantu AI yang berjaya mungkin perlu memikirkan semula bukan sahaja alat mereka, tetapi juga corak kerjasama asas mereka.
Alat AI Utama yang Disebut:
- Amazon Q (pembantu pengekodan AI)
- Kiro (pembantu pengekodan AI)
- Claude (disebut dalam komen sebagai alternatif)
Kos Sebenar Pembangunan Berhalaju Tinggi
Di sebalik tuntutan produktiviti terletak realiti yang lebih membimbangkan: peningkatan halaju mungkin bermaksud peningkatan pepijat dan isu pengeluaran. Matematiknya mudah - jika kadar ralat kekal malar manakala jumlah komit meningkat 10x ganda, insiden pengeluaran boleh menjadi kejadian mingguan dan bukannya acara tahunan.
Sesetengah pemaju mentafsir seruan untuk pengujian yang lebih baik sebagai pengakuan bahawa pengekodan AI menghasilkan lebih banyak kod bermasalah. Komuniti masih berpecah tentang sama ada keuntungan produktiviti mewajarkan pertukaran kualiti yang berpotensi, dengan sesetengah bimbang bahawa pengurusan akan mewajibkan alat AI tanpa memahami keperluan infrastruktur yang diperlukan untuk menyokongnya.
Langkah ke hadapan untuk pembangunan dibantu AI nampaknya memerlukan perubahan asas kepada keseluruhan kitaran hayat pembangunan perisian. Pasukan tidak boleh hanya menambah alat AI kepada proses sedia ada dan mengharapkan penambahbaikan mampan. Kejayaan sebenar mungkin datang apabila organisasi menggunakan AI bukan sahaja untuk menulis kod dengan lebih pantas, tetapi untuk membina infrastruktur teguh yang diperlukan untuk menyokong pembangunan dipercepatkan dengan selamat.
Rujukan: The New Calculus of Al-based Coding