Dlaczego doświadczony programista odrzuca kod AI nawet gdy działa

Doświadczony programista Vini Brasil dzieli się swoimi przemyśleniami na temat pracy z narzędziami AI do generowania kodu. W swoim artykule wyjaśnia, dlaczego często odrzuca kod stworzony przez sztuczną inteligencję, nawet gdy działa poprawnie i przechodzi testy.

Autor zauważa, że wraz z coraz szybszą implementacją kod generowany przez AI, prawdziwym wyzwaniem staje się przegląd ogromnej ilości tworzonego kodu. Problem dotyczy nie tylko kodu współpracowników, ale również własnych zmian po zakończeniu pracy przez agenta kodującego.

Kluczowe wnioski

• Przegląd kodu AI powoduje przeciążenie poznawcze, gdy programista nie przemyślał samodzielnie rozwiązania.
• Autor często odrzuca wszystkie zmiany wprowadzone przez AI i zaczyna od nowa, co prowadzi do lepszych rezultatów.
• Kod AI może działać lokalnie i przejść testy, ale jednocześnie utrudniać zrozumienie systemu.
• Inżynierowie zbyt szybko akceptują zmiany generowane przez AI, co może prowadzić do problemów w przyszłości.
• Agenty kodujące nadal wymagają doświadczonego programisty, który poprowadzi je do właściwego rozwiązania.

Proces myślenia przed erą AI vs. obecnie

Przed wprowadzeniem agentów kodujących proces rozwiązywania problemów wyglądał zupełnie inaczej. Programista eksplorował bazę kodu, rozważał różne rozwiązania, eksperymentował i dopiero wtedy implementował. Mogło to zająć dni na zebranie kontekstu, ale finalny pull request charakteryzował się większą pewnością autora i łatwością wyjaśnienia zmian współpracownikom.

Brasil przyznaje, że realizacja dużych zadań z pomocą AI nadal zajmuje mu dni. Często odrzuca wszystkie zmiany wprowadzone przez sztuczną inteligencję i zaczyna od początku. Różnica między pierwszą a drugą sesją nie tkwi w modelu językowym, ale w programiście przed ekranem. Więcej czasu na zrozumienie problemu pozwala kierować agentem w stronę lepszego rozwiązania, zamiast być przez niego prowadzonym.

Kryteria odrzucania kodu AI

Autor wymienia konkretne powody, dla których odrzuca kod generowany przez sztuczną inteligencję:

• Brak zrozumienia podejścia — odrzuca kod, gdy nie może wyjaśnić zastosowanego podejścia własnymi słowami
• Nieproporcjonalna wielkość zmian — gdy diff jest większy niż problem, który ma rozwiązać
• Przedwczesne abstrakcje — gdy kod wprowadza abstrakcje przed udowodnieniem ich potrzeby
• Utrudnione rozumowanie — gdy kod działa lokalnie, ale czyni system trudniejszym do zrozumienia
• Nadmierne zaufanie — gdy bardziej ufa wynikom niż własnemu zrozumieniu

Potrzeba ludzkiego nadzoru

Brasil podkreśla problem zbyt szybkiej akceptacji zmian generowanych przez AI przez innych inżynierów. Dlatego opowiada się za obowiązkową ludzką weryfikacją w połączeniu z przeglądami AI. Kod, który działa i przechodzi testy CI, może nadal być złym rozwiązaniem. Inżynieria zawsze polegała na implementacji odpowiednich, skalowalnych i rozszerzalnych rozwiązań.

Mimo że agenty kodujące są imponujące i mogą pomóc w zadaniach wykraczających poza samo pisanie kodu, nadal nie są w stanie działać autonomicznie w sposób zrównoważony. Wymagają doświadczonego inżyniera, który poprowadzi je do doskonałych rozwiązań.