Проблема не в AI-коде, а в том, что никто больше ничего не знает

Когда ты что-то пишешь, ты постоянно перестраиваешь своё понимание через рефакторинги и переписывания, пока не интернализуешь это. Интернализуя, ты обретаешь способность рассуждать об этом (в критический момент простоя) и объяснять это. Целая команда, которая умеет объяснять, может решать задачи вместе — от видения одного человека до продуктовых вайтбордов, до инфраструктуры инженерии, до художества UX и UI.

Меня поражает, что мы полностью забыли, что мир работал именно так всего 4 года назад

Профессионально я нахожу это не таким уж драматичным — но в основном потому, что отрасли, в которых я стабильно поставлял код в масштабе, включают ревью как первый принцип, то есть никакой непротестированный, непроверенный код не отправляется, потому что: требования безопасности/реального времени и спецификации сертификации так говорят.

И иметь AI-код для ревью — это ничем не отличается от любого другого кода, который когда-либо приходилось ревьюить, так что инструменты ревью — как это и необходимо — тоже выигрывают от унылого применения… ещё большего AI. Но: весь AI проверяется человеком.

Так что это не большое влияние. Мы просто не отправляем код, который не проверен на 100% человеком. Если это непреодолимо: вы делаете это неправильно. Используйте AI, чтобы сделать код снова читаемым.

А ещё верните AI в его коробку. Не давайте разработчикам 100% полноценный круглосуточный доступ к API по подпискам: дайте им реальное железо, чтобы работать на 100% локально.

Локальный AI — таким образом, лучший AI, народ. Не используйте больше, чем можете запустить локально, — отличный способ поддерживать AI-код должным образом сопровождаемым.

Индустрия сама это докажет, рано или поздно: если вы не можете убрать свой AI в коробку для сохранности, вы всё равно делаете это неправильно… и должны были уже давно выработать эту практику как привычку, десятилетия назад, в отношении инструментов, устойчивых к будущему… (См. также: не логировать всё, что вы делаете с AI? Большой провал.)

Конечно, абсолютно опьяняющая зависимость от Big Metal AI™ загонит многих потребителей в глубокую-глубокую яму нео-безграмотности — однако: «хороший» AI-код на самом деле просто хороший код.

Я вижу это каждый день. Проблема в том, что код — неправильная абстракция для работы, которую мы делаем. LLM решили программирование, но они не решили системы, коллаборацию или поддержку систем.

Edit: Поскольку, похоже, я задел за живое — я работаю над проектом, чтобы решить это: https://www.archme.io, если хотите узнать мои мысли о правильной абстракции

AI в долгосрочной перспективе сделает Software Engineering более важной. Сбор требований, обратная связь от пользователей, тесты, продуктовое видение. Это ключевые дифференциаторы сейчас.

Если ты действительно можешь получить хороший набор требований, пойти и выписать все свои тест-кейсы, а затем бросить это AI, который сделает всё с одного выстрела. Это идеально.

AI не для программистов, они всегда будут жаловаться и, имея время и ресурсы, конечно, могут производить лучший атомарный код. AI — для комбинации бизнес-аналитика, архитектора и продакт-менеджера в одном человеке, у которого есть способности к кодингу, но который решил, что это ограниченная роль во всём жизненном цикле software engineering. С правильным настроем и, конечно, определённым уровнем микроменеджмента над AI (что им приходилось делать и с людьми-программистами) они могут достичь тех же или похожих результатов с гораздо меньшим трением в коммуникации, меньшим числом людей для поддержания командной работы и приблизиться к решению проблем, которые они находят, вместо обсуждения философии программирования и других манифестов ремесла, которые перестали быть престижными или уникальными, и это ключевой момент жалобы, когда AI дают не тем людям для использования.

Я чувствую родство с этим. Я сменил компанию в конце июля. Первые 4 недели AI давал мне ощущение свободы. Больше не нужно понимать десятки тысяч строк легаси-кодовых баз. Ещё никогда онбординг не был таким лёгким. Просто спроси Claude, и он скажет, что здесь происходит и как.

Но через 2 месяца это начало бить по мне. Я всё ещё ничего не знаю. У меня есть некоторое понимание дизайна системы и ключевых компонентов, но я понятия не имею, как определённые вещи делаются под капотом. Потому что AI читал код за меня и писал код за меня, а я принимал это как своё собственное понимание.

На прошлой неделе я в итоге ограничил использование AI и заставляю себя (это реально трудно) читать и писать код хотя бы немного самому, чтобы начать хоть какое-то представление иметь о том, что здесь происходит.

В этот момент есть миллион способов сделать что-то неправильно.

Но есть также несколько способов, может, меньше миллиона, сделать что-то правильно.

Вот анекдот о способе сделать это неправильно.

Я обнаружил, что с методами AI-кодинга есть черта, за которой это становится hail-mary (в смысле американского футбола).

Hail-mary — это когда ты бросаешь мяч в зачётную зону и просто молишься, чтобы кто-то его поймал. Это почти всегда в конце игры.

Этот момент с AI-кодом указывает на то, что ты не можешь собрать связный план, поэтому просто говоришь агенту «сделай хорошо». Раньше результаты здесь были бы отстойными, но теперь агенты реально компетентны, так что результаты могут быть хорошими.

Но в этот момент это твой сигнал отступить. Потому что как только ты берёшь решение, настолько оторванное от твоего понимания, ты под водой. Hail-mary не является частью более крупного игрового плана. Это последняя игра в матче. После неё ничего нет.

Так что как только ты достигаешь этого момента в своём кодинге, ты сигнализируешь, что закончил понимать не только код, но даже то, как он работает на высоком уровне. Если ты всё ещё собираешься работать с этим кодом после, то отступи и поработай с AI, чтобы получить больше понимания проблемы.