Dum la lastaj du jaroj, mia teamo ĉe Work & Co kaj mi elprovis kaj iom post iom integris AI-kodilojn kiel Copilot, Cursor, Claude kaj ChatGPT por helpi nin sendi retajn spertojn uzatajn de la amasoj. Verdire, post iom da komenca skeptiko kaj kelkaj aha momentoj, diversaj AI-iloj trovis sian vojon en mia ĉiutaga uzo. Kun la tempo, la listo de aplikoj, kie ni trovis, ke ĝi havas sencon lasi AI-kontrolon, komencis kreski, do mi decidis dividi kelkajn praktikajn uzkazojn por AI-iloj por tio, kion mi nomas la "respondeca programisto". Kion mi volas diri per respondeca programisto? Ni devas certigi, ke ni liveras kvalitan kodon kiel atendite de niaj koncernatoj kaj klientoj. Niaj kontribuoj (t.e. tiraj petoj) ne faru ŝarĝon por niaj kolegoj, kiuj devos revizii kaj testi nian laboron. Ankaŭ, se vi laboras por kompanio: La iloj, kiujn ni uzas, devas esti aprobitaj de nia dunganto. Sentemaj aspektoj kiel sekureco kaj privateco devas esti traktitaj ĝuste: Ne algluu sekretojn, klientajn datumojn (PII) aŭ proprietan kodon en ilojn sen politika aprobo. Traktu ĝin kiel kodon de fremdulo en la interreto. Ĉiam provu kaj kontrolu. Noto: Ĉi tiu artikolo supozas tre bazan konatecon kun AI-kodiloj kiel Copilot ene de VSCode aŭ Kursoro. Se ĉio ĉi sonas al vi tute nova kaj nekonata, la video-lerniiloj de Github Copilot povas esti mirinda deirpunkto por vi.
Helpemaj Aplikoj de AI Kodigaj Iloj Noto: La sekvaj ekzemploj ĉefe koncentriĝos pri laboro en Javaskripto-bazitaj TTT-aplikoj kiel React, Vue, Svelte aŭ Angular. Akiri Komprenon De Nekonata Kodbazo Ne estas malofte labori sur establitaj kodbazoj, kaj aliĝi al granda hereda kodbazo povas esti timiga. Simple malfermu vian projekton kaj vian AI-agenton (en mia kazo, Copilot Chat en VSCode) kaj komencu demandi demandojn same kiel vi demandus kolegon. Ĝenerale, mi ŝatas paroli kun iu ajn AI-agento same kiel mi farus al kunhomo. Jen pli rafinita ekzempla prompto: "Donu al mi altnivelan arkitekturon superrigardon: enirpunktoj, enrutado, aŭt, datumtavolo, konstrua ilaro. Poste listigu 5 dosierojn por legi en ordo. Traktu klarigojn kiel hipotezojn kaj konfirmu saltante al referencitaj dosieroj."
Vi povas daŭre demandi sekvajn demandojn kiel "Kiel funkcias la vojigo detale?" aŭ "Parolu al mi pri la aŭtentikigprocezo kaj metodoj" kaj ĝi kondukos vin al helpemaj direktoj por lumigi iom da lumo en la mallumon de nekonata kodbazo. Triaging Rompantaj Ŝanĝoj Kiam Ĝisdatigas Dependecojn Ĝisdatigi npm-pakaĵojn, precipe kiam ili venas kun rompantaj ŝanĝoj, povas esti teda kaj tempopostula laboro, kaj igas vin sencimigi sufiĉe da regresoj. Mi lastatempe devis ĝisdatigi la datum-bildigan bibliotekon plotly.js ĝis unu grava eldonversio de versio 2 ĝis 3, kaj kiel rezulto de tio, la aksa etikedado en kelkaj el la grafikaĵoj ĉesis funkcii. Mi plu demandis al ChatGPT: "Mi ĝisdatigis mian Angularan projekton, kiu uzas Plotly. Mi ĝisdatigis la plotly.js — dist-pakaĵon de versio 2.35.2 al 3.1.0 — kaj nun la etikedoj sur la x kaj y-akso malaperis. Kio okazis?"
La agento revenis kun solvo tuj (vidu mem sube). Noto: Mi ankoraŭ kontrolis la klarigon kontraŭ la oficiala migradgvidilo antaŭ sendi la riparo.
Reprodukti Refactors Sekure Trans Dosieroj Kreskaj kodbazoj plej certe malkaŝas ŝancojn por koda firmiĝo. Ekzemple, vi rimarkas kodan duobligon tra dosieroj kiuj povas esti ĉerpitaj en ununuran funkcion aŭ komponanton. Kiel rezulto, vi decidas krei komunan komponanton kiu povas esti inkluzivita anstataŭe kaj plenumi tiun refaktoron en unu dosiero. Nun, anstataŭ mane efektivigi tiujn ŝanĝojn al viaj ceteraj dosieroj, vi petas vian agenton eligi la refaktoron por vi. Agentoj permesas elekti plurajn dosierojn kiel kuntekston. Post kiam la refactorado por unu dosiero estas farita, mi povas aldoni ambaŭ la refaktorigitajn kaj netuŝitajn dosierojn en kuntekston kaj instigi la agenton elmeti la ŝanĝojn al aliaj dosieroj tiel: "Reprodukti la ŝanĝojn kiujn mi faris en dosiero A al dosiero B ankaŭ". Efektivigo de Trajtoj En Nekonataj Teknologioj Unu el miaj plej ŝatataj aha-momentoj uzante AI-kodilojn estis kiam ĝi helpis min krei sufiĉe kompleksan viglan gradientanimacion en GLSL, lingvo kun kiu mi sufiĉe ne konis. En lastatempa projekto, niaj projektistoj elpensis viglan gradienton kiel ŝarĝan staton sur 3D objekto. Mi tre ŝatis la koncepton kaj volis liveri ion unikan kaj ekscitan al niaj klientoj. Laproblemo: Mi havis nur du tagojn por efektivigi ĝin, kaj GLSL havas sufiĉe la krutan lernkurbon. Denove, AI-ilo (ĉi-kaze, ChatGPT) estis utila, kaj mi komencis simple instigi ĝin krei memstaran HTML-dosieron por mi, kiu prezentas kanvason kaj tre simplan viglan kolorgradienton. Paŝon post paŝo, mi instigis la AI aldoni pli da rafineco al ĝi ĝis mi alvenis al deca rezulto, por ke mi povu integri la nuancon en mian realan kodbazon. La fina rezulto: Niaj klientoj estis tre feliĉaj, kaj ni liveris kompleksan funkcion en malgranda tempo danke al AI. Skribaj Testoj Laŭ mia sperto, estas malofte sufiĉe da tempo pri projektoj por senĉese skribi kaj konservi taŭgan serion de unuopaj kaj integrigaj testoj, kaj krom tio, multaj programistoj ne vere ĝuas la taskon verki testojn. Instigi vian AI-helpanton starigi kaj verki testojn por vi estas tute ebla kaj povas esti farita en malgranda tempo. Kompreneble, vi, kiel programisto, ankoraŭ devas certigi, ke viaj testoj efektive rigardu la kritikajn partojn de via aplikaĵo kaj sekvas prudentajn testajn principojn, sed vi povas "subkontrakti" la verkadon de la testoj al nia AI-helpanto. Ekzempla prompto: "Skribu unutestojn por ĉi tiu funkcio uzante Jest. Kovru feliĉan vojon, randajn kazojn kaj malsukcesajn reĝimojn. Klarigu kial ĉiu testo ekzistas."
Vi eĉ povas transdoni la plej bonajn praktikojn de testado de la guruo Kent C. Dodds kiel gvidliniojn al via agento, kiel sube:
Interna Ilaro Iom simila al la ombra ekzemplo menciita antaŭe, mi estis lastatempe taskita analizi kodduobligadon en kodbazo kaj kompari antaŭ kaj post refaktoro. Certe ne estas bagatela tasko se vi ne volas iri la tempopostulan vojon kompari dosierojn permane. Helpe de Copilot, mi kreis skripton, kiu analizis kodan duobligon por mi, aranĝis kaj mendis la eliron en tabelo kaj eksportis ĝin al Excel. Tiam mi faris ĝin paŝon plu. Kiam nia koda refaktoro estis finita, mi instigis la agenton preni mian ekzistantan Excel-folion kiel bazlinion, aldoni la nunan staton de duobligo en apartaj kolumnoj kaj kalkuli la delton. Ĝisdatigi Kodon Skribita Antaŭ Longa Tempo Lastatempe, malnova kliento mia trafis min, ĉar kun la tempo, kelkaj funkcioj ne plu funkciis ĝuste en lia retejo. La kapto: La retejo estis konstruita antaŭ preskaŭ dek jaroj, kaj JavaScript kaj SCSS uzis sufiĉe malnovajn kompililojn kiel requireJS, kaj la aranĝo postulis pli malnovan version de Node.js, kiu eĉ ne funkciis sur mia MacBook 2025. Ĝisdatigi la tutan konstruprocezon permane estus preninta min tagojn, do mi decidis instigi la AI-agenton, "Ĉu vi povas ĝisdatigi la JS kaj SCSS-konstruprocezon al svelta 2025 stako kiel Vite?" Ĝi certe faris, kaj post ĉirkaŭ unu horo da rafinado kun la agento, mi ŝanĝis mian SCSS kaj JS-konstruaĵon al Vite, kaj mi povis koncentriĝi pri reala eraro. Nur certigu konvene validigi la eligon kaj kompilitajn dosierojn kiam vi faras tiajn integrajn ŝanĝojn al via konstruprocezo. Resumado Kaj Redaktado Ĉu vi ŝatus resumi ĉiujn viajn lastatempajn kodŝanĝojn en unu frazo por kompromisa mesaĝo, aŭ havi longan liston de kommitaĵoj kaj ŝatus resumi ilin en tri kuglopunktoj? Neniu problemo, lasu la AI prizorgi ĝin, sed bonvolu nepre provlegi ĝin. Ekzempla prompto estas tiel simpla kiel mesaĝi al kunulo: "Bonvolu resumi miajn lastatempajn ŝanĝojn en koncizaj kuglopunktoj". Mia konsilo ĉi tie estus uzi GPT por skribi singarde, kaj kiel kun kodo, bonvolu kontroli la eligon antaŭ sendi aŭ sendi. Rekomendoj Kaj Plej Bonaj Praktikoj Instiganta Unu el la ne tiom evidentaj avantaĝoj de uzado de AI estas ke ju pli specifaj kaj tajloritaj estas viaj instigoj, des pli bona estas la eligo. La procezo de instigado de AI-agento devigas nin formuli niajn postulojn kiel eble plej specife antaŭ ol ni skribas kaj kodigu. Jen kial, kiel ĝenerala regulo, mi tre rekomendas esti kiel eble plej specifa kun via instigo. Ryan Florence, kunaŭtoro de Remix, sugestas simplan sed potencan manieron plibonigi ĉi tiun procezon finante vian komencan instigon per la frazo: "Antaŭ ol ni komenci, ĉu vi havas demandojn por mi?"
Je ĉi tiu punkto, la AI kutime revenas kun helpemaj demandoj, kie vi povas klarigi vian specifan intencon, gvidante la agenton provizi al vi pli tajloritan aliron por via tasko.
Uzu Versikontrolon Kaj Laboru En Digesteblaj Pecoj Uzi versikontrolon kiel git ne nur utilas kiam kunlaboras kiel teamo sur ununura kodbazo sed ankaŭ por provizi vin kielindividua kontribuanto kun stabilaj poentoj al kiuj ruliĝi en kazo de krizo. Pro sia ne-determinisma naturo, AI povas foje fariĝi fripona kaj fari ŝanĝojn kiuj simple ne estas helpemaj por tio, kion vi provas atingi kaj eventuale rompi aferojn neripareble. Dividi vian laboron en plurajn kommitaĵojn helpos vin krei stabilajn punktojn, al kiuj vi povas reveni se aferoj iras flanken. Kaj viaj samteamanoj dankos vin ankaŭ, ĉar ili havos pli facilan tempon revizii vian kodon kiam ĝi estas dividita en semantike bone strukturitajn pecojn. Revizu Plene Ĉi tio estas pli ĝenerala plej bona praktiko, sed laŭ mi, ĝi fariĝas eĉ pli grava kiam vi uzas AI-ilojn por disvolva laboro: Estu la unua kritika recenzisto de via kodo. Nepre prenu iom da tempo por trarigardi viajn ŝanĝojn linion post linio, same kiel vi revizius la kodon de iu alia, kaj sendu vian laboron nur post kiam ĝi trapasas vian propran memrevizion. "Du aferoj estas ambaŭ veraj al mi nun: AI-agentoj estas mirindaj kaj grandega produktiveca akcelo. Ili ankaŭ estas masivaj slop-maŝinoj se vi malŝaltas vian cerbon kaj lasas tute. "- Armin Ronacher en sia bloga afiŝo Agento Psikozo: Ĉu Ni Freneziĝas?
Konkludo Kaj Kritikaj Pensoj Laŭ mi, AI-kodigaj iloj povas plibonigi nian produktivecon kiel programistoj ĉiutage kaj liberigi mensan kapablon por pli da planado kaj altnivela pensado. Ili devigas nin prononci nian deziratan rezulton kun zorgema detalo. Ajna AI povas, foje, halucini, kio esence signifas, ke ĝi kuŝas en memcerta tono. Do bonvolu certigi kontroli kaj testi, precipe kiam vi estas en dubo. AI ne estas arĝenta kuglo, kaj mi kredas, ke ekscelenco kaj la kapablo solvi problemojn kiel programisto neniam malmodiĝos. Por programistoj, kiuj ĵus komencas sian karieron, ĉi tiuj iloj povas esti tre tentaj fari la plimulton de la laboro por ili. Kio povas perdiĝi ĉi tie estas la ofte malpleniga kaj dolora laboro tra cimoj kaj problemoj, kiuj malfacilas sencimigi kaj solvi, alinome "la muelado". Eĉ la propra Lee Robinson de Cursor AI pridubas tion en unu el siaj afiŝoj:
AI-kodigaj iloj evoluas rapide, kaj mi estas ekscitita pri tio, kio venos poste. Mi esperas, ke vi trovis ĉi tiun artikolon kaj ĝiajn konsiletojn utilaj kaj estas ekscitita provi iujn el ĉi tiuj por vi mem.
