Per pastaruosius dvejus metus mano komanda „Work & Co“ ir aš išbandėme ir palaipsniui integravome AI kodavimo įrankius, tokius kaip „Copilot“, „Cursor“, „Claude“ ir „ChatGPT“, kad padėtų mums pristatyti žiniatinklio patirtį, kurią naudoja masės. Tiesa, po tam tikro pradinio skepticizmo ir keleto aha akimirkų įvairūs AI įrankiai atsidūrė mano kasdieniniame gyvenime. Laikui bėgant programų, kuriose supratome, kad buvo prasminga leisti DI perimti, sąrašas pradėjo augti, todėl nusprendžiau pasidalinti keletu praktinių AI įrankių naudojimo atvejų, kuriuos vadinu „atsakingu kūrėju“. Ką turiu omenyje sakydamas atsakingas kūrėjas? Turime užtikrinti, kad pateiktume kokybės kodą, kurio tikisi mūsų suinteresuotosios šalys ir klientai. Mūsų indėlis (t. y. ištraukti užklausas) neturėtų tapti našta mūsų kolegoms, kurie turės peržiūrėti ir išbandyti mūsų darbą. Be to, jei dirbate įmonėje: mūsų naudojami įrankiai turi būti patvirtinti mūsų darbdavio. Reikia tinkamai tvarkyti tokius jautrius aspektus kaip saugumas ir privatumas: neįklijuokite paslapčių, klientų duomenų (PII) ar patentuoto kodo į įrankius be politikos patvirtinimo. Su juo elkitės kaip su kodu iš nepažįstamo žmogaus internete. Visada patikrinkite ir patikrinkite. Pastaba: Šiame straipsnyje daroma prielaida, kad susipažinsite su AI kodavimo įrankiais, tokiais kaip Copilot viduje VSCode arba Cursor. Jei visa tai jums atrodo visiškai nauja ir nepažįstama, „Github Copilot“ vaizdo įrašų vadovėliai gali būti puikus atspirties taškas.
Naudingos AI kodavimo įrankių programos Pastaba: toliau pateiktuose pavyzdžiuose daugiausia dėmesio bus skiriama darbui JavaScript pagrįstose žiniatinklio programose, pvz., „React“, „Vue“, „Svelte“ arba „Angular“. Supratimas apie nepažįstamą kodų bazę Neretai dirbama su nustatytomis kodų bazėmis, o prisijungimas prie didelės senos kodų bazės gali būti bauginantis. Tiesiog atidarykite savo projektą ir savo AI agentą (mano atveju, Copilot Chat VSCode) ir pradėkite užduoti klausimus taip, kaip klaustumėte kolegos. Apskritai man patinka kalbėtis su bet kuriuo AI agentu taip pat, kaip su kolega. Čia yra išsamesnis raginimo pavyzdys: „Pateikite man aukšto lygio architektūros apžvalgą: įvesties taškai, maršruto parinkimas, autentifikavimas, duomenų sluoksnis, kūrimo įrankiai. Tada iš eilės surašykite 5 failus, kuriuos reikia perskaityti. Paaiškinimus traktuokite kaip hipotezes ir patvirtinkite pereidami prie nurodytų failų.
Galite nuolat užduoti tolesnius klausimus, pvz., „Kaip maršruto parinkimas veikia išsamiai? arba „Pakalbėkite apie autentifikavimo procesą ir metodus“, ir tai padės jums rasti naudingų nurodymų, kaip apšviesti nepažįstamos kodų bazės tamsą. Nenutrūkstamų pokyčių išbandymas atnaujinant priklausomybes Atnaujinti npm paketus, ypač kai juose daromi laužomi pakeitimai, gali būti varginantis ir daug laiko reikalaujantis darbas, todėl reikia derinti nemažai regresijų. Neseniai turėjau atnaujinti duomenų vizualizacijos biblioteką plotly.js viena pagrindine leidimo versija iš 2 versijos į 3 ir dėl to ašies žymėjimas kai kuriuose grafikuose nustojo veikti. Aš paklausiau „ChatGPT“: "Atnaujinau savo Angular projektą, kuriame naudojama "Plotly". Atnaujinau plotly.js – dist paketą iš 2.35.2 versijos į 3.1.0 – ir dabar nebėra etikečių ant x ir y ašių. Kas atsitiko?
Agentas greitai grįžo su sprendimu (žr. toliau). Pastaba: prieš siųsdamas pataisą, vis tiek patikrinau paaiškinimą pagal oficialų perkėlimo vadovą.
Saugiai atkartokite refaktorius visuose failuose Augančios kodų bazės tikrai atveria kodo konsolidavimo galimybes. Pavyzdžiui, pastebite kodo dubliavimąsi failuose, kuriuos galima išskleisti į vieną funkciją arba komponentą. Dėl to nusprendžiate sukurti bendrinamą komponentą, kuris gali būti įtrauktas, ir atlikti tą keitiklį viename faile. Dabar, užuot rankiniu būdu atlikę tuos likusių failų pakeitimus, paprašykite agento įdiegti keitiklį už jus. Agentai leidžia pasirinkti kelis failus kaip kontekstą. Kai bus atliktas vieno failo keitimas, galiu įtraukti ir pertvarkytus, ir nepaliestus failus į kontekstą ir paraginti agentą įdiegti pakeitimus kituose failuose, pavyzdžiui: „Pakartoti pakeitimus, kuriuos padariau faile A, taip pat faile B“. Funkcijų diegimas nepažįstamose technologijose Vienas iš mano mėgstamiausių akimirkų naudojant AI kodavimo įrankius buvo tada, kai tai padėjo man sukurti gana sudėtingą animacinę gradiento animaciją GLSL, man gana nepažįstama kalba. Neseniai įgyvendintame projekte mūsų dizaineriai sugalvojo animuotą gradientą kaip 3D objekto įkėlimo būseną. Man labai patiko idėja ir norėjau pateikti kažką unikalaus ir įdomaus mūsų klientams. Theproblema: turėjau tik dvi dienas jai įgyvendinti, o GLSL mokymosi kreivė gana staigi. Vėlgi, AI įrankis (šiuo atveju ChatGPT) buvo naudingas, ir aš pradėjau gana paprastai raginti jį sukurti man atskirą HTML failą, kuris atvaizduotų drobę ir labai paprastą animuotą spalvų gradientą. Žingsnis po žingsnio paraginau dirbtinį intelektą jį patobulinti, kol pasiekiau tinkamą rezultatą, kad galėčiau pradėti integruoti atspalvį į savo tikrąją kodų bazę. Galutinis rezultatas: mūsų klientai buvo labai patenkinti, o AI dėka per trumpą laiką pristatėme sudėtingą funkciją. Rašymo testai Mano patirtis rodo, kad projektams retai užtenka laiko nuolat rašyti ir palaikyti tinkamą vienetų ir integravimo testų rinkinį, be to, daugeliui kūrėjų nelabai patinka rašyti testus. Visiškai įmanoma, kad jūsų dirbtinio intelekto pagalbininkas paragintų nustatyti ir parašyti testus, ir tai galima padaryti per trumpą laiką. Žinoma, jūs, kaip kūrėjas, vis tiek turėtumėte įsitikinti, kad jūsų testai iš tikrųjų apžvelgia svarbias jūsų programos dalis ir laikosi protingų testavimo principų, tačiau galite „užsakyti“ testų rašymą mūsų AI pagalbininkui. Raginimo pavyzdys: "Parašykite šios funkcijos vienetų testus naudodami "Jest". Apsvarstykite laimingą kelią, kraštutinius atvejus ir gedimo režimus. Paaiškinkite, kodėl kiekvienas testas egzistuoja."
Jūs netgi galite perduoti testavimo guru Kento C. Doddso geriausios testavimo praktikos gaires savo agentui, kaip nurodyta toliau:
Vidiniai įrankiai Šiek tiek panašus į anksčiau minėtą atspalvio pavyzdį, neseniai man buvo pavesta išanalizuoti kodo dubliavimą kodų bazėje ir palyginti prieš ir po refaktoriaus. Tikrai ne triviali užduotis, jei nenorite eiti daug laiko reikalaujančiu keliu lyginti failus rankiniu būdu. Su Copilot pagalba sukūriau scenarijų, kuris man išanalizavo kodo dubliavimą, sutvarkiau ir sutvarkiau išvestį lentelėje bei eksportavau į Excel. Tada aš žengiau žingsnį toliau. Kai mūsų kodo keitiklis buvo atliktas, aš paraginau agentą kaip pradinį tašką naudoti turimą „Excel“ lapą, atskiruose stulpeliuose pridėti dabartinę dubliavimo būseną ir apskaičiuoti delta. Seniai parašyto kodo atnaujinimas Neseniai mane užklupo senas mano klientas, nes laikui bėgant kelios jo svetainės funkcijos nebeveikė tinkamai. Laimikis: svetainė buvo sukurta beveik prieš dešimt metų, o „JavaScript“ ir SCSS naudojo gana senus kompiliavimo įrankius, tokius kaip requestJS, o sąrankai reikėjo senesnės „Node.js“ versijos, kuri net neveiktų mano 2025 m. „MacBook“. Viso kūrimo proceso atnaujinimas rankiniu būdu būtų užtrukęs kelias dienas, todėl nusprendžiau paklausti AI agento: „Ar galite atnaujinti JS ir SCSS kūrimo procesą į nedidelį 2025 m. krūvą, pvz., „Vite“? Tai tikrai padarė, ir po maždaug valandos tobulinimų su agentu mano SCSS ir JS versija buvo perjungta į Vite ir galėjau sutelkti dėmesį į tikrąjį klaidų taisymą. Tiesiog įsitikinkite, kad tinkamai patvirtinate išvestį ir sukompiliuotus failus, kai atliekate tokius neatskiriamus kūrimo proceso pakeitimus. Apibendrinimas ir piešimas Ar norėtumėte apibendrinti visus savo paskutinius kodo pakeitimus viename įsipareigojimo pranešimo sakinyje, ar turite ilgą įsipareigojimų sąrašą ir norėtumėte juos apibendrinti trimis punktais? Jokių problemų, leiskite AI tuo pasirūpinti, bet būtinai perskaitykite tai. Raginimo pavyzdys yra toks pat paprastas, kaip išsiųsti pranešimą kitam žmogui: „Prašome apibendrinti mano naujausius pakeitimus glaustais punktais“. Mano patarimas būtų naudoti GPT rašant atsargiai ir, kaip ir kodo atveju, prieš siųsdami ar pateikdami patikrinkite išvestį. Rekomendacijos ir geriausia praktika Raginantis Vienas iš ne taip akivaizdžių AI naudojimo pranašumų yra tas, kad kuo konkretesni ir pritaikyti jūsų raginimai, tuo geresnis rezultatas. AI agento raginimo procesas verčia mus kiek įmanoma konkrečiau suformuluoti savo reikalavimus prieš rašant ir koduojant. Štai kodėl, kaip įprasta, labai rekomenduoju būti kiek įmanoma konkretesniems raginimui. Ryanas Florence'as, Remix bendraautoris, siūlo paprastą, bet galingą būdą, kaip pagerinti šį procesą, užbaigiant pradinį raginimą sakiniu: „Prieš pradedant, ar turite man klausimų?
Šiuo metu dirbtinis intelektas paprastai grįžta pateikdamas naudingų klausimų, kuriuose galite paaiškinti konkrečius savo ketinimus ir padėti agentui pateikti jums labiau pritaikytą požiūrį į jūsų užduotį.
Naudokite versijų valdymą ir dirbkite su virškinamomis dalimis Versijų valdymo, pvz., git, naudojimas ne tik praverčia bendradarbiaujant komandai vienoje kodų bazėje, bet ir suteikiant galimybęindividualus indėlis su stabiliais taškais, į kuriuos galima grįžti nelaimės atveju. Dėl savo nedeterministinio pobūdžio dirbtinis intelektas kartais gali suklysti ir atlikti pakeitimus, kurie tiesiog nėra naudingi tam, ką bandote pasiekti, ir galiausiai viską sugadinti nepataisomai. Darbo padalijimas į kelis įsipareigojimus padės sukurti stabilius taškus, į kuriuos galėsite sugrįžti, jei reikalai pakryptų į šoną. Jūsų komandos draugai taip pat jums padėkos, nes jiems bus lengviau peržiūrėti jūsų kodą, kai jis bus suskaidytas į semantiškai geros struktūros dalis. Nuodugniai peržiūrėti Tai labiau bendra geriausia praktika, tačiau, mano nuomone, ji tampa dar svarbesnė naudojant AI įrankius kūrimo darbams: būkite pirmasis kritiškas savo kodo apžvalgininkas. Būtinai skirkite šiek tiek laiko pakeitimams eilutę perskaityti, kaip kad peržiūrėtumėte kieno nors kito kodą, ir pateikite savo darbą tik tada, kai jis praeis jūsų pačios peržiūrai. „Šiuo metu man tinka du dalykai: dirbtinio intelekto agentai yra nuostabūs ir labai padidina produktyvumą. Jie taip pat yra didžiuliai nešvarumai, jei išjungiate smegenis ir visiškai atsileidžiate.
Išvada ir kritinės mintys Mano nuomone, dirbtinio intelekto kodavimo įrankiai gali pagerinti mūsų, kaip kūrėjų, produktyvumą kasdien ir atlaisvinti protinius gebėjimus daugiau planuoti ir mąstyti aukšto lygio. Jie verčia mus tiksliai suformuluoti norimą rezultatą. Bet kuris dirbtinis intelektas kartais gali haliucinuoti, o tai iš esmės reiškia, kad jis yra pasitikintis savimi. Todėl būtinai patikrinkite ir išbandykite, ypač kai abejojate. AI nėra sidabrinė kulka, ir aš tikiu, kad meistriškumas ir gebėjimas spręsti problemas kaip kūrėjas niekada neišeis iš mados. Kūrėjams, kurie tik pradeda savo karjerą, šie įrankiai gali būti labai viliojantys didžiąją dalį darbo atlikti už juos. Tai, kas čia gali pasiklysti, yra dažnai varginantis ir skausmingas darbas, susijęs su klaidomis ir problemomis, kurias sunku derinti ir išspręsti. Net paties „Cursor AI“ Lee Robinson abejoja tai viename iš savo įrašų:
Dirbtinio intelekto kodavimo įrankiai sparčiai tobulėja, ir aš nekantrauju, kas bus toliau. Tikiuosi, kad šis straipsnis ir jo patarimai jums buvo naudingi, ir nekantraujate išbandyti kai kuriuos iš jų.
