Pēdējo divu gadu laikā mana komanda Work & Co un es esam izmēģinājuši un pakāpeniski integrējuši AI kodēšanas rīkus, piemēram, Copilot, Cursor, Claude un ChatGPT, lai palīdzētu mums nodrošināt tīmekļa pieredzi, ko izmanto masveida. Jāatzīst, ka pēc sākotnējās skepses un dažiem aha brīžiem dažādi AI rīki ir atraduši ceļu manā ikdienas lietošanā. Laika gaitā to lietojumprogrammu saraksts, kurās mums bija jēga ļaut pārņemt AI, sāka augt, tāpēc es nolēmu dalīties ar dažiem praktiskiem AI rīku lietošanas gadījumiem, ko es saucu par “atbildīgo izstrādātāju”. Ko es domāju ar atbildīgu izstrādātāju? Mums ir jāpārliecinās, ka mēs nodrošinām kvalitātes kodu, kā to gaida mūsu ieinteresētās personas un klienti. Mūsu ieguldījums (t.i., izvilkšanas pieprasījumi) nedrīkst kļūt par slogu mūsu kolēģiem, kuriem būs jāpārskata un jāpārbauda mūsu darbs. Turklāt, ja strādājat uzņēmumā: mūsu darba devējam ir jāapstiprina mūsu izmantotie rīki. Sensitīvi aspekti, piemēram, drošība un konfidencialitāte, ir jārīkojas pareizi. Neielīmējiet rīkos noslēpumus, klientu datus (PII) vai patentētu kodu bez politikas apstiprināšanas. Izturieties pret to kā pret kodu no svešinieka internetā. Vienmēr pārbaudiet un pārbaudiet. Piezīme. Šajā rakstā ir ietvertas ļoti vienkāršas zināšanas par AI kodēšanas rīkiem, piemēram, Copilot iekšpusē VSCode vai Cursor. Ja tas viss jums šķiet pilnīgi jauns un nepazīstams, Github Copilot video pamācības var būt lielisks sākumpunkts.
Noderīgas AI kodēšanas rīku lietojumprogrammas Piezīme. Šie piemēri galvenokārt būs vērsti uz darbu JavaScript balstītās tīmekļa lietojumprogrammās, piemēram, React, Vue, Svelte vai Angular. Iegūstiet izpratni par nepazīstamu kodu bāzi Nereti tiek strādāts pie izveidotām kodu bāzēm, un pievienošanās lielai mantotai kodu bāzei var būt biedējoša. Vienkārši atveriet savu projektu un savu AI aģentu (manā gadījumā Copilot Chat VSCode) un sāciet uzdot jautājumus tāpat kā jūs uzdotu kolēģim. Kopumā man patīk runāt ar jebkuru AI aģentu tāpat kā ar līdzcilvēku. Šeit ir precīzāks uzvednes piemērs: "Sniedziet man augsta līmeņa arhitektūras pārskatu: ievades punkti, maršrutēšana, autentifikācija, datu slānis, veidošanas rīki. Pēc tam uzskaitiet 5 failus, kas jālasa secībā. Uztveriet skaidrojumus kā hipotēzes un apstipriniet, pārejot uz atsauces failiem."
Varat turpināt uzdot papildu jautājumus, piemēram, “Kā maršrutēšana darbojas detalizēti?” vai “Aprunājiet mani ar autentifikācijas procesu un metodēm”, un tas sniegs jums noderīgus norādījumus, kā apgaismot nepazīstamas kodu bāzes tumsu. Pārtraucošas izmaiņas, jauninot atkarības Npm pakotņu atjaunināšana, it īpaši, ja tajās tiek veiktas nepareizas izmaiņas, var būt nogurdinošs un laikietilpīgs darbs, un tas var likt jums atkļūdot diezgan daudz regresiju. Man nesen nācās jaunināt datu vizualizācijas bibliotēku plotly.js par vienu galveno izlaiduma versiju no 2. versijas uz 3, un tā rezultātā dažos grafikos pārstāja darboties asu marķējums. Es turpināju jautāt ChatGPT: "Es atjaunināju savu Angular projektu, kurā tiek izmantots Plotly. Es atjaunināju plotly.js — dist pakotni no versijas 2.35.2 uz 3.1.0 — un tagad etiķetes uz x un y ass ir pazudušas. Kas notika?"
Aģents nekavējoties atgriezās ar risinājumu (skatiet tālāk). Piezīme. Pirms labojuma nosūtīšanas es joprojām pārbaudīju skaidrojumu saskaņā ar oficiālo migrācijas rokasgrāmatu.
Refaktoru droša replicēšana visos failos Pieaugošās kodu bāzes noteikti paver iespējas koda konsolidācijai. Piemēram, pamanāt koda dublēšanos failos, kurus var izvilkt vienā funkcijā vai komponentā. Rezultātā jūs nolemjat izveidot koplietotu komponentu, kuru tā vietā var iekļaut, un veikt šo faktora darbību vienā failā. Tagad tā vietā, lai manuāli veiktu šīs izmaiņas atlikušajos failos, jūs lūdzat aģentam ieviest refaktoru jūsu vietā. Aģenti ļauj atlasīt vairākus failus kā kontekstu. Kad viena faila pārveidošana ir pabeigta, es varu pievienot kontekstā gan pārveidotos, gan neskartos failus un piedāvāt aģentam veikt izmaiņas citos failos, piemēram: “Atkārtot failā A veiktās izmaiņas arī failā B”. Funkciju ieviešana nepazīstamās tehnoloģijās Viens no maniem iecienītākajiem aha-mirkļiem, izmantojot AI kodēšanas rīkus, bija tad, kad tas man palīdzēja izveidot diezgan sarežģītu animētu gradienta animāciju GLSL — valodā, kuru es diezgan nepazīstu. Nesenā projektā mūsu dizaineri nāca klajā ar animētu gradientu kā 3D objekta ielādes stāvokli. Man ļoti patika koncepcija, un vēlējos saviem klientiem sniegt kaut ko unikālu un aizraujošu. Theproblēma: man bija tikai divas dienas, lai to ieviestu, un GLSL ir diezgan stāva mācīšanās līkne. Atkal noderēja mākslīgā intelekta rīks (šajā gadījumā ChatGPT), un es sāku to vienkārši mudināt izveidot man atsevišķu HTML failu, kas atveido audeklu un ļoti vienkāršu animētu krāsu gradientu. Soli pēc soļa es pamudināju AI tam pievienot vairāk izsmalcinātības, līdz sasniedzu pienācīgu rezultātu, lai varētu sākt integrēt ēnotāju savā faktiskajā kodu bāzē. Gala rezultāts: mūsu klienti bija ļoti apmierināti, un, pateicoties AI, mēs nodrošinājām sarežģītu funkciju īsā laikā. Pārbaudījumu rakstīšana Mana pieredze liecina, ka projektiem reti ir pietiekami daudz laika, lai nepārtraukti rakstītu un uzturētu atbilstošu vienību un integrācijas testu komplektu, un turklāt daudziem izstrādātājiem īsti nepatīk rakstīt testus. Ir pilnīgi iespējams pamudināt AI palīgu iestatīt un uzrakstīt testus jūsu vietā, un to var izdarīt īsā laikā. Protams, jums kā izstrādātājam joprojām ir jāpārliecinās, ka jūsu testos patiešām tiek apskatītas jūsu lietojumprogrammas kritiskās daļas un ievēroti saprātīgi testēšanas principi, taču jūs varat “ārpakalpojumu sniedzējam” testu rakstīšanu mūsu AI palīgam. Uzvednes piemērs: "Rakstiet vienības testus šai funkcijai, izmantojot Jest. Noskaidrojiet veiksmīgu ceļu, malas gadījumus un atteices režīmus. Paskaidrojiet, kāpēc katrs tests pastāv."
Jūs pat varat savam aģentam nodot testēšanas guru Kenta C. Dodsa testēšanas paraugpraksi kā vadlīnijas, piemēram, tālāk.
Iekšējie instrumenti Nedaudz līdzīgs iepriekš minētajam ēnotāja piemēram, man nesen tika uzdots analizēt koda dublēšanos kodu bāzē un salīdzināt pirms un pēc faktora. Tas noteikti nav mazsvarīgs uzdevums, ja nevēlaties veikt laikietilpīgo failu manuālu salīdzināšanu. Ar Copilot palīdzību es izveidoju skriptu, kas man analizēja koda dublēšanos, sakārtoja un sakārtoja izvadi tabulā un eksportēja to uz Excel. Tad es spēru soli tālāk. Kad mūsu koda refaktors bija pabeigts, es pamudināju aģentam izmantot manu esošo Excel lapu kā bāzes līniju, atsevišķās kolonnās pievienot pašreizējo dublēšanas stāvokli un aprēķināt delta. Sen rakstītā koda atjaunināšana Nesen mani uzrunāja kāds mans vecs klients, jo laika gaitā dažas funkcijas viņa vietnē vairs nedarbojās pareizi. Āķis: vietne tika izveidota pirms gandrīz desmit gadiem, un JavaScript un SCSS izmantoja diezgan vecus kompilēšanas rīkus, piemēram, requestJS, un iestatīšanai bija nepieciešama vecāka Node.js versija, kas pat nedarbotos manā 2025. gada MacBook. Visa izveides procesa manuāla atjaunināšana man būtu prasījusi vairākas dienas, tāpēc es nolēmu pamudināt AI aģentu: “Vai varat atjaunināt JS un SCSS veidošanas procesu līdz tādam 2025. gada steksam kā Vite?” Tas noteikti notika, un pēc aptuveni stundu ilgas uzlabošanas ar aģentu mana SCSS un JS versija tika pārslēgta uz Vite, un es varēju koncentrēties uz faktisko kļūdu labošanu. Vienkārši pārliecinieties, ka pareizi validējat izvadi un apkopotos failus, veicot šādas būtiskas izmaiņas savā veidošanas procesā. Apkopojot un uzmetot Vai vēlaties vienā teikumā apkopot visas savas nesenās koda izmaiņas saistībā ar ziņojumu, vai jums ir garš saistību saraksts un vēlaties tās apkopot trīs aizzīmju punktos? Nav problēmu, ļaujiet AI par to parūpēties, taču, lūdzu, noteikti izlasiet to. Uzvednes piemērs ir tikpat vienkārša kā ziņojuma nosūtīšana līdzcilvēkam: “Lūdzu, apkopojiet manas nesenās izmaiņas īsos aizzīmju punktos”. Mans padoms šeit būtu izmantot GPT rakstīšanai piesardzīgi, un tāpat kā ar kodu, lūdzu, pārbaudiet izvadi pirms nosūtīšanas vai iesniegšanas. Ieteikumi un labākā prakse Pamudinājums Viena no ne pārāk acīmredzamajām AI izmantošanas priekšrocībām ir tā, ka, jo konkrētākas un pielāgotākas ir jūsu uzvednes, jo labāka ir izvade. AI aģenta pamudināšanas process liek mums pēc iespējas precīzāk formulēt prasības pirms rakstīšanas un kodēšanas. Tāpēc parasti es ļoti iesaku būt pēc iespējas precīzākam ar pamudinājumu. Raiens Florenss, Remix līdzautors, iesaka vienkāršu, bet iedarbīgu veidu, kā uzlabot šo procesu, pabeidzot sākotnējo uzvedni ar teikumu: "Pirms mēs sākam, vai jums ir man kādi jautājumi?"
Šajā brīdī AI parasti atgriežas ar noderīgiem jautājumiem, kuros varat precizēt savu konkrēto nolūku, palīdzot aģentam nodrošināt jums piemērotāku pieeju jūsu uzdevumam.
Izmantojiet versiju kontroli un strādājiet ar sagremojamiem gabaliņiem Versiju kontroles, piemēram, git, izmantošana ne tikai noder, sadarbojoties komandai vienā kodu bāzē, bet arī, lai sniegtu jumsindividuāls ziedotājs ar stabiliem punktiem, pie kuriem atgriezties avārijas gadījumā. Tā kā mākslīgais intelekts nav determinēts, tas dažkārt var kļūdīties un veikt izmaiņas, kas vienkārši nav noderīgas tam, ko mēģināt sasniegt, un galu galā nelabojami sabojāt lietas. Sadalot darbu vairākās saistībās, varēsit izveidot stabilus punktus, pie kuriem varēsit atgriezties gadījumā, ja lietas iet uz sāniem. Un arī jūsu komandas biedri jums pateiks paldies, jo viņiem būs vieglāk pārskatīt jūsu kodu, ja tas tiks sadalīts semantiski labi strukturētās daļās. Pārskatiet rūpīgi Šī ir vairāk vispārīga paraugprakse, taču, manuprāt, tas kļūst vēl svarīgāks, ja izstrādes darbā izmantojat AI rīkus: esiet pirmais sava koda kritiskais pārskatītājs. Noteikti veltiet laiku, lai rindu pa rindiņai pārskatītu veiktās izmaiņas, tāpat kā jūs pārskatītu kāda cita kodu, un iesniedziet savu darbu tikai tad, kad tas ir izturējis jūsu pašpārbaudi. "Šobrīd man ir patiesas divas lietas: AI aģenti ir pārsteidzoši un milzīgs produktivitātes paaugstinājums. Tie ir arī milzīgi netīrumi, ja izslēdzat savas smadzenes un pilnībā atlaidaties." (Armins Ronahers savā emuāra ierakstā Agent Psychosis: Are We Going Insane?)
Secinājums un kritiskās domas Manuprāt, AI kodēšanas rīki var uzlabot mūsu kā izstrādātāju produktivitāti ikdienā un atbrīvot garīgās spējas lielākai plānošanai un augsta līmeņa domāšanai. Tie liek mums precīzi formulēt vēlamo rezultātu. Jebkurš AI dažkārt var izraisīt halucinācijas, kas būtībā nozīmē, ka tas atrodas pārliecinātā tonī. Tāpēc, lūdzu, pārbaudiet un pārbaudiet, it īpaši, ja jums ir šaubas. AI nav sudraba lode, un es uzskatu, ka izcilība un spēja risināt problēmas kā izstrādātājam nekad neizies no modes. Izstrādātājiem, kuri tikai sāk savu karjeru, šie rīki var būt ļoti vilinoši veikt lielāko daļu darba viņu vietā. Šeit var pazust bieži vien nogurdinošais un sāpīgais darbs ar kļūdām un problēmām, kuras ir sarežģīti atkļūdot un atrisināt, jeb “sasmalcināt”. Pat kursora AI paša Lī Robinsons to apšauba vienā no savām ziņām:
AI kodēšanas rīki attīstās strauji, un es priecājos par to, kas notiks tālāk. Es ceru, ka šis raksts un tā padomi jums noderēja, un ar prieku izmēģināsit dažus no tiem pašiem.
