Comments 9
Очень точное наблюдение. ИИ действительно снизил стоимость написания кода, но стоимость понимания архитектуры и принятых решений никуда не делась. Самый опасный баг здесь не галлюцинации модели, а иллюзия собственного понимания. Поэтому идея learning skills выглядит намного полезнее очередного универсального промпта, она помогает оставаться инженером, а не просто человеком, который нажимает Accept.
короче, я не уверен, по-моему проблема надуманная - со всем уважением к автору, которого регулярно читаю :)
эту панику мы уже проходили. двадцать лет назад ныли, что копипаст со StackOverflow “отупляет”, до этого - что IDE с автокомплитом убивает память на API. каждый раз индустрия хоронила “настоящее понимание”, и каждый раз оно просто переезжало на уровень выше.
по факту код - средство, а не цель. если задача решена и тесты зеленые, то “вдумчивое понимание каждого диффа” - дорогая форма перфекционизма, за которую бизнес почему-то должен платить. а сократические квизы от агента - мило, но в реальной работе это еще один ритуал, который отключат через неделю, как pre-commit хуки, “временно” закомменченные в 2021-м :)
или я что-то упускаю?
Это работает только в короткой дистанции, уже вышло не одно исследование, где объяснялось, что LLM прекрасно пишт код, но ужасно его поддерживает
Так чт я бы сказал, что сейчас это становится супер необходимым навыком без которого просто проект не будет развиваться
Одно дело time to market стартапа, другое дело отпустить на самотек большой и работающий продукт
эту панику мы уже проходили. двадцать лет назад ныли, что копипаст со StackOverflow “отупляет”, до этого - что IDE с автокомплитом убивает память на API. каждый раз индустрия хоронила “настоящее понимание”, и каждый раз оно просто переезжало на уровень выше.
не фантазируй, тебя 20 лет назад даже не было
Поддерживаю вас. Если пилишь не 1 проект, а 2-4 то через месяц даже если ты это писал сам без ИИ, интернета, на асемблере - в любом случае забудешь свой код. Именно поэтому одно из главный качеств кода - читаемость. И оно же напрямую влияет на масштабируемость.
ИИ же наоборот помогают быстрее вспомнить что ты там пилил, тем самым повышая качество работы. Поэтому сильно уменьшается важность идеального понимания кода.
То, что люди не могут освоить продвинутый автокомплит и вайбкодят втупую уже никого не удивляет. А вот то, что потом они начинают придумывать квизы на работе чтобы код нейронки понять уже треш лютейший.
Когда надо объяснить, что именно ты только что принял. Какие инварианты поменялись? Почему решение такое? Какие edge cases теперь важны? Что сломается через месяц, если кто-то тронет соседний кусок кода? (а это будет не редко)
К решению этой проблемы можно подойти с другой стороны, и отойти от вайб кодинга к Spec-Driven Development, заранее прописывая все edge cases и т.д.
Очень интересная идея (я так понял из Anthropic): ии-генерирует код; мы читаем этот код, затем запускаем некий скилл; ИИ-задает нам вопросы, проверяющие что мы понимаем как работает данный код.
Accept-driven development или давайте снова понимать свой код