Учимся правильно использовать ИИ при разработке программного обеспечения

[Jijiki]

там есть нюанс, код, который получается придётся рефакторить, потомучто ИИ диалог мог зависнуть на первом промпте, соответственно если либо модель не свежая, или промпт был +- чтоб поинтересоваться, а потом стало интересно и привлёк, то этот код лучше рефакторить - приводить в нормальное состояние, как по мне, плюс иногда отлаживать придётся, поэтому не получается абстрагироваться от промпта

[rsashka]

Рефакторить может потребоваться любой код, не важно был он написан вручную или сгенерирован ИИ. Более того, абстрактный начальный промпт практичеси всегда раскрывается в список конкретных этапов. Вот его можно рассматривать как ТЗ на разработку, но никак не начальный промпт.

[Bardakan]

В cursor есть возможность “отменить изменения и повторить промпт». Здесь по идее должно быть что-то подобное

[rsashka]

Конечно есть. Но ведь может потребоваться отменять не весь пропт, а только какую то часть, когда рассуждения LLM "завернули не туда". И тут основная проблема не отменить изменения, а определить момент поворота рассуждений в неправильном направлении.

[mazetronick]

Самый правильный способ использовать ИИ при разработке программного обеспечения - это НЕ использовать ИИ при разработке программного обеспечения. Очевидно же.

[rsashka]

Не вижу ничего плохого в написанном коде. Может быть вы покажете конкретное место, где же плох код, написанный ИИ?

[aiminkai]

Это как при формировании фин отчётов не пользоваться калькулятором.

Голова вам зачем? Если вы не поняли код ИИ, то не выкатывайте это в прод, вот и всё.

[mazetronick]

Неправильная аналогия. Это как при формировании фин отчета пользоваться калькулятором, который на запрос 3×3 выдает ответ 159.

Я-то как раз понимаю, поэтому не пользуюсь и никому не советую.

[KanuTaH]

Все ещё хуже. Если бы этот калькулятор всегда выдавал 159, к этому ещё можно было бы приспособиться. Но он иногда выдаёт 159, иногда 9, а иногда 0. В общем, чтобы им пользоваться, ты должен все равно заранее посчитать, сколько должно получиться, и проверять за ним. Такое себе удовольствие.

[northrop]

Установить параметр Reasoning effort (reasoning_effort) на самый минимальный уровень, чтобы уменьшить глубину и сложность рассуждений, которые модель использует при генерации ответов.

Ок, а в чем будет проигрыш, если минимизировать этот параметр? У вас так все описано, словно он чем выше, тем однозначно хуже получамый результат.

[rsashka]

Не хуже, а становится выше вероятность галюцинаций и увеличивается время выявления ошибки в рассуждениях.

Например в контексте программирования, LLM может начать использовать не существующий API и на его основе реализовать заданный алгоритм. А после выдачи результата попытаться скомпилировать код, выяснить что он не работает и только после этого, уже при следующей итерации во время анализы причины проблемы, LLM вам сообщит "извините, я использовал не существующий API, сейчас сделаю как нужно".