Тоже сравнил его на небольшом фиксе в реальном проекте - там где клод опус 4.7 обошёлся несколькими строчками, выбрав более правильный и лаконичный подход ещё и тесты проверил и поправил, дипсик начал вводить лишние сущности и подходы, которые только запутывали итоговое понимание кода, хотя формально были верными, но не нужными.
Возможно клоду (на уровне обработки запроса в компании) пишут более правильные системные промты, снижающие энтропию результата не в ущерб требованиям, поэтому его вывод кажется более лаконичным.
Когда появились языки высокого уровня, то количество специалистов умеющих писать в машинных кодах и очень хорошо знающих железо конечно сократились, но они никуда не делись. Зато рядом с ними появились новые специалисты, не хуже, но которые не знают особенности работы с машинными кодами. Хуже ли они предыдущих? Кажется нет, но они сосредоточились на других более высокоуровневых задачах.
С внедрением новых подходов разработки (даже таких спорных как LLM) порог входа в программирование естественно снижается. В случае нейросетей так сильно, что кажется позволяет программировать даже обезьянам. В то же время у хороших специалистов освобождается ресурс на погружение и расширение предметной области решаемой задачи, интеграцию её в реальный мир и прочие не менее важные задачи, чем просто написание качественного кода.
Ну а плохой разработчик - он всегда плохо напишет, это не зависит от инструмента.
Полагаться на опыт нейросети тут не получится. Нейросети, даже самые лучшие, это всё ещё большой семантический T9, который не очень понимает что пишет, хотя и очень старается связать контекст из скормленных ему на стадии обучения данных. Из-за этой особенности на выходе периодически случайно нейросеть будет совершать крайне глупые ошибки, потому что датасеты никогда не будут бесконечно точные. Чем больше задач и дольше производится работа, тем накопленных ошибок будет больше. Учитывая что каждая ошибка это точка отказа - накопление ошибок приведет к очень быстрой деградации проекта, если не успевать их отлавливать. Для этого нужно уметь читать код, в том числе в разрезе архитектуры. К сожалению с вайб-кодерами тут часто как в анекдоте: чукча не читатель, чукча писатель.
Если же рассуждать о опытных разработчиках, то нам сейчас никто не мешает изучить нейросети и взять этот инструмент себе на вооружение, сохраняя понимание что ответственность за качество решений всё ещё лежит на людях.
"На сложных задачах разрыв — в четыре с половиной раза." Как по мне - типичный оборот нейросети обученной излагать для англоязычной аудитории. По-русски это звучит странно.
Тоже сравнил его на небольшом фиксе в реальном проекте - там где клод опус 4.7 обошёлся несколькими строчками, выбрав более правильный и лаконичный подход ещё и тесты проверил и поправил, дипсик начал вводить лишние сущности и подходы, которые только запутывали итоговое понимание кода, хотя формально были верными, но не нужными.
Возможно клоду (на уровне обработки запроса в компании) пишут более правильные системные промты, снижающие энтропию результата не в ущерб требованиям, поэтому его вывод кажется более лаконичным.
Похоже на то как команда укуренных разрабов проверяют друг-друга.
Нейросетям дали подобие внимания, но пока не дали намека на подобие критичного мышления.
Промт это пока тоже про внимание, даже если там написано что-то другое.
Основное правило многопоточки - без крайней необходимости старайся с ней не связываться, ищи альтернативы.
Многопоточка это уникальный по вероятности выстрелить себе в ногу вариант решения любой задачи.
Даже если ты всё про неё знаешь, она обязательно найдет способ удивить тебя.
Могу ошибаться, но похоже что это OAuth ограничение, чтобы агентами на спамили.
Меня уже триггерит от этого "не просто".
LLM выражение-паразит какое-то.
Вероятно это нормальный процесс.
Когда появились языки высокого уровня, то количество специалистов умеющих писать в машинных кодах и очень хорошо знающих железо конечно сократились, но они никуда не делись. Зато рядом с ними появились новые специалисты, не хуже, но которые не знают особенности работы с машинными кодами.
Хуже ли они предыдущих?
Кажется нет, но они сосредоточились на других более высокоуровневых задачах.
С внедрением новых подходов разработки (даже таких спорных как LLM) порог входа в программирование естественно снижается. В случае нейросетей так сильно, что кажется позволяет программировать даже обезьянам. В то же время у хороших специалистов освобождается ресурс на погружение и расширение предметной области решаемой задачи, интеграцию её в реальный мир и прочие не менее важные задачи, чем просто написание качественного кода.
Ну а плохой разработчик - он всегда плохо напишет, это не зависит от инструмента.
Полагаться на опыт нейросети тут не получится. Нейросети, даже самые лучшие, это всё ещё большой семантический T9, который не очень понимает что пишет, хотя и очень старается связать контекст из скормленных ему на стадии обучения данных. Из-за этой особенности на выходе периодически случайно нейросеть будет совершать крайне глупые ошибки, потому что датасеты никогда не будут бесконечно точные. Чем больше задач и дольше производится работа, тем накопленных ошибок будет больше. Учитывая что каждая ошибка это точка отказа - накопление ошибок приведет к очень быстрой деградации проекта, если не успевать их отлавливать. Для этого нужно уметь читать код, в том числе в разрезе архитектуры. К сожалению с вайб-кодерами тут часто как в анекдоте: чукча не читатель, чукча писатель.
Если же рассуждать о опытных разработчиках, то нам сейчас никто не мешает изучить нейросети и взять этот инструмент себе на вооружение, сохраняя понимание что ответственность за качество решений всё ещё лежит на людях.
Есть проекты которые запускают агенты в отдельном докер контейнере.
"На сложных задачах разрыв — в четыре с половиной раза."
Как по мне - типичный оборот нейросети обученной излагать для англоязычной аудитории. По-русски это звучит странно.
Так называемый ИИ отлично делает вид что хорошо справляется с задачей.
- А вы что, ещё и есть за меня будете?
- Ага.
P.S.
Мультфильм о Вовке в тридевятом царстве ещё никогда не был так актуален.
Я зашел на хабр почитать, а мне предлагают посмотреть видео. Надули.
Хорошие времена рождают слабых программистов.
Полезно, но зависимости в виде дерева сложно изучать. Представление в виде графа логических завистмостей было бы более наглядно на мой взгляд.