Slop – to je termin koji čujemo sve češće kada govorimo o proizvodima AI. Nešto niskokvalitetno, teško kontrolisati, stvoreno non-stop u alarmantnim količinama s jednim ciljem: uhvatiti pažnju, ubiti vreme, generirati hype. , čiji je opseg, zajedno sa posledicama njegove potencijalne eksplozije, ostaje da se vidi. Bubble u industriji Sve to još jednom podstiče raspravu o stvarnoj efikasnosti i opasnostima AI. Razvoj softvera nije izuzetak. Istraživanje uvjerljivo pokazuje da obučavanje AI alata nije lako, a bez odgovarajućih vještina, učinak njihove upotrebe može čak biti i veći. . negativno Ipak, AI može biti izuzetno koristan u razvoju softvera. Sve što je potrebno je rigor, dosljednost, disciplina. Pronađite malo motivacije Mi smo rafinisali metodologije, izmislili programske jezike, metode isporuke, posmatranost, QA, i tako dalje. ali mi smo uvek pisali kod liniju po liniji, kao tekst, održavajući kontrolu nad onim što pišemo kako idemo. To doba je Bilo da nam se to sviđa ili ne, kod će uskoro biti generisan prvenstveno jezikovnim modelima. Ovo je ogromna promena. Moramo promijeniti mnoge naše navike – doslovno promijeniti našu profesiju. To zahtijeva ozbiljnu motivaciju. Za mene, najprivlačniji razlozi za korištenje AI alata u razvoju svaki dan su: Preko 
 
 
 Svaki put kada uspem da dobijem AI da radi efikasno za mene, osećam se istinski sretno. To je radost da obučem novi alat, učenje i dobro obavljen posao. To je neizbežno. Prilično teška točka, ali jedna od najvažnijih. Morate vidjeti stvarnost i biti u stanju da je mirno prihvatite. AI-powered razvoj je stvarno sada i postaće dominantan oblik u budućnosti. To postaje zahteva za posao. Dobar primer je ovaj standard zapošljavanja iz : Zaštita Provjeriti da li imate pravu motivaciju je jednostavno - samo primijetiti svoje emocije kada se pojave nove verzije LLM i AI proizvodi za razvoj softvera. Ako umesto radosti i znatiželje osetite tjeskobu, to može značiti da se niste dovoljno prilagodili novim alatima. - Koristite ga da potisnete sebe da naučite nove alate. olakšanje koje osećate kada se ta anksioznost otopi postaje još jedan moćan razlog da nastavite dalje. Produktivno 2. izolacija Od tog trenutka, svi elementi kontrolne liste će na neki način biti povezani sa Pristup ovde je jednostavan - što je sažetak, specifičnije i detaljnije upute koje LLM prima, to je bolji kvalitet njegovog izlaza. Kontekst inženjering Kontekst specifičnosti je postignut kroz odgovarajuću organizaciju baze kodova - razbijanje stvari u nezavisne, izolirane module s ograničenim opsegom odgovornosti. Najlakši način da se organizuju takvi moduli je unutar monorepos. Danas, nije potrebno mnogo da se uspostavi sveobuhvatni višejezični repozitorij za ceo projekat. Počnite tako što ćete identificirati osnovne entitete - implementirane aplikacije i zajedničke "pakete" s korisničkim kodom. Pravila su jednostavna - aplikacije trebaju ovisiti o paketima, a paketi mogu ovisiti jedni o drugima, ali paketi ne mogu ovisiti o aplikacijama. Evo primjera strukture koju možete koristiti. odgovara većini slučajeva: root/
├── applications/
│   ├── website/
│   ├── public-api/
│   ├── admin-dashboard/
│   └── ...
│
├── packages/
│   ├── js/
│   │   ├── ui/
│   │   ├── client/
│   │   ├── validation/
│   │   └── ...
│   │
│   ├── py/
│   │   ├── common-lib/
│   │   ├── models/
│   │   ├── auth/
│   │   └── ...
│   │
│   └── go/
│       ├── common/
│       ├── clients/
│       └── ...
└── Makefile
 Makefile će djelovati kao ulazna točka za sve što će omogućiti orkestriranje tehnologija-agnosticiranog skripta. Za JS, pnpm se pokazao kao najbolji izbor - danas bih ga izabrao preko npm i žice. Ova vrsta monorepo je vrlo pogodna, fleksibilna i proširiva struktura. I stvarno dobro radi sa AI agentima. Razvoj paketa je jednostavan jer je kod strogo izolovan i služi određenoj funkciji. Kada radite sa kodom u aplikacijama, možete: 
 
 
 
 Identifikujte sve pogođene spoljne pakete unaprijed Napravite promene korak po korak, mijenjajući pakete prvo, a zatim stvarni sloj aplikacije Ispravljanje grešaka u izolaciji, korak po korak, u krugu povratnih informacija. Postavljanje Feedback Loop Kvalitet koda generisanog AI-om dramatično se poboljšava kada AI agent može pokrenuti testove, lantere i koristiti izlaz iz ovih alata za prilagođavanje rezultata tokom procesa rada. U idealnom svetu, najbolje rješenje bi bilo dati AI pristup okruženju za izvršenje koda - za web projekte, što znači preglednike. . Nema gotovog rešenja To je rekao, čak i osnovni lanteri i testovi jedinica su izvrsni alati za kontrolu kvaliteta i smanjenje halucinacija. Pogotovo jer je postavljanje statičkih provjera koda u monorepo prilično jeftino. Iako neki AI alati (kao što je Cursor) automatski pokreću lantere, još uvijek ima smisla eksplicitno uputiti LLM da pokrene provjere. Na primjer, prompt može izgledati ovako: Update packages/js/api-client:

Add getUserProfile(userId) method:
- GET /users/{userId}/profile
- Include tests for success and 404 error

Run `make test-api-client` and fix any failures.
 Stvaranje Memory-banke Memory-bank je okvir koji opisuje kako pohraniti i upravljati dva tipa entiteta: i . Rules Documentation je prilično jednostavan - to je vaš proizvod opisan iz različitih perspektiva: proizvoda, arhitekture i nivoa komponenti. Postoji mnogo članaka na internetu o pisanju dobre tehničke dokumentacije. Ono što je važno za nas je da je granularnija dokumentacija i što je bliže kodu, lakše je za agenta da ga pristupi. Documentation Standardna ulazna tačka za AI agente je datoteka AGENTS.md. Ova datoteka treba da opiše cjelokupnu strukturu i svrhu projekta i pruži veze na druge dokumentacijske datoteke. Monorepo podešavanje omogućava prikladno organizovanje dokumentacije unutar specifičnih modula uz održavanje baze memorije na korenu. Evo kako bi struktura datoteke memorije-banke mogla izgledati: monorepo/
├── memory-bank/                          # Shared across entire repo
│   ├── AGENTS.md                         # Root entry point
│   ├── monorepo-conventions.md           # Overall structure & rules
│   ├── shared-tech-stack.md              # Common technologies used
│   ├── development-workflow.md           # Git, CI/CD, deployment
│   └── architecture-overview.md          # High-level system design
│
├── applications/
│   ├── website/
│   │   ├── memory-bank/
│   │   │   ├── AGENTS.md                 # References root + specific context
│   │   │   ├── product-overview.md       # What this app does
│   │   │   ├── user-journeys.md          # Key user flows
│   │   │   ├── tech-stack.md             # Specific technologies
│   │   │   ├── api-integration.md        # How it connects to APIs
│   │   │   └── tasks.md                  # Current work items
│   │   └── src/
 su relativno novi koncept i, po mom mišljenju, jedna od najproduktivnijih ideja za ponovnu upotrebu uputstava. i Cursorov pristup pravilima čini se posebno moćnim, jer vam omogućuje da dodate pravila određenim datotekama koristeći globusne obrasce. To automatski „uvozi“ relevantna pravila u kontekst kada radite s različitim dijelovima vašeg repozitorija. Možete definisati pravila za TypeScript, Supabase ili GitHub Akcije jednom, a zatim ih ponovno upotrijebiti u projektima. Ovo je posebno korisno kada slijedite konvencije o imenovanju i standarde strukture repozitorija. Rules contribution.md .eslintrc Pravila su uvek globalna i univerzalna.Najbolja praksa je da ih pohranite u korenu repozitorija – to je ono što koderi očekuju. Problem "prazne stranice" za dokumentaciju i pravila lako se može izbjeći. Dokumentacija se može generisati pomoću jednostavnog uputstva i zatim uređivati. U pitanju je U pitanju je . Jedan dva tri Dakle, svaka sesija s AI agentom počinje čitanjem Memory-banke i završava ažuriranjem.To zahtijeva disciplinu i pažnju, ali se brzo isplati jer štedi vrijeme prilikom početka sljedeće sesije. Saznajte “Plan → Akcija” pipeline Plan → Act pristup je verovatno najveća promena u načinu na koji radimo sa AI asistentima, i to je zaista jedini pouzdan način za rješavanje složenih, velikih zadataka. Na primer, kurzor automatski planira izvršenje zadatka bez potrebe za dodatnim uputama. ali za najbolje rezultate, posebno na većim zadatcima, bolje je da isključite Plan → Akcija ručno. Pristup se zasniva na principu 90/10: budite spremni da potrošite 90% vremena na planiranje i samo 10% na implementaciju. Planiranje proizvodi specifične artefakte – zadatke. Što su vaši zadaci detaljniji, temeljniji i dosljedniji, to će vam rezultati biti bolji. Tipičan Plan → Act tok posla izgleda ovako: Planiranje 
 
 
 
 
 
 
 Kontekst priprema. prikupljanje potrebnih dokumenata iz memorije banke Opis poslovnog konteksta. U suštini putovanje korisnika za funkciju Opis tehničke specifikacije - što treba implementirati Opis procesa QA - koji skripti će se pokrenuti za testiranje, koji testovi će se dodati Kreiranje datoteke tasks.md Iteriranje kroz datoteku tasks.md, pojašnjenja, ispravke, poboljšanja akcije 
 
 
 
 
 
 
 Otvaranje nove sesije (chat, tab) Početak implementacije. korak po korak, sekvencijalno Kontrola rezultata vizualno i sa testovima na svakom koraku. Rafiniranje kruga povratnih informacija, dodavanje pokrivenosti testa ažuriranje dokumentacije Uklanjanje datoteke tasks.md dva Za korišćenje ovog kanala: important tips 
 
 
 Uvek odvojite Plan i Akcija u različite sesije. To je prikladno, plus poboljšava stabilnost i štedi na žetone Ako agent proizvodi pogrešne rezultate, ne komplicirajte stvari dodatnim uputama – vratite se na fazu plana, poboljšajte zadatak.md, memoriju i pravila. U osnovi, dobar Plan je gotov dizajn dokument – možete ga razgovarati sa svojim vodstvom tima ili timom, uskladiti na njemu prije implementacije u PR, i koristiti ga kao osnovu za dokumentaciju i vaš test sloj. Plug-in agenti u oblaku Postoji toliko različitih alata na tržištu, i nisam želeo da se usredotočim na bilo koji specifičan. ali hajde da barem razdvojimo dva glavna tipa: lokalne agente (kao što su Claude Code, Cursor i Codex CLI) i one zasnovane na oblaku (kao što su Codex Cloud, Jules, ili novo objavljeni U svakom slučaju) Claude Code na mreži Bilo da je u pitanju uređač koda zasnovan na AI-u ili alat CLI, većina svakodnevnih radnih zadataka jednostavno je lakše i efikasnije rukovati na taj način. Glavna stvar je da se sva interakcija odvija kroz pretraživač - ne trebate razvojno okruženje ili lokalno raspoređeni projekat. Zato su savršeni za ove slučajeve upotrebe: 
 
 
 
 Svaka analiza kod baze podataka, procjena vremena za implementaciju, procjena potencijalnih poteškoća ili stvaranje radnog plana (task.md). Ova vrsta analize je velika pomoć prije početka rada na velikom zadatku. Veliki, ali ponavljajući refaktoring koji ne zahtijeva pažljiv nadzor. Glavna stvar je da se testovi prvo pripreme (vidi kontrolu #3). Ciljane ne-kritične promene, zaobilazeći razvojni tim. Umjesto stvaranja zadatka u trackeru zadataka, vaš PO ili Dizajner sa pristupom kodeksu može napisati poziv za agenta u oblaku. Zatim kasnije pregledate rezultate. Glavna stvar je da testovi budu zeleni. Savršen zadatak je onaj koji rešava sam sebe, a još bolje, proces za rešavanje sličnih zadataka. 7. podijeliti Možda je najteži deo kodiranja AI-a timski rad. Kako delite najbolje prakse? Treba li standardizovati tokove rada između kolega u timu, a da li svima treba koristiti isti skup alata? A to su samo najabstraktnija pitanja. AI asistenti takođe postavljaju mnogo vrlo specifičnih pitanja: kako upravljate bankom memorije i ko bi trebao biti odgovoran za održavanje ažuriranja? Dobavljači AI-a pokušavaju na ovaj ili onaj način riješiti ovu potrebu, ali ne postoje gotova rešenja. Kao što se često događa u softverskom inženjeringu, morat ćemo sami izmisliti rešenje. Po mom iskustvu, najbolji način širenja znanja je kroz otvorene horizontalne forume. Ako već imate redovne sastanke programera za deljenje praksi, raspravu o novostima i prenošenje iskustva, učinite AI usvajanje važnom temom na tim sastancima.

This story contains new, firsthand information uncovered by the writer.

Read My Stories

Ovaj audio je proizveden na originalnom jeziku priče!

Stop Slop. Počnite kodirati pametnije sa AI

About Author

KOMENTARI

HANG TAGS

OVAJ ČLANAK JE PREDSTAVLJEN U

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps