Vostè és propietari del codi, no de l'AI 
 
 TL;DR: Si no pots explicar tot el teu codi, no ho comprometis. TL;DR: Si no pots explicar tot el teu codi, no ho comprometis. Errors comuns Demaneu i col·loqueu el codi generat per la IA directament al vostre projecte sense pensar-hi dues vegades. Confia en l'IA sense verificació i crea que -algú més- haureu de netejar més tard. Treballadors Suposem que el codi funciona perquè correcte (o prou complicat per impressionar a tothom). Mireu Vostè skip a quan l'assistent d'IA genera blocs grans perquè, bé, és un munt de codi. Revisió manual Tractes la sortida d’IA com a codi a punt de producció i l’envieu sense pensar-hi una segona vegada. Si estàs fent revisions de codi, estàs cansat de les grans sol·licituds de recollida (probablement generades per la IA) que se senten com revisar una novel·la. Anem a ser honestos: l'IA no és responsable dels teus errors, I vols mantenir la teva feina i ser vist com a obligatori per al procés d'enginyeria de programari. you Problemes resolts 
 
 
 
 
 
 
 
 
 
 
 Vulnerabilitats i defectes de seguretat: l'IA genera codi amb entrades no sanititzades, injecció de SQL, XSS, correu electrònic, al·lucinació de paquets o credencials d'encriptació Errors de lògica: l'IA entén malament els teus requisits i soluciona el problema equivocat Deute tècnic: el codi generat utilitza patrons obsolets o crea malsons de manteniment Responsabilitat perduda: No pots explicar el codi que no has revisat Defectes ocults: els problemes que apareixen en la producció costen 30-100 vegades més per corregir Les bretxes en el coneixement: et perdis les oportunitats d’aprenentatge quan acceptes cegament les solucions Fricció de l'equip: els teus revisors malgasten el temps capturant els problemes que hauries d'haver trobat Paradoxa de la productivitat: l’IA canvia la barrera de l’escriptura a la integració Falta de confiança: la confiança de l'equip s'erodeix quan el codi no propietari causa fallades Codis més sorollosos: els PRs autoritzats per IA contenien 1,7 vegades més problemes que els PRs només humans. Defectes Com fer-ho ️ 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Demaneu a l'IA que generi el codi que necessiteu utilitzant l'idioma anglès Llegeix cada línia produïda per l'IA, entén-la i desafia-la si cal. Comproveu que la solució coincideix amb els vostres requisits reals Verifica el codi que gestiona casos d'avantguarda i errors Cercar problemes de seguretat (injecció, auth, exposició de dades) Provar el codi localment amb escenaris reals Executa els teus llamps, prettifiers i escàners de seguretat Elimina qualsevol codi de debug o comentaris que no necessitis Refactor del codi per encaixar amb l'estil del seu equip Afegir o actualitzar proves per a la nova funcionalitat (pregunta a l'AI per obtenir ajuda) Escriu un missatge clar explicant el que ha canviat Només llavors es farà el codi No perdràs la teva feina (per ara) Beneficis Els defectes es capturen abans que arribin a la producció. Vostè entén el codi que vostè comet. Vostè és responsable dels seus canvis. Aprèn de l'enfocament del teu copilot i es converteix en un millor desenvolupador en el procés. Construeix la responsabilitat personal. Construeix una millor col·laboració i confiança en equip humà. Vostè evita Com el . Violacions de seguretat Incident de Moltbook Evita els costos de manteniment a llarg termini. Vostè manté la seva reputació i responsabilitat intactes. Ets un professional que mostra respecte pels teus revisors de codi humà. No estàs disponible. El context Els assistents d'IA com GitHub Copilot, ChatGPT i Claude t'ajuden a codificar més ràpid. Aquestes eines generen codi a partir de prompt de llenguatge natural i . Codificació Vibe Els models d’IA són probabilístics, no lògics. Preveuen el següent token basat en patrons. Quan es treballa en sistemes complexos, la IA pot perdre un cas específic que només un humà sap. La revisió manual és l'única manera de tancar la bretxa entre "codi que es veu bé" i "codi que és correcte". La intel·ligència artificial no entén la seva lògica empresarial o la Entre els teus El teu model. Bijection del món real Mapa L'IA no pot conèixer els teus requisits de seguretat (a menys que siguis explícit o executi una habilitat). L'IA no pot provar el codi contra el seu entorn específic. Vostè queda per a cada línia de la vostra base de codis. responsible producció El codi d'IA no revisat costa milions a les empreses. Defectes La revisió de codi capta molts riscos de seguretat que les eines automatitzades ometen. La teva organització et fa responsable del codi que compromets. Això s'aplica si escrius codi manualment o utilitzes l'ajuda de la IA. Referència ràpida Bad Prompts class DatabaseManager:
    _instance = None # Singleton Anti Pattern
    def __new__(cls):
        if cls._instance is None:
            cls._instance = super().__new__(cls)
        return cls._instance
    def get_data(self, id):
        return eval(f"SELECT * FROM users WHERE id={id}") 
        # SQL injection!

    ## 741 more cryptic lines
 Good Prompts from typing import Optional
import sqlite3

class DatabaseManager:
  def __init__(self, db_path: str):
    self.db_path = db_path

  def get_user(self, user_id: int) -> Optional[dict]:
    try:
      with sqlite3.connect(self.db_path) as conn:
        conn.row_factory = sqlite3.Row
        cursor = conn.cursor()
        cursor.execute("SELECT * FROM users WHERE id = ?", (user_id,))
        row = cursor.fetchone()
        return dict(row) if row else None
    except sqlite3.Error as e:
        print(f"Database error: {e}")
        return None

db = DatabaseManager("app.db")
user = db.get_user(123)
 Consideracions ☀️ No es pot culpar l'IA quan apareixen defectes en la producció. L’ésser humà és responsable, no l’AI. El codi generat per IA pot violar les polítiques de llicència de la vostra empresa. La IA podria utilitzar biblioteques degradades o patrons obsolets. El codi generat pot no seguir les convencions del vostre equip. Cal entendre el codi per mantenir-lo més tard. Altres desenvolupadors revisaran el vostre codi assistit per IA igual que qualsevol altre. Alguns models d'IA entren en repositoris públics i poden filtrar patrons. Tipus de [X] Semi-automàtic Limitació ☀️ Hauríeu d'utilitzar aquest tipus de No s'ha de saltar fins i tot per a "simples" refactors. every Tardor ️ 
 
 Llegibilitat nivell [X] Inici Articles relacionats 
 
 
 
 
 
 Autoconsulta el teu codi abans de sol·licitar una revisió per part dels col·legues Escriure proves per a funcions generades per AI Decisions de codi assistida per AI Anàlisi estàtica sobre el codi generat Comprendre abans de comprometre's Conclusió Els assistents AI acceleren la seva velocitat de codificació. Encara ets propietari Vostè es compromet. every line Revisió manual i Descobreix les eines automatitzades que falten. Inspecció de codi Abans que els generadors de codi d'IA es convertissin en el domini, una bona pràctica era fer una del codi abans de sol·licitar una revisió per pares. Autoavaluació Aprèn més quan qüestiona les opcions de la IA i entén el "per què" que hi ha darrere. La seva reputació depèn de la qualitat del codi, no de la rapidesa amb què es pot treure el codi. Assumeix la responsabilitat del codi que envieu - el teu nom està en ell. Reviseu-ho tot, no us comprometeu a res cegament, el vostre futur jo us ho agrairà. Ser incremental, fer compromisos molt petits, i . Mantingui el seu contingut fresc Més informació i️ https://hackernoon.com/code-smell-313-workslop-in-ai-assisted-programming https://hackernoon.com/how-to-find-the-stinky-parts-of-your-code-part-xxxviii https://hackernoon.com/code-smell-300-package-hallucination https://martinfowler.com/articles/code-review.html https://learning.oreilly.com/library/view/perform-code-reviews/9781098172657/ch01.html https://www.coderabbit.ai/blog/state-of-ai-vs-human-code-generation-report https://medium.com/@mozaman/the-productivity-paradox-of-ai-why-commits-and-prs-dont-tell-the-story-ceb68a453f54 https://google.github.io/eng-practices/review/ https://www.atlassian.com/agile/software-development/code-reviews https://pragprog.com/titles/tpp20/the-pragmatic-programmer-20th-anniversary-edition/ https://standards.ieee.org/standard/1028-2008.html També coneguda com a 
 
 
 
 
 
 Revisió del codi human-in-the-loop Verificació de codi Responsabilitat de desenvolupament assistida LLM Validació de la sortida Inspecció de codi copilot Eines 
 
 
 
 
 
 
 SonarQube (anàlisi estàtica) Snyk (escaneig de seguretat) ESLint / Pylint (linters) GitLab / GitHub (plataformes de revisió de codi) Semgrep (escaneig basat en patrons) CodeRabbit / Revisió de codi assistida per IA Disclaimer Les opinions expressades són meves. Sóc una persona que escriu el millor possible per als altres humans. Utilitzem eines de proofreading per millorar alguns textos. Benvingut el diàleg i la crítica constructiva. He format aquestes perspectives a través de 30 anys en la indústria del programari, 25 anys d'ensenyament, i escriure més de 500 articles i un llibre. Aquest article forma part de la La sèrie. Codificació Tipus https://maximilianocontieri.com/ai-coding-tips

This story contains AI-generated text. The author has used AI either for research, to generate outlines, or write the text itself. 

Winner of Noonies 2020 for the award Hacker Noon Contributor of the Year - REFACTORING.

Tipus de codificació 006 - Revisió de cada línia abans de comprometre's

About Author

COMENTARIS

Etiquetes penjant

AQUEST ARTICLE VA SER PRESENTAT A

Related Stories

Startups of The Year: Meet the Education Industry

Startups of The Year: Meet the Engineering Industry

Startups of The Year: Meet the Commerce Industry

Generar líders de qualitat ASAP: HackerNoon's Content-Relevant Niche Ads FTW

Startups of The Year: Meet the Education Industry

Startups of The Year: Meet the Engineering Industry

Startups of The Year: Meet the Commerce Industry

Generar líders de qualitat ASAP: HackerNoon's Content-Relevant Niche Ads FTW

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps