Podnikové týmy dnes odesílají více kódu, častěji Částečně je poháněna nástroji pro kódování založenými na umělé inteligenci, jako jsou GitHub Copilot a Amazon Q. než kdykoliv předtím Ale je tu problém. Zatímco umělá inteligence pomáhá podnikovým týmům dodávat více, rychleji, zděděné systémy, které zdědily - spolu s roky nebo dokonce desetiletími architektonického dluhu - Vzhledem k tomu, že se zvyšuje složitost, mnoho organizací se obrací k modernizaci – nejen proto, aby se udrželo, ale proto, že cloudová migrace to vyžaduje. Stávají se horší Realitou je, že zatímco velká část vzrušení kolem kódování umělé inteligence se zaměřuje na projekty Greenfield a nově postavené aplikace, most developers spend their time maintaining and modernizing legacy systems that are filled with outdated code, old frameworks, and accumulated  . Architektonický dluh Architektonický dluh Týmům byl dán tento mandát k modernizaci, ale s jejich nástroji AI, které mají malý nebo žádný kontext stávající softwarové architektury (nebo architektonický dluh), se zhoršují problémy, jako je těsné spojení, narušené závislosti a architektonický drift. . To dělá to horší Protože modernizace není jen o rychlém přepisování kódu. A se správným přístupem k používání AI lze těchto cílů dosáhnout. reshaping software architecture to support scalability, faster delivery, and cloud-native goals V tomto článku se zaměříme na to, jak umožnit Zatímco většina článků se zaměřuje na používání umělé inteligence k kódování, podíváme se na konkrétní příklady toho, jak umělá inteligence může Protože se správnými nástroji a správným kontextem může umělá inteligence poskytnout konzistentní a správné architektonické návrhy, které pomáhají, nikoli brání, úsilí vašeho týmu. AI-assisted software architecture modernization actively help modernize software architecture Ať už se potýkáte s monolitickým pozůstalým systémem nebo navigujete složitostmi zděděných mikroslužeb, umělá inteligence může být účinným a mocným spoluautorem. Problém s AI a softwarovou architekturou Víme, že AI změnila kódování.Většina vývojářů se spoléhá na AI kódování asistentů ve své každodenní práci, pomocí těchto AI agentů jako chytrý, zkušený a neúnavný kódování asistent. Problém je v tom, že v tomto každodenním používání ovlivňuje AI také architekturu. Když vývojář píše kód, neustále se ptá a zvažuje odpověď na otázky, jako jsou: 
 
 
 
 
 
 
 Jak bych měl organizovat své třídy? Jak mám zvládat caching? Kde bych měl tuto obchodní logiku umístit? Jaké jsou vnější závislosti? Jak se to vejde do naší celkové softwarové architektury? a více Ať už si to vývojáři uvědomují nebo ne, agenti umělé inteligence také kladou tyto otázky - a implicitně rozhodují o architektuře - s každým řádkem generovaného kódu. S těmito rozhodnutími přichází Váš chytrý, zkušený a neúnavný kódovací asistent dělá neinformovaná rozhodnutí, která se na povrchu zdají být správná – ale když se podíváte z kontextu softwarové architektury, přidává více dluhů, více problémů a více hodin debugování. risk A aby se vaše problémy zhoršily, tyto chyby nejsou obvykle okamžitě zřejmé. U pozůstalých systémů je pokrytí kódu často méně než ideální. A dokonce i tehdy, softwarová architektura obvykle neoznačuje svůj rozpad nahlas. Problémy, jako je těsné spojení nebo neschopné moduly, jsou často neviditelné pro monitorovací a testovací nástroje. Softwarová architektura Drift (pomalá a téměř neviditelná eroze daleko od strukturované a řízené architektury) je obzvláště zákeřná. Je to známý příběh: složitost systému byla ohromující, vnitřní pokusy o modernizaci trvaly roky a úsilí se opakovaně zastavilo kvůli skrytým architektonickým pasti. Architecture drift Fortune 100 banky V nedávném průzkumu, Podniky zažívají negativní obchodní výsledky v důsledku nesouladu mezi implementovanou architekturou a zdokumentovanými standardy – což znemožňuje ignorovat náklady na tyto mezery. 93 % respondentů Architektonické problémy mohou být méně viditelné než kódové chyby, ale jsou mnohem problematické. Jak AI může skutečně pomoci modernizovat vaši softwarovou architekturu Ale nemusí to být takhle. Umělá inteligence může nejen porozumět vašim architektonickým rozhodnutím a následovat je, ale také jim může pomoci je zlepšit. Tam, kde statické diagramy a kmenové znalosti chybí a vývojáři a architekti jsou ponecháni ve tmě, AI není jen asistentem. brownfield modernization efforts Stejně jako nástroje umělé inteligence mohou detekovat a doporučovat zlepšení na úrovni kódu, umělá inteligence může detekovat a opravovat architektonické problémy během vašich úsilí o modernizaci, pokud je krmena architektonickým kontextem založeným na analýze běhu. Při správném použití a s kontextem běhu a předběžnou doménou řízenou strukturální analýzou může AI: 
 
 
 
 
 
 Detekce a korekce architektonických protiplánů dříve, než se stanou kritickými Navrhnout přesné strategie refaktorování Prioritizujte, co opravit, čímž ušetříte čas inženýrského týmu (zatímco asistenty kódování pomáhají okamžitě opravit problémy malého rozsahu) Komplexní závislosti Automatizujte opravy architektonických driftů, aby se systém efektivně uzdravoval Efektivní podnět k úspěšné modernizaci Takže víme, že AI může být naším nejlepším přítelem při modernizaci systémů. Prvním krokem k efektivnímu využití AI v softwarové architektuře je efektivní poptávka. Výsledky, které získáte, jsou přímo spojeny s kvalitou vašeho poptávky. Pokud jste nějakým způsobem nejasní ve svém poptávce, výsledek bude s největší pravděpodobností velmi špatný. Jak tedy vypadá efektivní prompt? 1. Be specific. Nepokoušejte se "Vytvořit rozhraní REST API pro správu objednávek." Tento okamžik, ačkoli možná přehnaně špatný, zanechává značný prostor pro interpretaci AI jak v architektuře, tak v designu. Místo toho spěchejte konkrétně s architektonickým směrem: Vytvořte API Python REST pro správu příkazů pomocí Flask a SQLAlchemy. 
 
 
 
 vrstva ovládacích prvků (Flask routes) pro zpracování HTTP žádostí, logické řešení pro obchodní logiku, a úložnou vrstvu pro přístup k datům pomocí SQLAlchemy ORM.“ 2. Be thorough. Nemluvě jen o logice kódu, ale také o nefunkčních požadavcích. Rozšiřte rozhraní API Python Flask REST na podporu provozní robustnosti a udržitelnosti. 
 
 
 
 
 Logujte každou příchozí žádost HTTP a stav její odpovědi. Logujte čas spuštění pro každou žádost pomocí vestavěného logovacího modulu Pythonu. Logy by měly být strukturovány a obsahovat časový razítko, koncový bod, stavový kód a latenci. Validujte všechny příchozí požadavky pomocí modelů Pydantic na ovládací vrstvě.Ujistěte se, že ověřovací chyby vrátí standardizované odpovědi na chyby JSON s jasnými zprávami a vhodnými kódy stavu HTTP. Implementace retry logiky s exponenciálním zpětným ovládáním pro přechodné chyby databáze v úložné vrstvě. Použijte Tenacity k manipulaci s retry bez duplicitní logiky v podnikové vrstvě. Ujistěte se, že všechny odpovědi na chyby následují konzistentní schéma JSON, včetně chybového kódu, zprávy a volitelných podrobností pro odstraňování chyb. 3. Always be an architect. Předávejte svůj architektonický design a cíle, a jak by měly být začleněny do systému. „Vytvořte modulární systém doručování e-mailů pro systém objednávek, navržený tak, aby se měřil horizontálně a mohl být později rozdělen na vlastní mikroslužbu. 
 
 Clear Separation of Concerns – strukturujte kódovou základnu do čistých vrstev: 
 
 
 
 Ovládací vrstva (tj. Flask routes): Přijímá a validuje požadavky na odesílání e-mailů. Service Layer: Zabývá se obchodními pravidly, jako je omezování sazeb, šablony obsahu a retries. Úložná vrstva: spravuje přetrvávání pokusů o odesílání e-mailů, stavů a protokolů doručení pomocí SQLAlchemy. 2 státní příslušnost: 
 
 
 
 Nenechávejte sezení nebo stav specifický pro požadavky mezi hovory. Veškerý kontext (např. ID odesílatele, obsah e-mailu, záhlaví) musí být přenesen do každé žádosti. Přetrvává veškerý stav v externích úložištích (databáze, vyrovnávací paměť nebo pořadí), aby se udržely výpočetní uzliny bez stavu. Rozšiřitelnost a připravenost na mikroslužby: 
 
 
 
 Navrhněte každou hlavní záležitost (např. odesílání frontů, zobrazování e-mailů, sledování stavu) jako interní modul, který by se později mohl stát nezávislou službou. Vyhněte se hardcodovaným implementacím – rozhraní by mělo být definováno pro každou hlavní složku (např. EmailProvider, EmailQueue, TemplateEngine). Injekce všech závislostí na servisu a úložišti prostřednictvím konstruktérů nebo jednoduchého DI kontejneru. Nefunkční požadavky: 
 
 
 
 Odolnost: Graciózně zvládat chyby SMTP a opravit selhání pomocí strategií backoff. Pozorovatelnost: Logujte veškerou e-mailovou aktivitu pomocí ID požadavků a metadat doručení. Rozšiřitelnost: Umožňuje snadnou podporu více poskytovatelů (např. SendGrid, SES) za abstrakcí rozhraní. Nezapomeňte: poptávky jsou efektivně vaší architekturou. Buďte konkrétní, přidejte kontext, buďte důkladní, vždy. Přidejte architektonický kontext k vašim poptávkám Apt čtenář si všimne, že poslední prohlášení zahrnovalo "přidat kontext" ... ale dosud jsme tuto potřebu neřešili. Chcete-li přidat architektonický kontext k našim poptávkám, potřebujeme nějakou pomoc. , nástroj, který analyzuje architekturu aplikací a poskytuje strukturální vedení asistentům GenAI při refaktoringu. Použijeme statickou a dynamickou analýzu v kombinaci s datovou vědou, abychom pochopili logické domény vaší aplikace a identifikovali optimální hranice těchto domén. vFunkce 
 
 
 
 
 
 
 Cirkulární závislosti Antikorupční Architektonický technický dluh Porušení hranic domény Mrtvý kód a více Poté tyto informace vložíte do svého agenta, abyste mohli řídit jeho kroky a poskytnout vašim agentům AI informace, které potřebují k napsání kódu, který chcete. Příklad krok za krokem Podívejme se na výše uvedené kroky, abychom zjistili, jak dodáváme architektonický kontext asistentům kódu. Analyze your app. Začněte shromažďováním statických a dynamických dat z vaší aplikace. Použijeme vFunction k identifikaci potenciálních logických domén ve vaší aplikaci a jejich hranicích. Tato výchozí linie umožňuje nástroji identifikovat relevantní architektonické problémy, jako jsou hranice suboptimálních domén, závislosti mezi doménami, závislosti na zdroji, třídy s vysokým zadlužením, kruhové závislosti a sdílený kód mezi doménami. Analýza aplikace střední velikosti a jejích propojených obchodních domén (zastoupených sférami) a doprovodných technických dluhů. **Review the architectural TODOs
\ Next generate a list of prioritized architectural TODOs, each with a contextual explanation and an AI-ready prompt you can use in tools like Amazon Q or GitHub Copilot. **Use the prompt in your AI assistant.
\ Send the generated prompt into your IDE or code assistant. It will understand the context and help you break up god classes, resolve domain pollution, or implement suggested changes to increase the modularity of your code. For example, in the screen shot above we see suggestions for refactoring a circular flow dependency. **Validate and repeat.
\ Rerun the analysis after applying changes. It will show you whether modularity improved, which TODOs were resolved, which weren’t, and suggest the next step in the refactoring process. Kombinací tohoto poznatku se svými LLM vytvoříte výkonného, kontextově vědomého asistenta, který je připraven vybudovat a provádět tvrdou práci na refaktoringu. AI is Your Partner in Software Architecture AI je vaším partnerem v oblasti softwarové architektury Kódování poháněné AI je jen částí příběhu. The real value comes from using those same AI assistants not just to generate code but as a partner to help you modernize and improve your existing software architecture. Pomocí architektonicky vědomého kontextu založeného na čase spuštění pro vytváření efektivních, konzistentních a přesných poptávek vám AI může pomoci překonat dluh z tradiční architektury, modulovat váš kód a implementovat škálovatelný, cloud-nativní, modernizovaný systém. Mějte opravdu skvělý den!

2022 - HackerNoon Contributor of the Year - Cloud Computing

2022 - HackerNoon Contributor of the Year - Design

2022 - HackerNoon Contributor of the Year - Heroku

2022 - HackerNoon Contributor of the Year - Javascript

2022 - HackerNoon Contributor of the Year - Salesforce

2022 - Hackernoons Tech Storyteller of the Year

I ♥ writing code. Find me on GitLab.

Nominated for 2022 - HackerNoon Contributor of the Year - Javascript

Nominated for 2022 - Hackernoons Tech Storyteller of the Year

Nominated for 2022 - HackerNoon Contributor of the Year - Cloud Computing

Nominated for 2022 - HackerNoon Contributor of the Year - Heroku

Nominated for 2022 - HackerNoon Contributor of the Year - Design

Nominated for 2022 - HackerNoon Contributor of the Year - Salesforce

Tento zvuk je produkován v původním jazyce příběhu!

Příliš dlouho; Číst

AI dělá vývojáře rychlejšími, ale také zhoršuje architekturu

AI dělá vývojáře rychlejšími, ale také zhoršuje architekturu

About Author

KOMENTÁŘE

ZAVĚŠIT ZNAČKY

TENTO ČLÁNEK BYL PŘEDSTAVEN V

Related Stories

Coinshift Launches csUSDL, Announces Strategic Partnerships

Coinshift Launches csUSDL, Announces Strategic Partnerships

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps