Du ejer koden, ikke AI 
 
 TL;DR: Hvis du ikke kan forklare hele din kode, må du ikke begå det. TL;DR: Hvis du ikke kan forklare hele din kode, må du ikke begå det. Almindelig fejl 🙂 Du opfordrer og indsætter AI-genereret kode direkte i dit projekt uden at tænke to gange. Du stoler på AI uden verifikation og skaber Det vil du – eller nogen andre – blive nødt til at rydde op. Arbejdsløbet Du antager, at koden fungerer, fordi den Korrekt (eller kompliceret nok til at imponere nogen). ser ud Skibet A når AI-assistenten genererer store blokke, fordi det er en masse kode. Manuel gennemgang Du behandler AI-udgang som produktionsklar kode og sender den uden en anden tanke. Hvis du laver kodeanmeldelser, bliver du træt af store trækforespørgsler (sandsynligvis genereret af AI), der føles som at gennemgå en roman. Lad os være ærlige: AI er ikke ansvarlig for dine fejl, Og du vil beholde dit job og blive set som obligatorisk for software engineering proces. you Problemer løst 
 
 
 
 
 
 
 
 
 
 
 Sårbarheder og mangler: AI genererer kode med ikke-sanitiserede input, SQL-injektion, XSS, Email, Packages Hallucination eller hardcodede legitimationsoplysninger Logiske fejl: AI misforstår dine krav og løser det forkerte problem Teknisk gæld: Genereret kode bruger forældede mønstre eller skaber vedligeholdelsesmareridt Tabt ansvarlighed: Du kan ikke forklare den kode, du ikke har gennemgået Skjulte fejl: Problemer, der opstår i produktionen koster 30-100x mere at reparere Du går glip af læringsmuligheder, når du blindt accepterer løsninger Team friktion: Dine anmeldere spilde tid på at fange problemer, du burde have fundet Produktivitetsparadox: AI skifter flaskehalsen fra skrivning til integration Mangel på tillid: Teamets tillid eroderes, når uejet kode forårsager fejl Noisier Code: AI-forfattede PR'er indeholdt 1,7 gange flere problemer end kun menneskelige PR'er. Fejl Hvordan man gør det ️ 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Spørg AI til at generere den kode, du har brug for ved hjælp af det engelske sprog Læs hver enkelt linje, som AI producerer, forstå det og udfordre det, hvis det er nødvendigt Kontroller, at løsningen matcher dine faktiske krav Kontrol af kode håndterer kant tilfælde og fejl Søg efter sikkerhedsproblemer (injektion, auth, dataeksponering) Test koden lokalt med virkelige scenarier Kør dine lanterner, prettifiers og sikkerhedsscannere Fjern eventuelle debug-koder eller kommentarer, du ikke har brug for Refactor kode til at matche dit team stil Tilføj eller opdater test for den nye funktionalitet (spørg AI om hjælp) Skriv en klar besked, der forklarer, hvad der er ændret Først derefter udfylder koden Du vil ikke miste dit job (i øjeblikket) Fordele Du fanger fejl, før de når frem til produktionen. Du forstår den kode, du forpligter dig til. Du er ansvarlig for dine ændringer. Du lærer af din copilots tilgang og bliver en bedre udvikler i processen. Du skaber personlig ansvarlighed. Du opbygger bedre menneskelige team samarbejde og tillid. Du forhindrer Som den . Sikkerhedsbrud Moltbook hændelse Du undgår langsigtede vedligeholdelsesomkostninger. Du holder dit omdømme og ansvarlighed intakt. Du er en professionel, der viser respekt for dine human code reviewers. Du er ikke tilgængelig. Konteksten AI-assistenter som GitHub Copilot, ChatGPT og Claude hjælper dig med at kode hurtigere. Disse værktøjer genererer kode fra naturligt sprog og . Vibe kodning AI-modeller er sandsynlige, ikke logiske. De forudsiger den næste token baseret på mønstre. Når du arbejder på komplekse systemer, kan AI gå glip af en bestemt kantsag, som kun et menneske kender. Manuel gennemgang er den eneste måde at lukke kløften mellem "kode, der ser godt ud" og "kode, der er korrekt." AI forstår ikke din forretningslogik eller Mellem dine Og din model. Den virkelige verden bijection Kortlægning AI kan ikke kende dine sikkerhedskrav (medmindre du er eksplicit eller udfører en færdighed). AI kan ikke teste koden mod dit specifikke miljø. Du bliver for hver linje i din codebase. responsible Produktion Fra uanmeldt AI-kode koster virksomheder millioner. Fejl Code review fanger mange sikkerhedsrisici, som automatiserede værktøjer savner. Din organisation holder dig ansvarlig for den kode, du forpligter dig til. Dette gælder, uanset om du skriver kode manuelt eller bruger AI-hjælp. Hurtig henvisning 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)
 Overvejelser ️ Du kan ikke bebrejde AI, når defekter opstår i produktionen. Mennesket er ansvarlig, ikke AI. AI-genereret kode kan krænke din virksomheds licenspolitik. AI kan bruge udtjente biblioteker eller forældede mønstre. Den genererede kode følger muligvis ikke teamets konventioner. Du skal forstå koden for at vedligeholde den senere. Andre udviklere vil gennemgå din AI-støttede kode ligesom alle andre. Nogle AI-modeller træner på offentlige repositories og kan lække mønstre. Type [X] Halvautomatisk Begrænsninger ️ Du skal bruge dette tip til Du bør ikke overse det selv for "enkle" refaktorer. every Tider ️ 
 
 læsbarhed Niveau [X] Begynder Relaterede tips 
 
 
 
 
 
 Self-Review din kode, før du anmoder om en peer review Skriv test for AI-genererede funktioner Dokument AI-assisterede kodebeslutninger Anvend statisk analyse på genereret kode Forstå før du forpligter dig Konklusion AI-assistenter fremskynder din kodningshastighed. Du ejer stadig Du forpligter dig. every line Manuel gennemgang og Få fat i, hvad automatiske værktøjer mangler. Kodeinspektioner Før AI-kodegeneratorer blev mainstream, var en meget god praksis at lave en af koden, før du anmoder om en peer review. Selvrevision Du lærer mere, når du sætter spørgsmålstegn ved AI's valg og forstår "hvorfor" bag dem. Dit omdømme afhænger af kvaliteten af koden, ikke hvor hurtigt du kan udtrykke koden. Tag ansvar for den kode, du sender – dit navn er på den. Gennemgå alt. Forpligter dig ikke blindt. dit fremtidige selv vil takke dig. Vær inkrementel, gør meget små forpligtelser, og . Hold dit indhold friskt Læs mere 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 Også kendt som 
 
 
 
 
 
 Anmeldelse af Human-in-the-Loop Code Verifikation af kode AI-assisteret udviklingsansvar LLM Validering af output Copilot kode inspektion Værktøjer 
 
 
 
 
 
 
 SonarQube (statisk analyse) Snyk (sikkerhedsscanning) ESLint og Pylint (linters) GitLab / GitHub (kode gennemgang platforme) Semgrep (patternbaseret scanning) CodeRabbit / AI-assisteret kode anmeldelser Disclaimer De udtrykte synspunkter er mine egne. Jeg er et menneske, der skriver bedst muligt for andre mennesker. Jeg bruger AI proofreading værktøjer til at forbedre nogle tekster. Jeg glæder mig over konstruktiv kritik og dialog. Jeg former disse indsigter gennem 30 år i softwareindustrien, 25 år med undervisning og skriver over 500 artikler og en bog. Denne artikel er en del af af serie. Hvad er kodning tip 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.

AI Coding Tip 006 - gennemgå hver linje, før du forpligter dig

About Author

KOMMENTARER

HÆNG TAGS

DENNE ARTIKEL BLEV PRÆsenterET I

Related Stories

Meet Tailscale: HackerNoon Company of the Week

Meet Bosch: HackerNoon Company of the Week

Meet Timescale: HackerNoon Company of the Week

Meet IONOS: HackerNoon Company of the Week

Meet Tailscale: HackerNoon Company of the Week

Meet Bosch: HackerNoon Company of the Week

Meet Timescale: HackerNoon Company of the Week

Meet IONOS: HackerNoon Company of the Week

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps