Usted es dueño del código, no de la AI 
 
 TL;DR: Si no puedes explicar todo tu código, no lo comprometas. TL;DR: Si no puedes explicar todo tu código, no lo comprometas. Errores comunes Pide y pega el código generado por IA directamente en su proyecto sin pensar dos veces. Confía en la IA sin verificación y crea que -alguien más- tendrás que limpiar más tarde. Trabajo Supongamos que el código funciona porque correcto (o lo suficientemente complicado como para impresionar a cualquiera). mirando Usted es skip a cuando el asistente de IA genera bloques grandes porque, bueno, es mucho código. Revisión manual Usted trata la salida de IA como el código listo para la producción y lo envía sin un segundo pensamiento. Si estás haciendo revisiones de código, te cansas de grandes solicitudes de retiro (probablemente generadas por la IA) que se sienten como revisar una novela. Sea honesto: la IA no es responsable de sus errores, Y usted quiere mantener su trabajo y ser visto como obligatorio para el proceso de ingeniería de software. you Problemas solucionados 
 
 
 
 
 
 
 
 
 
 
 Vulnerabilidad y defectos de seguridad: la IA genera código con entradas no sanitizadas, inyección de SQL, XSS, correo electrónico, alucinaciones de paquetes o credenciales de código duro Errores lógicos: la IA no entiende bien sus requisitos y resuelve el problema equivocado Deuda técnica: el código generado utiliza patrones obsoletos o crea pesadillas de mantenimiento Perdida de responsabilidad: No puedes explicar el código que no revisaste Defectos ocultos: Los problemas que aparecen en la producción cuestan 30-100 veces más para corregir Lagunas en el conocimiento: te pierdes oportunidades de aprendizaje cuando aceptas ciegamente las soluciones Fricción del equipo: tus revisores pierden tiempo atrapando problemas que deberías haber encontrado Paradojo de la productividad: la IA cambia la barrera de la escritura a la integración Falta de confianza: la confianza del equipo se erode cuando el código no propiedad causa fallos Código Noisier: PRs creados por IA contenían 1,7 veces más problemas que los PRs únicos para humanos. defectos Cómo hacerlo ️ 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Pídale a la IA que genere el código que necesita usando el idioma inglés Lee cada línea producida por la IA, entiéndola y desafiándola si es necesario. Compruebe que la solución se ajusta a sus requisitos reales Verificar el código maneja casos de borde y errores Buscar problemas de seguridad (injeción, auth, exposición a los datos) Pruebe el código localmente con escenarios reales Execute sus linternas, prettifiers y escáneres de seguridad Eliminar cualquier código de depuración o comentarios que no necesites Refactor el código para coincidir con el estilo de su equipo Añadir o actualizar pruebas para la nueva funcionalidad (preguntar a la IA por ayuda) Escribe un mensaje de compromiso claro explicando lo que ha cambiado Sólo entonces se cumple el código Usted no va a perder su trabajo (de momento) Los beneficios Atrapa los defectos antes de que lleguen a la producción. Usted entiende el código que se compromete. Usted mantiene la responsabilidad de sus cambios. Aprende del enfoque de tu copiloto y se convierte en un mejor desarrollador en el proceso. Construye la responsabilidad personal. Construye una mejor colaboración y confianza en el equipo humano. Usted previene Como el . violaciones de seguridad Incidente de Moltbook Evita los costos de mantenimiento a largo plazo. Usted mantiene su reputación y responsabilidad intacta. Usted es un profesional que muestra respeto por sus revisores de código humano. Usted no está disponible. Contexto Asistentes de IA como GitHub Copilot, ChatGPT y Claude te ayudan a codificar más rápido. Estas herramientas generan código a partir de prompts de lenguaje natural y . Vibe Codificación Los modelos de AI son probabilísticos, no lógicos. Predicen el próximo token basado en patrones. Cuando se trabaja en sistemas complejos, la IA puede perder un caso de borde específico que solo un ser humano conoce. La revisión manual es la única manera de cerrar la brecha entre "código que parece bueno" y "código que es correcto". La IA no entiende su lógica empresarial o la Entre sus y su modelo. Bijection del mundo real Mapa La IA no puede conocer sus requisitos de seguridad (a menos que usted sea explícito o ejecute una habilidad). La IA no puede probar el código contra su entorno específico. te quedan para cada línea en su base de código. responsible Producción de código de IA no revisado cuesta a las empresas millones. defectos La revisión de código captura muchos riesgos de seguridad que las herramientas automatizadas pierden. Su organización te responsabiliza del código que se compromete. Esto se aplica si escribe código manualmente o utiliza la asistencia de IA. Referencias rápidas 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)
 Consideraciones ☀️ No se puede culpar a la IA cuando aparecen defectos en la producción. El hombre es responsable, no el AI. El código generado por IA puede violar las políticas de licencia de su empresa. La IA podría usar bibliotecas degradadas o patrones desactualizados. El código generado puede no seguir las convenciones de su equipo. Usted necesita entender el código para mantenerlo más adelante. Otros desarrolladores revisarán su código asistido por IA como cualquier otro. Algunos modelos de IA entrenan en repositorios públicos y pueden filtrar patrones. Tipo [X] Semi-automático Limitaciones ☀️ Usted debe utilizar esta guía para No debes saltarlo ni siquiera para los refactores "simples". every Tags ️ 
 
 Legibilidad Nivel [X] Inicio Tipos relacionados 
 
 
 
 
 
 Revisa tu código antes de solicitar una revisión por pares Escribe pruebas para funciones generadas por IA Decisiones de código asistido por IA Análisis estático en el código generado Entender antes de comprometerse Conclusión Los asistentes de IA aceleran su velocidad de codificación. Todavía posee Tú te comprometes. every line Revisión manual y Detectar las herramientas automáticas que faltan. Inspecciones de Código Antes de que los generadores de código de IA se convirtieran en el mainstream, una buena práctica era hacer una del código antes de solicitar una revisión por pares. Autocrítica Aprende más cuando cuestiona las opciones de la IA y entiende el "por qué" detrás de ellas. Su reputación depende de la calidad del código, no de la rapidez con la que puede extraer el código. Asuma la responsabilidad del código que envía - tu nombre está en él. Revisa todo. no te comprometes a nada ciegamente. tu futuro yo te agradecerá. Sea incremental, haga compromisos muy pequeños, y . Mantén tu contenido fresco Más información ️ 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 También conocido como 
 
 
 
 
 
 Revisión del código humano-in-the-loop Verificación del código Responsabilidad del desarrollo asistido por IA Validación de la salida LLM Inspección de códigos copilot Herramientas 
 
 
 
 
 
 
 SonarQube (análisis estático) Snyk (escaneo de seguridad) ESLint y Pylint (linters) GitLab / GitHub (plataformas de revisión de código) Semgrep (escaneo basado en patrones) CodeRabbit / Código asistido por IA Disclaimer Las opiniones aquí expresadas son mías. Soy un ser humano que escribe lo mejor posible para otros seres humanos. Utilizo herramientas de proofreading de IA para mejorar algunos textos. La crítica constructiva y el diálogo. Formo estas ideas a través de 30 años en la industria del software, 25 años de enseñanza, y escribo más de 500 artículos y un libro. Este artículo forma parte de la de serie. Tipo de codificación 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.

Tipo de codificación de IA 006 - Revisa cada línea antes de comprometerse

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Aumente su productividad con estas 18 herramientas para desarrolladores 🚀🔥

Nómadas digitales escuchen: lo que necesitan saber sobre la nueva visa DTV de Tailandia

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

Liberando el poder de la IA. Una revisión sistemática de técnicas de vanguardia: resumen e introducción

Aumente su productividad con estas 18 herramientas para desarrolladores 🚀🔥

Nómadas digitales escuchen: lo que necesitan saber sobre la nueva visa DTV de Tailandia

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

Liberando el poder de la IA. Una revisión sistemática de técnicas de vanguardia: resumen e introducción

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps