Slop – זה המונח שאנחנו שומעים יותר ויותר כאשר אנחנו מדברים על מוצרים AI. משהו באיכות נמוכה, קשה לשלוט, נוצר ללא הפסק בכמויות מדאיגות עם מטרה אחת: לתפוס תשומת לב, להרוג זמן, ליצור היפ. גודלו, יחד עם ההשלכות של התפרצותו הפוטנציאלית, נשאר לראות. בועות בתעשייה כל זה שוב מעורר את הדיון על האפקטיביות האמיתית והסכנות של AI. פיתוח תוכנה אינו יוצא מן הכלל.מחקר מראה באופן משכנע כי שליטה בכלים של AI הוא לא קל, וללא מיומנויות מתאימות, ההשפעה של השימוש בהם יכול אפילו להיות . שלילי עם זאת, AI יכול להיות שימושי מאוד בפיתוח תוכנה.כל זה לוקח הוא קפדנות, עקביות, משמעת. 1.קבל קצת מוטיבציה פיתוח תוכנה לא השתנה באופן יסודי בעשורים האחרונים.השתפרנו מתודולוגיות, המציאו מחדש שפות תכנות, שיטות משלוח, תצפית, QA, וכן הלאה.אבל תמיד כתבנו קוד שורה אחר שורה, כטקסט, שמירה על שליטה על מה שאנחנו כותבים כשאנחנו הולכים. העידן הזה הוא בין אם אנחנו אוהבים את זה או לא, הקוד ייוצר בקרוב בעיקר על-ידי דגמי שפה.זהו שינוי עצום.אנחנו צריכים לשנות הרבה מן ההרגלים שלנו - לשנות את המקצוע שלנו.זה לוקח מוטיבציה רצינית. מעל 
 
 
 בכל פעם שאני מצליח לגרום ל-AI לעבוד בשבילי בצורה יעילה, אני מרגיש מאושר באמת. זה בלתי נמנע. נקודה קשוחה למדי, אבל אחת החשובות ביותר. אתה צריך לראות את המציאות ולהיות מסוגל לקבל את זה בשקט. זה הופך דרישה עבודה. דוגמה טובה היא סטנדרט שכירות זה מ : זבוב בדוק אם יש לך את המוטיבציה הנכונה היא פשוטה - רק לשים לב הרגשות שלך כאשר גרסאות LLM חדשות ומוצרים AI לפיתוח תוכנה לצאת. אם, במקום שמחה וסקרנות, אתה מרגיש חרדה, זה יכול להיות שאתה לא התאמת מספיק עם הכלים החדשים. השתמש בו כדי לדחוף את עצמך ללמוד את הכלים החדשים.ההקלה שאתה מרגיש כאשר החרדה הזו מתפשטת הופכת לסיבה חזקה נוספת להמשיך הלאה. פרודוקטיבי 2 בידוד מהנקודה הזו, כל פריטי רשימת הבדיקה יהיו קשורים איכשהו הגישה כאן היא פשוטה - יותר קצרה, ספציפית ומפורטת ההוראות LLM מקבל, איכות היציאה שלה טובה יותר. הנדסת הקשר הספציפיות של הקשר מושגת באמצעות ארגון בסיס קוד מתאים - פיצול הדברים למודולים עצמאיים, מבודדים עם טווח מוגבל של אחריות. הדרך הקלה ביותר לארגן מודולים כאלה היא בתוך monorepos.היום, זה לא לוקח הרבה כדי להקים אחסון רב שפות מקיף עבור הפרויקט כולו.התחלה על ידי זיהוי הישויות הבסיסיות - יישומים מפותחים ו"חבילות" משותפות עם קוד תועלת. הכללים פשוטים - יישומים צריכים להיות תלויים בחבילות, וחבילות יכולות להיות תלויות זה בזה, אבל חבילות לא יכולות להיות תלויות באפליקציות. הנה מבנה דוגמה שאתה יכול להשתמש בו.זה מתאים לרוב המקרים: root/
├── applications/
│   ├── website/
│   ├── public-api/
│   ├── admin-dashboard/
│   └── ...
│
├── packages/
│   ├── js/
│   │   ├── ui/
│   │   ├── client/
│   │   ├── validation/
│   │   └── ...
│   │
│   ├── py/
│   │   ├── common-lib/
│   │   ├── models/
│   │   ├── auth/
│   │   └── ...
│   │
│   └── go/
│       ├── common/
│       ├── clients/
│       └── ...
└── Makefile
 Makefile ישמש כנקודת כניסה לכל דבר כדי לאפשר תזמורת של סקריפטים לא טכנולוגיים. עבור JS, pnpm הוכח להיות הבחירה הטובה ביותר - היום הייתי בוחר את זה מעל npm וברזל. סוג זה של monorepo הוא מבנה נוח מאוד, גמיש וניתן להרחיב.והוא עובד מאוד טוב עם סוכני AI.פיתוח חבילה היא פשוטה מכיוון שהקוד הוא מבודד בקפדנות ומשרת פונקציה ספציפית. בעת עבודה עם קוד באפליקציות, אתה יכול: 
 
 
 
 זיהוי כל החבילות החיצוניות המושפעות מראש בצעו שינויים צעד אחר צעד, שינו תחילה את החבילות, ולאחר מכן את שכבת היישום בפועל תיקון טעויות בבידוד, צעד אחר צעד, בתוך מעגל משוב. תגיות Feedback Loop איכות הקוד שנוצר על ידי AI משתפרת באופן דרמטי כאשר סוכן ה- AI יכול להפעיל בדיקות, לנטרים ולהשתמש בהוצאות של כלים אלה כדי להתאים את התוצאה במהלך תהליך העבודה. בעולם אידיאלי, הפתרון הטוב ביותר יהיה לתת ל-AI גישה לסביבה של ביצוע קוד - עבור פרויקטים אינטרנט, כלומר דפדפנים. . אין פתרון מוכן זאת אומרת, אפילו מבחנים בסיסיים ובדיקות יחידות הם כלים מצוינים לשלוט באיכות ולהפחית halucinations.especially since setting up static code checks in a monorepo is pretty cheap.And you can always generate unit tests based on code that is already written. בעוד כמה כלים AI (כגון Cursor) להפעיל פנסים באופן אוטומטי, זה עדיין הגיוני להנחות באופן מפורש LLM לנהל בדיקות. לדוגמה, דחיפה עשויה להיראות כך: 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.
 יצירת בנק זיכרון בנק זיכרון הוא מסגרת המתארת כיצד לאחסן ולנהל שני סוגים של ישויות: ו . Rules Documentation זה די פשוט - זה המוצר שלך מתואר מנקודות מבט שונות: מוצר, ארכיטקטורה, רמות רכיבים. יש המון מאמרים באינטרנט על כתיבת תיעוד טכני טוב. מה שחשוב לנו הוא כי ככל התיעוד הוא גרנירי יותר וככל שהוא מתקרב לקוד, קל יותר עבור סוכן לגשת אליו. Documentation נקודת הכניסה הסטנדרטית עבור סוכני AI היא קובץ AGENTS.md. קובץ זה צריך להציג את המבנה הכללי של הפרויקט ואת מטרתו, ולספק קישורים לקבצי תיעוד אחרים.התקנה monorepo עושה נוח לארגן תיעוד בתוך מודולים ספציפיים תוך שמירה על בנק זיכרון ברמת השורש. הנה איך מבנה קובץ בנק זיכרון עשוי להיראות: 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/
 הם מושג חדש יחסית, ואחד הרעיונות הפרודוקטיביים ביותר לשימוש חוזר בהזמנות, לדעתי. ו הגישה של עורך Cursor ל- Rules נראית חזקה במיוחד, מכיוון שהיא מאפשרת לך לצרף כללים לקבצים ספציפיים באמצעות דפוסים גלובליים. זה "יובא" באופן אוטומטי את הכללים הרלוונטיים לתוך הקשר כאשר אתה עובד עם חלקים שונים של המחסן שלך. Rules contribution.md .eslintrc הכללים הם תמיד גלובליים ואוניברסליים.הפרקטיקה הטובה ביותר היא לאחסן אותם בשורש המאגר – זה מה שהעורך הקוד מצפה לו. את הבעיה של "דף ריק" עבור תיעוד וכללים קל להימנע. תיעוד יכול להיות מיוצר על ידי AI עם הצעה פשוטה ולאחר מכן לערוך. ואת הכללים עבור טכנולוגיות מסוימות קל למצוא באינטרנט: , , . אחת 2 3 כל פגישה עם סוכן AI מתחילה עם קריאת בנק הזיכרון ומסתיימת עם עדכון זה לוקח משמעת ותשומת לב, אבל זה משתלם במהירות כי זה חוסך זמן בעת התחלת הפגישה הבאה. למד את "Plan → Act" pipeline הגישה Plan → Act היא כנראה השינוי הגדול ביותר באופן שבו אנו עובדים עם עוזרי AI, והיא באמת הדרך היחידה האמינה להתמודד עם משימות מורכבות וגדולות. עוזרים רבים בקוד אינטליגנציה אינטליגנטית יש את זה מובנה מתוך התיבה. Cursor, למשל, מתכנן באופן אוטומטי את ביצוע המשימות מבלי לדרוש הוראות נוספות. הגישה מבוססת על עקרון 90/10: להיות מוכן לבלות 90% מהזמן שלך בתכנון ורק 10% ביישום.התכנון מייצר ארכיטקטים ספציפיים — משימות.הפרקטיקה הטובה ביותר היא לאחסן את המשימות הללו בבנק זיכרון ברמת המודול, בקובץ .md. ככל שהתפקידים שלכם מפורטים יותר, מעמיקים יותר ותואמים יותר, כך התוצאות שלכם יהיו טובות יותר. זרימת העבודה טיפוסית Plan → Act נראית כך: תוכנית 
 
 
 
 
 
 
 איסוף המסמכים הדרושים מהבנק הזיכרון תיאור הקשר העסקי: בעיקר מסע משתמש עבור התכונה תיאור המפרט הטכני - מה צריך להיות מיושם תיאור תהליך QA - אילו סקריפטים לרוץ לבדיקה, אילו בדיקות להוסיף יצירת קובץ tasks.md איטציה דרך קובץ tasks.md, הסברים, תיקונים, תיקונים מעשה 
 
 
 
 
 
 
 פתיחת פגישה חדשה (צ'אט, כפתור) עקבו אחרי step by step step step by step step step בדיקת תוצאות חזותית ובדיקת בדיקות בכל שלב. משפר את מעגל ההודעות, הוספת כיסוי בדיקה עדכון מסמכים הסרת קובץ tasks.md 2 כדי להשתמש בצינור זה: important tips 
 
 
 תמיד להפריד את התוכנית והפעולה למפגשים שונים.זה נוח, בנוסף זה משפר את היציבות וחוסך על טוקינים אם הסוכן מייצר תוצאות לא נכונות, אל תסבך דברים עם הוראות נוספות – חזרה לשלב התוכנית, מעמיקה את task.md שלך, את בנק הזיכרון ואת הכללים. כישורי הנדסה חשובים, אפילו קריטיים.בסיס, תוכנית טובה היא מסמך עיצוב מוכן - אתה יכול לדון בו עם מנהיג הצוות שלך או צוות, להתאים אותו לפני יישום ב- PR, ולהשתמש בו כבסיס עבור תיעוד ואת שכבת הבדיקה שלך. סוכן ה-Plug-in Cloud יש כל כך הרבה כלים שונים בשוק, ואני לא רציתי להתמקד באחד מסוים, אבל בואו נפרק לפחות את שני הסוגים העיקריים: סוכנים מקומיים (כגון Claude Code, Cursor ו- Codex CLI) ואותם המבוססים על ענן (כגון Codex Cloud, Jules, או שחרר לאחרונה ) קוד קלוד באתר WEB כמו מפתחים, אתה בדרך כלל תגיע עבור כלים המבוססים על סוכנים מקומיים, בין אם זה עורך קוד המופעל על ידי AI או כלי CLI, רוב המשימות היומיומיות הם פשוט קל יותר ויעיל יותר להתמודד בדרך זו. אבל כלים מבוססי ענן יש נקודה מתוקה משלהם.הדבר העיקרי שלהם הוא שכל האינטראקציה מתרחשת דרך דפדפן - אתה לא צריך סביבת פיתוח או פרויקט ממוקם באופן מקומי. לכן הם מושלמים עבור מקרים אלה של שימוש: 
 
 
 
 כל ניתוח בסיס קוד, הערכת זמן ליישום, הערכת קשיים פוטנציאליים, או יצירת תוכנית עבודה (task.md). סוג זה של ניתוח הוא עזרה נהדרת לפני תחילת עבודה על משימה גדולה. רפקטורציה בקנה מידה גדול אך חוזר שלא דורשת פיקוח קרוב.הדבר העיקרי הוא להכין את המבחנים תחילה (ראה בדיקת #3). שינויים ממוקדים שאינם קריטיים, לעקוף את צוות המפתחים במקום ליצור משימה במעקב המשימות, PO או Designer עם גישה לקודקס יכול לכתוב הצעה לסוכן הענן. המשימה המושלמת היא אחת שמפתחת את עצמה, ואפילו יותר טוב, תהליך לפתרון משימות דומות. 7 שיתוף אולי החלק הקשה ביותר של קודינג AI הוא עבודת צוות.איך אתה משתף שיטות טובות?האם אתה צריך סטנדרטיזציה זרימת עבודה בין חברי צוות, וכולם צריכים להשתמש באותה קבוצה של כלים? עוזרי AI מציעים גם הרבה מאוד ספציפיים: איך אתה מנהל את בנק הזיכרון ומי צריך להיות אחראי על שמירה עליו מעודכן? ספקי AI מנסים לענות על הצורך הזה בדרך זו או אחרת, אבל אין פתרונות מוכנים, כפי שקורה כל כך לעתים קרובות בהנדסת תוכנה, נצטרך להמציא את הפתרון בעצמנו. מהניסיון שלי, הדרך הטובה ביותר להפיץ ידע היא באמצעות פורומים אופציונליים פתוחים.אם כבר יש לך מפגשים קבועים של מפתחים כדי לשתף שיטות, לדון בחדשות ולהעביר ניסיון, להפוך את אימוץ AI לנושא חשוב במפגשים אלה.

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

Read My Stories

האודיו הזה מופק בשפת המקור של הסיפור!

Stop the Slop.Start Coding Smarter עם AI

About Author

הערות

תלו תגים

מאמר זה הוצג ב

Related Stories

97 Stories To Learn About Quicknode

Fortunate Son From Our Neighborhood

The TechBeat: 5 Low-Cost Cybersecurity Measures SMBs Can’t Afford to Not Implement (3/4/2024)

ברכות עונות מ-HackerNoon: Boost Stories עם תרגומים, דיבור לטקסט ועוד

97 Stories To Learn About Quicknode

Fortunate Son From Our Neighborhood

The TechBeat: 5 Low-Cost Cybersecurity Measures SMBs Can’t Afford to Not Implement (3/4/2024)

ברכות עונות מ-HackerNoon: Boost Stories עם תרגומים, דיבור לטקסט ועוד

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps