Aby uzyskać zrozumienie z pierwszej ręki wpływu sztucznej inteligencji na cykl życia rozwoju oprogramowania (SDLC), postanowiłem przeprowadzić eksperyment. chciałem spróbować napisać stosunkowo złożony system od podstaw za pomocą sztucznej inteligencji. nie chciałem aplikacji „Hello World” lub innej aplikacji „To Do”; chciałem czegoś realistycznego, czegoś, co można wykorzystać w skali, jakbyśmy budowali w świecie przedsiębiorstw. Rezultatem jest — zabawny projekt łączący moją pasję do technologii i dzikiej przyrody. Under The Hedge Eksperyment przyniósł kilka kluczowych ustaleń, potwierdzając i dodając kontekst praktyczny do szerszych trendów branżowych: 
 
 
 
 
 
 Czy AI czyni deweloperów szybszymi, czy tylko gorszymi? "Podatek na stabilność": Odkryj ukryty koszt szybkiego generowania kodu AI i dlaczego napędza to dług techniczny. Kodowanie Vibe jest martwe: Dowiedz się, dlaczego generowanie kodu za pośrednictwem wskazówek języka naturalnego podnosi próg opanowania przez programistów, a nie obniża go. Paradoks zaufania: dlaczego 90% programistów używa sztucznej inteligencji, ale 30% nie ufa linii kodu, który pisze. The Bricklayer vs. The Site Foreman: Nowy model roli dewelopera w erze sztucznej inteligencji. The Project: Under The Hedge Tytuł oryginalny: Under the Hedge Postanowiłem zbudować platformę społecznościową do dzielenia się i odkrywania spotkań z dziką przyrodą - zasadniczo Instagram / Strava dla dzikiej przyrody. Aby dać Ci poczucie skali projektu, obejmuje: 
 
 
 
 
 
 
 
 AI-Powered Analysis: Użytkownicy przesyłają zdjęcia, a system wykorzystuje Gemini do automatycznej identyfikacji gatunków, opisania zachowania i przypisywania "skali zainteresowania" w oparciu o świadomość tego, co dzieje się na zdjęciu i w miejscu, w którym zostało zrobione. Złożone dane geoprzestrzenne: interaktywne mapy, geohashing do śledzenia lokalizacji i precyzyjne wyodrębnianie współrzędnych z danych EXIF. Wysokowydajna warstwa danych: skalowalna i szybko rozwijająca się konstrukcja pojedynczej tabeli w AWS DynamoDB do obsługi złożonych wzorców dostępu do danych z opóźnieniem podmilisekundowym. Rozszerzalna infrastruktura multimedialna: wytrzymały komponent multimedialny wykorzystujący AWS CloudFront do efektywnego pamięci podręcznej i obsługi obrazów i filmów o wysokiej rozdzielczości dla użytkowników na całym świecie. Graficz społecznościowy: Pełny system śledzenia (śledzenie użytkowników, gatunków, lokalizacji lub hashtagów), komentarze i kanały aktywności. Gamifikacja: umieścić tabliczki liderów, aby zaangażować mieszkańców. Enterprise Security: zabezpiecz auth za pośrednictwem AWS Cognito, kontroli prywatności i narzędzi moderacji. Możesz to sprawdzić tutaj: https://www.underthehedge.com The Industry Context Kontekst przemysłu Zanim podzielę się tym, co odkryłem podczas opracowywania Under The Hedge, powinniśmy ocenić, co mówi reszta branży na podstawie badań z ostatnich kilku lat. Gdy zbliżamy się do końca 2025 roku, opowieść o rozwoju wspomaganym przez sztuczną inteligencję ewoluowała z prostej „prędkości” do bardziej niuansowanej rzeczywistości. Raport DORA (DevOps Research and Assessment) z 2025 roku definiuje tę epokę jednym potężnym pojęciem: sztuczna inteligencja jest wzmacniaczem. Throughput vs. Stability Dane z 2025 r. ujawniają krytyczną zmianę w porównaniu z poprzednimi latami. W 2024 r. wczesne dane sugerują, że sztuczna inteligencja może rzeczywiście spowolnić dostawy. Jednak raport DORA z 2025 r. potwierdza, że zespoły dostosowały się: przyjęcie sztucznej inteligencji jest teraz pozytywnie powiązane ze zwiększonym przepływem dostaw. Raport potwierdza, że w miarę wzrostu przyjmowania sztucznej inteligencji stabilność dostaw nadal maleje.Trycja generowania kodu została zmniejszona do prawie zera, tworząc wzrost objętości kodu, który przewraca procesy testowania i przeglądu w dalszym ciągu. Vibe Coding Bug Spike Ta niestabilność jest potwierdzona przez badania zewnętrzne. Badania przeprowadzone przez Uplevel w 2024 roku wykazały, że podczas gdy deweloperzy czują się bardziej produktywni, wskaźnik błędów wzrósł o 41% w przypadku żądań pociągnięć wspomaganych przez sztuczną inteligencję. The Trust Paradox Pomimo tego, że 90% programistów korzysta obecnie z narzędzi sztucznej inteligencji, nadal istnieje znaczący „paradox zaufania”.Raport DORA 2025 podkreśla, że 30% profesjonalistów nadal ma niewiele do niczego zaufania do kodu generowanego przez sztuczną inteligencję. Używamy narzędzi, ale jesteśmy ostrożni wobec nich - traktujemy AI jak "junior stażysta", który wymaga ciągłego nadzoru. Code Churn and Technical Debt Najbardziej potępiające dowody dotyczące jakości kodu pochodzą z raportu GitClear 2025 AI Copilot Code Quality Report. Analizując 211 milionów linii kodu, zidentyfikowali „podważalny kamień milowy” w 2024 roku: po raz pierwszy w historii, objętość linii „Kopiuj/Past” (12,3%) przekroczyła objętość linii „Przeniesionych” lub przekształconych (9,5%). Raport opisuje 8-krotny wzrost duplikowanych bloków kodu i gwałtowny wzrost "churn", kodu, który jest napisany, a następnie zmieniony lub usunięty w ciągu dwóch tygodni.To wskazuje, że AI napędza kulturę "tylko pisemną", w której deweloperzy uważają, że łatwiej jest generować nowe, powtarzające się bloky kodu, niż odtwarzać istniejącą logikę, aby była modułowa. Security Risks Analiza Veracode 2025 wykazała, że 45% próbek kodu wygenerowanego przez sztuczną inteligencję zawierało niebezpieczne luki, a języki takie jak Java widzą wskaźniki przejścia zabezpieczeń na poziomie 29%. So what do these studies tell us? Dane przedstawiają jasny obraz: sztuczna inteligencja działa jako mnożnik.Zwiększa prędkość, ale jeśli nie jest prawidłowo zarządzana, zwiększa błędy, zadłużenie techniczne i luki w zabezpieczeniach. What my Experiment Taught Me Czego nauczył mnie mój eksperyment Moje wybrane narzędzia to Gemini dla architektury / planowania i Cursor dla wdrożenia. w Cursor użyłem trybu agenta z modelem ustawionym na auto. Budynek Było to ćwiczenie otwierające oczy, które zarówno potwierdziło wyniki branży, jak i podkreśliło praktyczny, ludzki element rozwoju wspomaganego przez sztuczną inteligencję. Under The Hedge The Velocity Multiplier Multiplikator prędkości Chociaż nie prowadziłem ścisłych dzienników czasowych, szacuję, że mógłbym wdrożyć cały ten system - dość złożoną platformę na skalę przedsiębiorstwa - w mniej niż miesiąc pracy w pełnym wymiarze godzin (około 9-5, 5 dni w tygodniu). Największym osobistym wpływem dla mnie, który mówi chyba więcej o motywacji niż o czystej prędkości, była stała ścieżka zwrotna. W poprzednich projektach osobistych często utknąłem w małych, skomplikowanych szczegółach, prowadzących do wyczerpania.Używając tych narzędzi, mogłem wdrożyć pełną, złożoną funkcjonalność – taką jak cały system społeczny – w czasie, który zajęło uruchomienie kąpieli mojego syna. The "Stability Tax" in Practice Podatek dochodowy w praktyce Moje doświadczenie potwierdziło również rosnące obawy branży o "podatek stabilności" - spadek stabilności dostaw z powodu zwiększonej objętości kodu. stwierdziłem, że AI wykonuje dobrze zdefiniowane, odizolowane zadania wyjątkowo dobrze; budowanie złożonych komponentów map lub zaawansowanych interfejsów multimedialnych zostało wykonane w sekundy, zadania, które zazwyczaj zajęłyby mi dni lub nawet tygodnie. 
 
 
 Bloat and Duplication: AI konsekwentnie domyślnie wybierało najszybsze rozwiązanie, a nie najlepsze, chyba że wyraźnie nakazano inaczej. To doprowadziło do nieefektywnego, opuchniętego kodu. Śmierć „DRY” potwierdzona: Często obserwowałem, że AI powielają całe sekcje kodu zamiast tworzenia powtarzalnych komponentów lub metod pomocniczych.To jest bezpośrednim dowodem na kulturę „tylko pisania” podkreśloną w raporcie GitClear, napędzając wzrost kopiowanych/przeszłych linii i kodów. Ostatecznie musiałem utrzymać głębokie zrozumienie systemów, aby zapewnić wdrożenie najlepszych praktyk, potwierdzając "Paradox zaufania", w którym deweloperzy traktują AI jak junior stażysta wymagający ciągłego nadzoru. Security and Knowledge Gaps Bezpieczeństwo i luki w wiedzy Zagrożenia związane z bezpieczeństwem podkreślone przez Sztuczna inteligencja rzadko priorytetowała bezpieczeństwo domyślnie; musiałem specjalnie poprosić ją o rozważenie i wdrożenie ulepszeń bezpieczeństwa. Veracode Co więcej, sztuczna inteligencja jest tylko tak dobra, jak dane, do których ma dostęp.Kiedy próbowałem zintegrować zupełnie nowy Cognito Hosted UI, model zmagał się znacząco, zatrzymując się w powtarzających się pętlach z powodu braku bieżących danych szkoleniowych. komponenty miały się połączyć, mogłem szybko poprowadzić sztuczną inteligencję do właściwego rozwiązania, podkreślając, że głębokie koncepcyjne zrozumienie jest nadal najważniejsze. jak AI as a "Coaching Tool" AI jako narzędzie coachingowe Pomimo swoich wad, sztuczna inteligencja okazała się wspaniałym narzędziem do nauki. Jako nowicjusz do Next.js i AWS Amplify, możliwość uzyskania prototypów pracy szybko mnie zmotywowała. Kiedy natknąłem się na funkcjonalność, której nie rozumiałem, użyłem sztucznej inteligencji jako trenera, prosząc ją o wyjaśnienie pojęć. Następnie skróciłem generowany kod z oficjalną dokumentacją, aby zapewnić przestrzeganie najlepszych praktyk. Aktywnie starając się zrozumieć, a następnie kierując sztuczną inteligencją w kierunku lepszych rozwiązań, mogłem znacznie przyspieszyć naukę. How to Help AI Be a Better Code Companion Jak pomóc AI stać się lepszym towarzyszem kodu Aby złagodzić podatek od stabilności i zmaksymalizować prędkość sztucznej inteligencji, niezbędne jest proaktywne, zdyscyplinowane podejście: 
 
 
 
 
 Szczegółowe wstępne planowanie jest kluczem: Użyj narzędzi, takich jak Gemini (w oparciu o funkcję głębokiego badania), aby utworzyć szczegółowe specyfikacje, diagramy architektoniczne i dokumenty projektowe przed rozpoczęciem wdrażania.  Instead of relying on the AI to spontaneously generate quality code, we must proactively instruct it to maintain standards. This includes designing regular, specific prompts focused on:
 
 Explicitly Enforce Quality Gates: 
 
 
 
 Identifying security improvements. Identifying performance issues or potential optimisations. Identifying duplicated or redundant code. Wykorzystaj sztuczną inteligencję do zapewnienia jakości: Użyj sztucznej inteligencji do retrospektywnej analizy generowanego kodu i identyfikacji obszarów do refaktorowania lub ulepszenia, zadania, które może wykonać znacznie szybciej niż ręczna ludzka recenzja. Użyj sztucznej inteligencji dla całego SDLC: Powinniśmy wdrożyć sztuczną inteligencję do pisania i samooceny dokumentów projektowania funkcji, epik i poszczególnych zadań, a co najważniejsze, do pisania kompleksowych planów testowych i zautomatyzowanych testów, aby złapać subtelne błędy logiczne związane z "kodowaniem wibracyjnym". Conclusion: The End of "Vibe Coding" Więc czy powinniśmy przestać używać AI do rozwoju oprogramowania? Wycofanie się z sztucznej inteligencji oznaczałoby zignorowanie największego dźwigni dla wydajności inżynieryjnej, jaki widzieliśmy od dziesięcioleci. Udowodnił mi, że jeden deweloper, uzbrojony w te narzędzia, może uderzyć znacznie powyżej swojej klasy ciężkości, dostarczając architekturę klasy przedsiębiorstwa w ułamku czasu. Absolutely not. Under The Hedge Jednak epoka ślepego optymizmu musi się skończyć. „Sugar Rush” generowania łatwego kodu się skończył, a „Stability Tax” nadchodzi. Dane i moje własne doświadczenie zbiegają się na jednej, nieuniknionej prawdzie: AI lowers the barrier to entry, but it raises the bar for mastery. Ponieważ sztuczna inteligencja domyślnie rozwija bazy kodów i wprowadza subtelne niepewności, ludzki deweloper jest bardziej krytyczny niż kiedykolwiek wcześniej. Nasze wartości zmieniają się całkowicie Przechodzimy od bycia cegiełkami do bycia foremenami. syntax Semantyka, architektura i kontrola jakości Jeśli traktujemy sztuczną inteligencję jako magiczną wstążkę, która pozbawia nas potrzeby zrozumienia technologii, będziemy utonęli w morzu zadłużenia technicznego, „podważalnych” wzorców kopii i luk w zabezpieczeniach.Ale jeśli traktujemy sztuczną inteligencję jako niestrudzony, genialny, ale czasami beztroski junior stażysta - ten, który wymaga ścisłych specyfikacji, ciągłego przeglądu kodu i wskazówek architektonicznych - możemy osiągnąć niesamowite rzeczy. Droga do przodu nie polega na zaprzestaniu korzystania z narzędzi, lecz na zaprzestaniu „kodowania wibracyjnego” i rozpoczęciu Musimy używać sztucznej inteligencji nie tylko do pisania kodu, ale także do wyzwania go, testowania i udoskonalania. Inżynierii Przyszłość należy do tych, którzy potrafią ograniczyć prędkość.Chciałbym tylko, aby mój eksperyment doprowadził do budowy czegoś, co zarobiłoby mi mnóstwo pieniędzy, zamiast po prostu śledzić gołębie! Dziękuję za przeczytanie, proszę sprawdzić moje inne myśli na denoise.digital.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Decode the Tech Noise

Read My Stories

Ten dźwięk jest produkowany w oryginalnym języku historii!

Stworzyłem aplikację na skalę przedsiębiorstwa z AI. Oto, co było słuszne - i złe

About Author

UWAGI

ZAWIEŚĆ TAGI

ARTYKUŁ TEN ZOSTAŁ PREZENTOWANY W

Related Stories

Listen to Tech Brief Podcasts on Your Headphones: Stay Connected to HackerNoon Anywhere, Anytime

Leadzai - The Startup of the Year that Democratizes Access to Online Advertising

How HackerNoon Feels About AI Generated Content (Hint: 👎🏽)

Meet Klink Finance: HackerNoon Company of the Week

Listen to Tech Brief Podcasts on Your Headphones: Stay Connected to HackerNoon Anywhere, Anytime

Leadzai - The Startup of the Year that Democratizes Access to Online Advertising

How HackerNoon Feels About AI Generated Content (Hint: 👎🏽)

Meet Klink Finance: HackerNoon Company of the Week

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps