Ви володієте кодом, а не AI 
 
 TL;DR: Якщо ви не можете пояснити весь свій код, не робіть його. TL;DR: Якщо ви не можете пояснити весь свій код, не робіть його. Загальна помилка Ви запрошуєте і вставляєте генеруваний AI код безпосередньо в свій проект, не думаючи двічі. Ви довіряєте AI без перевірки і створюєте Це - хтось інший - вам доведеться прибирати пізніше. Робочий Ви припускаєте, що код працює, тому що він правильно (або досить складно, щоб вразити будь-кого). виглядає Використовуйте skip a коли AI-помічник генерує великі блоки, тому що, добре, це багато коду. Ручний огляд Ви розглядаєте вихід AI як готовий до виробництва код і відправляєте його без другої думки. Якщо ви робите огляди коду, ви втомилися від великих запитів на потяг (ймовірно, створених AI), які відчувають себе як перегляд роману. Будьмо чесними: AI не несе відповідальності за ваші помилки, І ви хочете зберегти свою роботу і розглядатися як обов'язковий для процесу розробки програмного забезпечення. you Вирішені проблеми 
 
 
 
 
 
 
 
 
 
 
 Уразливості та недоліки безпеки: штучний інтелект генерує код з несанітизованими входами, SQL-ін'єкцією, XSS, електронною поштою, галюцинаціями пакетів або жорстко кодованими довідними даними Логічні помилки: AI неправильно розуміє ваші вимоги і вирішує неправильну проблему Технічний борг: Створений код використовує застарілі шаблони або створює кошмарні кошмари з обслуговування Втрачена відповідальність: Ви не можете пояснити код, який ви не переглянули Приховані дефекти: проблеми, які виникають у виробництві, коштують в 30-100 разів більше, щоб виправити Розриви у знаннях: Ви пропускаєте можливості навчання, коли сліпо приймаєте рішення Трення команди: ваші рецензенти витрачають час на зловживання проблемами, які ви повинні були знайти Парадокс продуктивності: штучний інтелект переходить від написання до інтеграції Відсутність довіри: довіра команди погіршується, коли невикористаний код викликає невдачі Noisier Code: AI-авторські PR містили в 1,7 рази більше проблем, ніж тільки людські PR. Дефекти Як це зробити ️ 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Попросіть AI створити потрібний вам код, використовуючи англійську мову Прочитайте кожну рядку, створену штучним інтелектом, зрозумійте її і викличте її, якщо це необхідно. Перевірте, що рішення відповідає вашим реальним вимогам Перевірка коду обробляє випадки краю та помилки Шукайте проблеми з безпекою (вприскування, аутх, вплив даних) Випробуйте код локально за допомогою реальних сценаріїв Виконайте свої лінтери, претифікатори та сканери безпеки Видалити будь-який дебаг-код або коментарі, які вам не потрібні Перетворюйте код, щоб відповідати стилю вашої команди Додавання або оновлення тестів для нової функціональності (запитайте у AI про допомогу) Напишіть чітке повідомлення, в якому пояснюється, що змінилося Тільки після цього Кодекс Ви не збираєтеся втрачати роботу (зараз) Переваги Ви збираєте недоліки, перш ніж вони потрапляють у виробництво. Ви розумієте код, який ви робите. Ви несете відповідальність за свої зміни. Ви дізнаєтеся з підходу вашого копіота і станете кращим розробником в процесі. Ви створюєте особисту відповідальність. Ви будуєте кращу людську колективну співпрацю та довіру. Ви запобігаєте Як у . Порушення безпеки Інцидент Moltbook Це дозволить уникнути довгострокових витрат на обслуговування. Ви тримаєте свою репутацію і відповідальність непорушними. Ви професіонал, який демонструє повагу до ваших рецензентів людського коду. Ви не готові. Контекст AI-асистенти, такі як GitHub Copilot, ChatGPT і Claude, допомагають швидше кодувати. Ці інструменти генерують код з проб природного мови і . Vibe кодування Моделі AI є ймовірнісними, а не логічними. Вони передбачають наступний токен на основі шаблонів. Коли ви працюєте над складними системами, AI може пропустити конкретний випадок краю, який знає тільки людина. Ручний огляд є єдиним способом заповнити розрив між «кодом, який виглядає добре» і «кодом, який правильний». AI не розуміє вашу бізнес-логіку або Між вашими і вашої моделі. Реальний світ біографії Карта AI не може знати ваші вимоги щодо безпеки (якщо ви не є явним або не виконуєте навички). AI не може перевірити код проти вашого конкретного середовища. Ви залишаєтеся для кожної лінії у вашій базі кодів. responsible виробництво Непереглянутий AI-код коштує компаніям мільйони. Дефекти Перегляд коду охоплює багато ризиків безпеки, які пропускають автоматизовані інструменти. Ваша організація несе відповідальність за код, який ви домовляєтеся. Це стосується того, пишете ви код вручну або використовуєте AI-допомогу. Швидка відповідь 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)
 Рекомендації ️ Ви не можете звинувачувати AI, коли дефекти з'являються у виробництві. Людина несе відповідальність, а не AI. Код, створений AI, може порушувати політику ліцензування вашої компанії. AI може використовувати застарілі бібліотеки або застарілі шаблони. Створений код може не відповідати конвенціям вашої команди. Ви повинні зрозуміти код, щоб зберегти його пізніше. Інші розробники перевірятимуть ваш AI-підтримуючий код, як і будь-який інший. Деякі моделі AI навчаються на публічних сховищах і можуть витокати шаблони. Тип [X] Напівавтоматичний Обмеження ️ Використовуйте цей крок для Ви не повинні пропускати його навіть для "простих" рефакторів. every День ️ 
 
 Читальність Рівень [x] Початок Співвідношення 
 
 
 
 
 
 Самостійно огляньте свій код, перш ніж запитувати огляд колег Напишіть тести на AI-генеровані функції Документальні рішення за допомогою коду Статичний аналіз на генерованому коді Розумійте, перш ніж приступити Висновок Асистенти AI прискорюють швидкість кодування. Ви все ще володієте Ви домовляєтеся every line Ручний огляд та Знайдіть, які автоматизовані інструменти пропускають. Кодекс перевірки До того, як генератори коду AI стали основним, дуже хорошою практикою було створення Використання коду перед запитом на рецензію. Самоогляд Ви дізнаєтеся більше, коли ви сумніваєтеся в виборах AI і розумієте "чому" за ними. Ваша репутація залежить від якості коду, а не від того, як швидко ви можете видалити код. Візьміть на себе відповідальність за код, який ви відправляєте - на ньому знаходиться ваше ім'я. Перегляньте все. не зобов'язуйтеся нічого сліпо. Ваше майбутнє Я подякуватиме вам. Будьте інтенсивними, робіть дуже маленькі зобов'язання, і . Тримайте свій контент свіжим Більше інформації 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 Також відомий як 
 
 
 
 
 
 Огляд Human-in-the-Loop Code Перевірка коду Підтримка інтелектуальної відповідальності LLM Вихідна валідація Копілотний код інспекції Інструменти 
 
 
 
 
 
 
 SonarQube (Статичний аналіз) Snyk (сканування безпеки) ESLint / Pylint (лінтери) GitLab / GitHub (платформи для перегляду коду) Semgrep (сканування на основі шаблонів) CodeRabbit / AI-асистований код відгуки дискваліфікація Думки, висловлені тут, є моїми. Я людина, яка пише якомога краще для інших людей. Я використовую інструменти AI proofreading для поліпшення деяких текстів. Я вітаю конструктивну критику і діалог. Я формую ці уявлення протягом 30 років у галузі програмного забезпечення, 25 років навчання та написання понад 500 статей та книги. Ця стаття є частиною Серія . Тип кодування 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.

2020 - Hacker Noon Contributor of the Year in REFACTORING

2022 - HackerNoon Contributor of the Year - Clean Code

2022 - HackerNoon Contributor of the Year - Debugging

2022 - HackerNoon Contributor of the Year - Github

2022 - HackerNoon Contributor of the Year - Machine Learning

2022 - HackerNoon Contributor of the Year - Quality Assurance

2022 - HackerNoon Contributor of the Year - Refactoring

2022 - HackerNoon Contributor of the Year - Software Architecture

2022 - the Greatest Storyteller

Buy My Book

Share your ideas with me!

Read My Stories

Buy Me a Coffee

Software Engineer and Book Author

Це аудіо створено мовою оригіналу історії!

Надто довго; Читати

AI Coding Tip 006 - Переглянути кожну лінію, перш ніж взяти на себе зобов'язання

AI Coding Tip 006 - Переглянути кожну лінію, перш ніж взяти на себе зобов'язання

About Author

КОМЕНТАРІ

ПОВІСИТИ БИРКИ

ЦЯ СТАТТЯ БУЛА ПРЕДСТАВЛЕНА В

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps