آپ کو کوڈ کا مالک ہے، AI نہیں 
 
 TL;DR: اگر آپ کو آپ کے تمام کوڈ کی وضاحت نہیں کر سکتے ہیں تو، اسے مت بھروسہ کریں. TL;DR: اگر آپ کو آپ کے تمام کوڈ کی وضاحت نہیں کر سکتے ہیں تو، اسے مت بھروسہ کریں. ایک غلطی آپ اپنے منصوبے میں فوری طور پر AI پیدا کردہ کوڈ کو دو بار سوچنے کے بغیر پکارتے ہیں. آپ تصدیق کے بغیر AI پر اعتماد کرتے ہیں اور پیدا کرتے ہیں یہ - کسی اور - آپ کو بعد میں صاف کرنے کی ضرورت ہوگی. کام کرنے والے آپ کو لگتا ہے کہ کوڈ کام کرتا ہے کیونکہ یہ صحیح (یا کسی کو متاثر کرنے کے لئے کافی پیچیدہ) نظر آتا ہے آپ skip a جب AI مددگار بڑے بلاکس پیدا کرتا ہے کیونکہ، ٹھیک ہے، یہ بہت سے کوڈ ہے. دستاویز کا جائزہ آپ AI پیداوار کو پیداوار کے لئے تیار کوڈ کے طور پر دیکھتے ہیں اور اسے دوسری سوچ کے بغیر بھیجتے ہیں. اگر آپ کوڈ جائزے کر رہے ہیں، تو آپ بڑے نکالنے کی درخواستوں (شاید AI کی طرف سے پیدا) سے تھک جاتے ہیں جو ایک رومانوی کا جائزہ لینے کی طرح محسوس کرتے ہیں. ہم صادق بن جائیں: AI آپ کی غلطیوں کے لئے ذمہ دار نہیں ہے، اور آپ اپنے کام کو برقرار رکھنا چاہتے ہیں اور سافٹ ویئر انجینئرنگ کے عمل کے لئے لازمی طور پر دیکھنا چاہتے ہیں. you مسائل کا حل 
 
 
 
 
 
 
 
 
 
 
 سیکورٹی خرابیوں اور نقصانات: AI کوڈ پیدا کرتا ہے Non sanitized input، SQL injection، XSS، Email، Packages Hallucination، یا hardcoded credentials منطقی غلطی: AI آپ کی ضروریات کو غلط سمجھتا ہے اور غلط مسئلہ کو حل کرتا ہے تکنیکی قرض: پیدا شدہ کوڈ پرانے نمونوں کا استعمال کرتا ہے یا بحالی کے خواب بناتا ہے گم شدہ ذمہ داری: آپ کو کوڈ کی وضاحت نہیں کر سکتے ہیں جو آپ نے جائزہ نہیں کیا تھا خفیہ نقصانات: پیداوار میں ظاہر ہونے والے مسائل کو ٹھیک کرنے کے لئے 30-100x زیادہ خرچ علم کی غفلت: آپ کو سیکھنے کے مواقع کو بھول جاتے ہیں جب آپ نابینا حلوں کو قبول کرتے ہیں ٹیم ٹریکنگ: آپ کے جائزے والے آپ کو تلاش کرنا چاہئے کے مسائل کو پکڑنے میں وقت ضائع کرتے ہیں پیداوار کے مترادفات: AI لکھنے سے منسلک کرنے کے لئے بوتلنگ کو منتقل کرتا ہے اعتماد کی کمی: ٹیم کا اعتماد ضائع ہوتا ہے جب غیر موجودہ کوڈ ناکامیوں کا سبب بنتا ہے Noisier Code: AI کی طرف سے لکھا پی آر میں صرف انسانی پی آر کے مقابلے میں 1.7x زیادہ مسائل تھے. نقصانات یہ کیسے کریں ️ 
 
 
 
 
 
 
 
 
 
 
 
 
 
 AI کو انگریزی زبان کا استعمال کرتے ہوئے آپ کی ضرورت کوڈ پیدا کرنے کے لئے پوچھیں AI کی پیدا کردہ ہر ایک لائن پڑھیں، اسے سمجھیں، اور اگر ضروری ہو تو اسے چیلنج کریں چیک کریں کہ حل آپ کی حقیقی ضروریات کے مطابق ہے کوڈ کا جائزہ لیں Edge Cases and Errors سیکورٹی مسائل کے لئے تلاش کریں (شامل، auth، اعداد و شمار کا سامنا) حقیقی سکرین کے ساتھ کورس کو مقامی طور پر ٹیسٹ کریں اپنے linters، prettifiers، اور سیکورٹی سکرین کو چلائیں کسی بھی ڈبگ کوڈ یا تبصرے کو ہٹا دیں جو آپ کی ضرورت نہیں ہے کوڈ کو آپ کی ٹیم کے سٹائل کے مطابق تبدیل کریں نئی سرگرمیوں کے لئے ٹیسٹ شامل کریں یا اپ ڈیٹ کریں (مساعدت کے لئے AI سے پوچھیں) ایک واضح پیغام لکھیں کہ کیا بدل گیا ہے صرف اس کے بعد کوڈ کا استعمال کریں آپ اپنے کام کو نہیں کھو دیں گے (اب تک) فوائد آپ مصنوعات تک پہنچنے سے پہلے نقصانات پکڑتے ہیں. آپ کو کوڈ آپ کو سمجھتے ہیں. آپ اپنے تبدیلیوں کے لئے ذمہ دار رہتے ہیں. آپ اپنے copilot نقطہ نظر سے سیکھتے ہیں اور اس عمل میں ایک بہتر ڈویلپر بن جاتے ہیں. آپ کی ذاتی ذمہ داری کی تعمیر. آپ بہتر انسانی ٹیم تعاون اور اعتماد کی تعمیر کرتے ہیں. آپ کو روکنے جیسا کہ . امن کی خلاف ورزی Moltbook کے واقعات آپ طویل مدتی بحالی کے اخراجات سے بچیں گے. آپ کی رائے اور ذمہ داری محفوظ رکھیں. آپ ایک پیشہ ور ہیں جو آپ کے انسانی کوڈ کا جائزہ لینے والوں کے لئے احترام ظاہر کرتے ہیں. آپ دستیاب نہیں ہیں. خلاصہ AI مددگار جیسے GitHub Copilot، ChatGPT، اور Claude آپ کو تیزی سے کوڈ کرنے میں مدد ملتی ہے. یہ آلات قدرتی زبان کے پائلٹ سے کوڈ پیدا کرتے ہیں اور . Vibe کوڈنگ AI ماڈل احتمالی ہیں، منطقی نہیں. وہ پیٹرن کی بنیاد پر اگلے ٹوکن کی پیش گوئی کرتے ہیں. جب آپ پیچیدہ سسٹموں پر کام کرتے ہیں تو، AI کو ایک مخصوص رینج کیس کو چھوڑ سکتا ہے جو صرف انسان جانتا ہے. دستی جائزہ لینے کا واحد طریقہ ہے کہ "کوڈ جو اچھا لگتا ہے" اور "کوڈ جو درست ہے" کے درمیان فاصلہ بند کرنے کے لئے. AI آپ کی کاروباری منطق یا آپ کے درمیان آپ کا ماڈل حقیقی دنیا کی بیجیکشن نقشہ AI آپ کی سیکورٹی کی ضروریات کو نہیں جان سکتا (اگر آپ واضح طور پر نہیں ہیں یا ایک مہارت کو لاگو نہیں کرتے ہیں). AI آپ کے مخصوص ماحول کے خلاف کوڈ کا تجربہ نہیں کر سکتا. تم رہتے ہو آپ کے کوڈ بیس میں ہر لائن کے لئے. responsible پیداوار غیر تجزیہ شدہ AI کوڈ کمپنیوں کو ملین ڈالر خرچ کرتا ہے. نقصانات کوڈ کا جائزہ لگانا بہت سے سیکورٹی خطرے کو پکڑتا ہے جو خود کار طریقے سے آلات کو بھول جاتے ہیں. آپ کی تنظیم آپ کو اس کوڈ کے لئے ذمہ دار رکھتی ہے جو آپ متعین کرتے ہیں. یہ اس بات پر لاگو ہوتا ہے کہ آپ کو دستاویزات لکھتے ہیں یا AI کی مدد کا استعمال کرتے ہیں. فوری رجحان 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)
 ️کچھ سوچیں آپ مصنوعات میں خرابیوں کو ظاہر کرنے کے لئے AI کی ذمہ داری نہیں دے سکتے. انسان کے لئے ذمہ دار ہے، نہیں AI کی پیدا کردہ کوڈ آپ کی کمپنی کی لائسنسنگ کی پالیسیوں کی خلاف ورزی کر سکتا ہے. آئی اے مچھلی کی لائبریریوں یا قدیم ماڈل استعمال کرسکتے ہیں. پیدا کردہ کوڈ ممکنہ طور پر آپ کی ٹیم کے معاہدوں کے مطابق نہیں ہوسکتا ہے. آپ کو اسے بعد میں برقرار رکھنے کے لئے کوڈ کو سمجھنے کی ضرورت ہے. دیگر ڈویلپرز آپ کے AI کی مدد کردہ کوڈ کو کسی بھی دوسرے کی طرح جائزہ لیں گے. کچھ AI ماڈل عوامی ریپیوٹریٹس پر ٹریننگ کر رہے ہیں اور نمونوں کو چوری کرسکتے ہیں. نوعیت [x] نصف خودکار ️قسمیں آپ کو اس ٹائپ کا استعمال کرنا چاہئے آپ کو اسے بھی "سادہ" refactors کے لئے بھولنے کی ضرورت نہیں ہے. every ️️ 
 
 پڑھائی سطح [x] شروع کرنے کے لئے متعلقہ ٹائپ 
 
 
 
 
 
 ایک peer review کی درخواست کرنے سے پہلے اپنے کوڈ کو خود جائزہ لیں AI-Generated Functions کے لئے ٹیسٹ لکھیں دستاویزات AI-Assisted Code Decisions پیدا کردہ کوڈ پر سٹیٹک تجزیہ کا استعمال کریں کام کرنے سے پہلے سمجھیں نتائج AI مددگار آپ کے کوڈنگ کی رفتار کو تیز کرتے ہیں. آپ اب بھی اپنے تمہاری ذمہ داری every line ہدایات کا جائزہ لینے اور خود کار طریقے سے کام کرنے والے آلات کو پکڑیں. کوڈ کی جانچ AI کوڈ جنریٹرز کو کنواری بننے سے پہلے، ایک بہت اچھا طریقہ کار تھا کوڈ کا جائزہ لینے سے پہلے. خود کا جائزہ آپ AI کے اختیارات پر سوال کرتے ہیں اور ان کے پیچھے 'کیوں' کو سمجھتے ہیں جب آپ زیادہ سیکھتے ہیں. آپ کی شہرت کو کوڈ کی معیار پر منحصر ہے، نہ کہ آپ کو کوڈ کو کس طرح تیزی سے نکال سکتے ہیں. آپ کو بھیجنے کے لئے کوڈ کی ذمہ داری لے لو - آپ کا نام اس پر ہے. تمام چیزوں کا جائزہ لیں، کسی بھی چیز کو اندھیرے کی طرف متوجہ نہ کریں، آپ کا مستقبل آپ کا شکریہ ادا کرے گا۔ تھوڑا سا تھوڑا سا کام کرنے کی کوشش کریں اور . اپنے مواد کو تازہ رکھیں مزید معلومات 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 کے طور پر بھی جانا جاتا ہے 
 
 
 
 
 
 Human-in-the-Loop Code کا جائزہ لیں کوڈ کی جانچ پڑتال AI-Assisted ترقی کی ذمہ داری LLM پیداوار کی تصدیق Copilot کوڈ کی جانچ پڑتال آلات 
 
 
 
 
 
 
 SonarQube (سٹیٹک تجزیہ) Snyk (کیورٹی سکننگ) ESLint / Pylint (لینٹرز) GitLab / GitHub (کوڈ جائزے کے پلیٹ فارمز) Semgrep (پٹرن پر مبنی اسکننگ) CodeRabbit / AI مددگار کوڈ جائزے Disclaimer یہاں بیان کردہ خیالات میری ہی ہیں. میں ایک انسان ہوں جو دوسروں کے لئے سب سے بہتر ممکنہ طور پر لکھتا ہوں. میں کچھ ٹیکسٹز کو بہتر بنانے کے لئے AI proofreading tools کا استعمال کرتا ہوں. میں تعمیر شدہ انتباہ اور بات چیت کا استقبال کرتا ہوں. میں سافٹ ویئر صنعت میں 30 سال، 25 سال کی تعلیم، اور 500 سے زائد مضامین اور ایک کتاب لکھنے کے ذریعے ان نقطہ نظر کو شکل دے رہا ہوں. یہ مضمون اس کا حصہ ہے سیریز کوڈنگ ٹائپ 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

یہ آڈیو کہانی کی اصل زبان میں تیار کی گئی ہے!

بہت لمبا؛ پڑھنے کے لئے

AI کوڈنگ ٹپ 006 - commit سے پہلے ہر لائن کا جائزہ لیں

AI کوڈنگ ٹپ 006 - commit سے پہلے ہر لائن کا جائزہ لیں

About Author

تبصرے

ہینگ ٹیگز

یہ مضمون اس میں پیش کیا گیا تھا۔

Related Stories

On Sunday, the 26th of November, 1631

"Growing Businesses Gives Me a Sense of Purpose." says Flow Ninja Founder/CEO

AI Search Traffic Marketshare for Calling HackerNoon Blogs: 52% OpenAI, 30% Amazon & 18% Perplexity

HackerNoon Decoded: The Top 10 Countries Where HackerNoon Is the Most Active

On Sunday, the 26th of November, 1631

"Growing Businesses Gives Me a Sense of Purpose." says Flow Ninja Founder/CEO

AI Search Traffic Marketshare for Calling HackerNoon Blogs: 52% OpenAI, 30% Amazon & 18% Perplexity

HackerNoon Decoded: The Top 10 Countries Where HackerNoon Is the Most Active

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps