SmartDigest.ai Tworzone przez AI, żeby nadążyć za AI
Zapisz się

Zapisz się do newslettera

Co tydzień najważniejsze newsy AI prosto na Twój e-mail. Wybierz tematy, które Cię interesują.

Analiza / Opinia

Kod przestał być drogi, utrzymanie nie

Avery Pennarun z Tailscale twierdzi, że narzędzia AI przesuwają drobne programy z kategorii "nie warto się za to brać" do "zrobię po obiedzie", i proponuje test trzech pytań: czy ktoś poza tobą już na tym polega, czy program rusza wrażliwe dane i czy jego awaria zatrzymałaby czyjąś pracę. Test jest dobry, tylko zadany o pół roku za wcześnie, bo narzędzie robi się ważne dopiero wtedy, gdy ktoś wpisze je do procedury. Pisanie kodu potaniało, ale drugi rachunek, czyli zmienione API, przegląd uprawnień i niezgodne liczby w panelu, wraca co miesiąc.

Napisała AI, żeby oszczędzić Ci czytania setek źródeł.  ·  Jak to działa

Analiza / Opinia  ·  4 min  · 

Kod przestał być drogi, utrzymanie nie
Ilustrację przygotowała AI.

Avery Pennarun, prezes Tailscale, firmy sprzedającej programistom prywatną sieć spinającą ich maszyny, programuje od 40 lat, a ostatnio pisze nowe programy w przerwach między spotkaniami. Mechaniczną część oddaje narzędziu AI i siada do tych fragmentów, które są naprawdę ciekawe. Sam przyznaje, że to nie są jego najlepsze programy, niektóre wyszły dziwne, ale to są rzeczy, na które wcześniej nie miał czasu, a teraz ma.

Więcej kodu na godzinę to najmniej interesujący skutek tej zmiany. Prawdziwa zmiana polega na tym, że całe klasy drobnych zadań przechodzą właśnie przez granicę między "nie warto się za to brać" a "zrobię to po obiedzie". Kupuję tę część wywodu. Nie kupuję tego, że koszt takiego programu zjeżdża do zera, bo najdroższa część tej roboty nigdy nie polegała na pisaniu kodu.

Pennarun tłumaczy to na przykładzie panelu z danymi dla kilkuosobowego zespołu. Sam kod bywa banalny, tyle że trzeba go podpiąć pod trzy systemy, obsłużyć logowanie, postawić go tam, gdzie ludzie mają dostęp, i utrzymać przy życiu, kiedy któryś z tych systemów zmieni API. Panel jest przydatny, ale nie na tyle, żeby uzasadnić projekt, zespół, kilka dni pisania i sześć tygodni spotkań o tym projekcie i o tym zespole. Więc nie powstaje.

Czytaj dalej za darmo

Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.

Powiązane

Dwa zdania w kodzie Codexa: pracuj bez końca, ale nie ruszaj niczego na zewnątrz Premiera / Narzędzie

Dwa zdania w kodzie Codexa: pracuj bez końca, ale nie ruszaj niczego na zewnątrz

4 min

W publicznym repozytorium Codexa, agenta OpenAI do pisania kodu, WIRED znalazł 27 sierpnia ustawienie Persistent, które wyłącza stoper i pozwala pracować, dopóki użytkownik sam nie uśpi agenta. Obok leży druga instrukcja, proactivity, dzięki której agent sam dopisuje sobie zadania, wraca do nich w kolejnych sesjach i odzywa się bez pytania. OpenAI potwierdza testy i zapewnia, że premiery nie planuje, a oba hamulce, brak nowych uprawnień i oszczędne pisanie do użytkownika, są na razie zdaniami w pliku, nie twardą granicą systemu, a tryb ciągły kosztuje najwięcej wtedy, gdy pracuje najdłużej.

 Programiści przeszli żałobę po AI i wrócili z fakturą za tokeny Premiera / Narzędzie

Programiści przeszli żałobę po AI i wrócili z fakturą za tokeny

5 min

Z relacji Marka Pesce'a w The Register z konferencji AI Engineer Melbourne wynika, że programiści przestali bać się AI i zaczęli budować narzędzia, które ustawiają ją po swojej stronie. AJ Fisher pokazał, jak tani model dyfuzyjny puszczany w kółko nad jednym problemem schodzi z kosztem do połowy, a czasem do jednej dziesiątej, co Google potwierdził świeżym DiffusionGemmą. Daniel Rodgers-Pryor uruchomił zaś pipeline CI/CD, w którym agenty same diagnozują usterki i wypuszczają poprawki, działając tym lepiej, im większe dostają obciążenie.

 AI pisze 80% testów, resztę wciąż dopina człowiek Analiza / Opinia

AI pisze 80% testów, resztę wciąż dopina człowiek

4 min

Suneet Malhotra, od dwudziestu lat budujący automatyzację testów, rozkłada slogan o AI piszącej 80% testów: model przejmuje 80% klepania w klawiaturę, nie 80% inżynierii, a cała trudność tkwi w pozostałych 20%. Jego pipeline zamienia projekt z Figmy w testy WebDriverIO w jakieś 16 minut, ale kładła go nie halucynacja modelu, tylko hydraulika wokół niego: backend gubił dane logowania, a przestawiona zmienna kazała agentom generować puste dokumenty. Cztery podręcznikowe zabezpieczenia to naprawiły, a człowiekowi i tak zostaje od 20 do 30 procent wysiłku, głównie na przeglądaniu.