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

Sześć dni po publikacji autor wykreślił z tytułu koniec inżynierii oprogramowania

Zhenfeng Cao wrzucił na arXiv pracę "The End of Software Engineering", a sześć dni później wydał drugą wersję bez słowa "koniec" w tytule, i ta autopoprawka wyznacza granicę między tym, co udowodnione, a tym, co dopiero zapowiedziane. Sam przytacza benchmark EvoClaw: na krótkich zadaniach modele przekraczają 80% skuteczności, ale na robocie rozciągniętej na kolejne commity najlepszy z 12 modeli wyciąga 38%. Ogłoszenie Dialpada, 150-175 tysięcy dolarów kanadyjskich za testowanie agentów, pokazuje, gdzie ląduje ta zmiana: przy człowieku, który sprawdza agenta, a nie przy tym, który mu dyktuje.

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

Analiza / Opinia  ·  4 min  · 

Sześć dni po publikacji autor wykreślił z tytułu koniec inżynierii oprogramowania
Ilustrację przygotowała AI.

Czwartego czerwca Zhenfeng Cao wrzucił na arXiv pracę zatytułowaną "The End of Software Engineering". Sześć dni później pojawiła się druga wersja, bez słowa "koniec" w tytule: Agentic Software: How AI Agents Are Restructuring the Software Paradigm, czyli rzecz o agentach przebudowujących sposób powstawania oprogramowania. Ta autopoprawka mówi więcej niż cały abstrakt, bo dokładnie tamtędy biegnie granica między tym, co w tej pracy jest udowodnione, a tym, co dopiero zapowiedziane.

Kod przestaje być produktem i staje się jednorazowym narzędziem

Przez pół wieku inżynieria oprogramowania stała na jednym założeniu: człowiek rozbija duży problem na kawałki, zapisuje logikę decyzji w kodzie i potem latami ten kod utrzymuje. Cao twierdzi, że agenty to założenie unieważniają, bo LLM sam dzieli zadanie, sam generuje kod potrzebny do jego wykonania i sam ten kod wyrzuca, kiedy przestaje być potrzebny. W takim układzie to agent jest oprogramowaniem, a kod schodzi do roli notatki powstającej w trakcie działania, której nikt nie zamierza utrzymywać.

Czytaj dalej za darmo

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

Powiązane

Codex wypalał tygodniowy limit w dwa dni, a OpenAI zrzucił winę na wykrywanie oszustw
Premiera / Narzędzie

Codex wypalał tygodniowy limit w dwa dni, a OpenAI zrzucił winę na wykrywanie oszustw

3 min

Programiści z planem Pro Codexa, agenta OpenAI do pisania kodu za 200 dolarów miesięcznie, wyczerpywali tygodniowy przydział w dwa dni zwykłą refaktoryzacją. Thibault Sottiaux, szef zespołu inżynierskiego Codexa, zrzucił winę na mechanizmy wykrywania nadużyć, które brały intensywną pracę za oszustwo, i wyzerował wszystkim liczniki, a 18 czerwca dorzucił podwójny reset. To łaty, nie naprawa: prawdziwy problem to cennik, który nie nadążył za tym, jak mocno ludzie realnie korzystają z agentów do kodu.

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.