Daudziem programmatūras izstrādātājiem, kas izmanto ģeneratīvo AI, vibe kodēšana ir abpusgriezīgs zobens.
Course of nodrošina ātrus prototipus, taču bieži vien atstāj trausla, nedokumentēta koda pēdas, kas rada ievērojamu tehnisko parādu.
Jauna atvērtā pirmkoda platforma, Codevpievēršas šim jautājumam, ierosinot būtisku maiņu: dabiskās valodas sarunas ar AI traktēšanu kā daļa no faktiskā pirmkoda.
Codev pamatā ir SP(IDE)R — sistēma, kas paredzēta pārvērst vibe-kodēšanas sarunas strukturētos, versiju un auditējamos aktīvos, kas kļūst par daļu no kodu repozitorija.
Kas ir Codev?
Codev pamatā ir metodoloģija, kas dabiskās valodas kontekstu uzskata par neatņemamu izstrādes cikla sastāvdaļu, nevis vienreiz lietojamu artefaktu, kā tas ir vaniļas vibrācijas kodēšanas gadījumā.
Saskaņā ar līdzdibinātāja Waleed Kadous teikto, mērķis ir apgriezt tipisko inženierijas darbplūsmu.
"Codev galvenais princips ir tāds, ka dokumentiem patīk specifikācijas ir faktiskais sistēmas kods," viņš teica VentureBeat. "Tas ir gandrīz tāpat kā mūsu aģenti dabisko valodu apkopojuši Typescript."
Šī pieeja ļauj izvairīties no izplatītajām kļūmēm, kad dokumentācija tiek izveidota pēc fakta, ja tāda vispār tiek izveidota.
Tā vadošais protokols SP(IDE)R nodrošina vieglu, wager formālu struktūru programmatūras izveidei. Course of sākas ar Norādietkurā cilvēks un vairāki AI aģenti sadarbojas, lai augsta līmeņa pieprasījumu pārvērstu konkrētos pieņemšanas kritērijos. Tālāk, sadaļā Plānot stadijā, AI ierosina pakāpenisku ieviešanu, kas tiek vēlreiz pārskatīta.
Katrai fāzei AI ievada an IDE cilpa: tā Īsteno kods, Aizstāv to pret kļūdām un regresiju ar visaptverošiem testiem un Novērtē rezultāts neatbilst specifikācijai. Pēdējais solis ir Pārskatskurā komanda dokumentē gūtās atziņas, lai atjauninātu un uzlabotu pašu SP(IDE)R protokolu turpmākajiem projektiem.
Sistēmas galvenais atšķirības faktors ir vairāku aģentu izmantošana un skaidra cilvēka pārskatīšana dažādos posmos. Kadous atzīmē, ka katrs aģents pārskatīšanas procesā sniedz unikālas priekšrocības.
"Dvīņi ir ārkārtīgi labi uztver drošības problēmas," viņš teica, atsaucoties uz kritisku starpvietņu skriptēšanas (XSS) trūkumu un citu kļūdu "būtu kopīgojis OpenAI API atslēgu ar klientu, kas varētu maksāt tūkstošiem dolāru."
Tikmēr "GPT-5 ļoti labi saprot, kā vienkāršot dizainu." Šī strukturētā pārskatīšana, kurā cilvēks sniedz galīgo apstiprinājumu katrā posmā, novērš tādu automatizācijas veidu, kas noved pie kļūdaina koda.
Platformas mākslīgā intelekta filozofija attiecas arī uz tās instalēšanu. Nav sarežģīta uzstādītāja; tā vietā lietotājs uzdod savam AI aģentam lietot Codev GitHub repozitoriju, lai iestatītu projektu. Izstrādātāji "izstrādāta programmatūra" to sistēmu, izmantojot Codev, lai izveidotu Codev.
“Šeit galvenais ir tas, ka dabiskā valoda tagad ir izpildāma, un aģents ir tulks,” sacīja Kadouss. “Tas ir lieliski, jo tas nozīmē, ka tā nav “akla” Codev integrācija, aģents var izvēlēties labāko veidu, kā to integrēt, un var saprātīgi pieņemt lēmumus.
Codev gadījuma izpēte
Lai pārbaudītu sistēmas efektivitāti, tās veidotāji veica tiešu salīdzinājumu starp vaniļas vibrācijas kodēšanu un Codev. Viņi deva Klods Opuss 4.1 lūgums izveidot modernu tīmekļa uzdevumu pārvaldnieku. Pirmajā mēģinājumā tika izmantota sarunvalodas, vibrācijas kodēšanas pieeja. Rezultāts bija ticama izskata demonstrācija. Tomēr automatizētā analīzē, ko veica trīs neatkarīgi AI aģenti, atklājās, ka tajā ir ieviesti 0% no vajadzīgās funkcionalitātes, tajā nebija nekādu testu un trūkst datu bāzes vai API.
Otrajā mēģinājumā tika izmantots tas pats AI modelis un uzvedne, wager tika izmantots SP(IDE)R protokols. Šoreiz AI izveidoja ražošanai gatavu lietojumprogrammu ar 32 avota failiem, 100% no norādītās funkcionalitātes, pieciem testu komplektiem, SQLite datu bāzi un pilnīgu RESTful API.
Visā šī procesa laikā cilvēku izstrādātāji ziņoja, ka viņi nekad nav tieši rediģējuši nevienu avota koda rindiņu. Lai gan šis bija viens eksperiments, Kadous lēš, ka ietekme ir ievērojama.
"Subjektīvi šķiet, ka ar Codev esmu apmēram trīs reizes produktīvāks nekā bez." viņš saka. Arī kvalitāte runā pati par sevi. "Es izmantoju LLM kā tiesnesi, un viens no viņiem aprakstīja rezultātus, piemēram, to, ko iegūtu labi eļļota inženieru komanda. Tas bija tieši tas, uz ko es tiecos."
Lai gan course of ir spēcīgs, tas no jauna definē izstrādātāja lomu no praktiska kodētāja līdz sistēmas arhitektam un recenzentam. Pēc Kadous teiktā, katra sākotnējā specifikācijas un plāna stadija var ilgt no 45 minūtēm līdz divām stundām mērķtiecīgas sadarbības.
Tas ir pretstatā iespaidam, ko rada daudzas vibrācijas kodēšanas platformas, kur viena uzvedne un dažu minūšu ilga apstrāde nodrošina pilnībā funkcionālu un mērogojamu lietojumprogrammu.
"Visa pievienotā vērtība ir fona zināšanas, kuras izmantoju specifikācijās un plānos," viņš paskaidro. Viņš uzsver, ka ietvars ir paredzēts, lai papildinātu, nevis aizstātu pieredzējušos talantus. "Cilvēki, kas darīs vislabāko… ir vecākie inženieri un augstāki, jo viņi zina, kādas ir kļūmes… Tas tikai prasa vecāko inženieri, kas jums jau ir, un padara viņus daudz produktīvākus."
Cilvēka un mākslīgā intelekta sadarbības nākotne
Tādi ietvari kā Codev norāda uz maiņu, kurā programmatūras izstrādes primārais radošais akts pāriet no koda rakstīšanas uz precīzu, mašīnlasāmu specifikāciju un plānu izstrādi. Uzņēmumu komandām tas nozīmē, ka AI ģenerēts kods var kļūt pārbaudāms, apkopjams un uzticams. Ietverot visu izstrādes sarunu versiju kontrolē un ieviešot to ar CI, course of pārvērš īslaicīgas tērzēšanas sarunas par izturīgiem inženierijas līdzekļiem.
Codev piedāvā nākotni, kurā AI darbojas nevis kā haotisks palīgs, wager gan kā disciplinēts līdzstrādnieks strukturētā, cilvēku vadītā darbplūsmā.
Tomēr Kadous atzīst, ka šī maiņa rada jaunus izaicinājumus darbaspēkam. "Vecākos inženierus, kuri pilnībā noraida AI, apsteigs vecākie inženieri, kuri to pieņem," viņš prognozē. Viņš arī pauž bažas par jaunākajiem izstrādātājiem, kuri, iespējams, nesaņems iespēju "veidot savas arhitektūras kapenes," prasme, kas kļūst vēl svarīgāka, vadot AI.
Tas izceļ nozares galveno izaicinājumu: nodrošināt, ka AI paaugstina labākos izpildītājus, tas arī rada ceļus nākamās paaudzes talantu attīstībai.
