Dla wielu twórców oprogramowania korzystających z generatywnej sztucznej inteligencji kodowanie wibracji jest mieczem obosiecznym.
Proces ten pozwala uzyskać szybkie prototypy, ale często pozostawia ślad delikatnego, nieudokumentowanego kodu, który powoduje znaczny dług techniczny.
Nowa platforma open source, Kodewrozwiązuje ten problem, proponując zasadniczą zmianę: traktowanie rozmów w języku naturalnym ze sztuczną inteligencją jako część rzeczywistego kodu źródłowego.
Codev opiera się na SP(IDE)R, frameworku przeznaczonym dla Zamień rozmowy o kodowaniu w Vibe w ustrukturyzowane, wersjonowane i weryfikowalne zasoby, które stają się częścią repozytorium kodu.
Co to jest Codev?
U podstaw Codev leży metodologia, która traktuje kontekst języka naturalnego jako integralną część cyklu życia oprogramowania, a nie jednorazowy artefakt, taki jak kodowanie w klimacie waniliowym.
Według współzałożyciela Waleeda Kadousa celem jest odwrócenie typowego przepływu prac inżynieryjnych.
„Kluczową zasadą Codev jest to, że dokumenty kochają specyfikację Czy rzeczywisty kod systemu” – powiedział VentureBeat. „To prawie tak, jakby nasi agenci kompilowali język naturalny do maszynopisu”.
Takie podejście pozwala uniknąć typowej pułapki tworzenia dokumentacji po fakcie, jeśli w ogóle.
Jego flagowy protokół, SP(IDE)R, zapewnia lekką, ale formalną strukturę do tworzenia oprogramowania. Proces rozpoczyna się od Sprecyzowaćgdzie człowiek i wielu agentów AI współpracują, aby przekształcić żądanie wysokiego poziomu w konkretne kryteria akceptacji. Dalej, w Plan fazie AI proponuje wdrożenie etapowe, które jest ponownie poddawane przeglądowi.
Na każdym etapie wejścia AI Pętla IDE: To To ma zastosowanie kod, bronić przed błędami i regresją za pomocą obszernych testów, oraz Ocenia wynik niezgodny ze specyfikacją. Ostatnim krokiem jest Recenzjagdzie zespół dokumentuje wnioski wyciągnięte w celu aktualizacji i ulepszenia samego protokołu SP(IDE)R na potrzeby przyszłych projektów.
Kluczową cechą wyróżniającą ramy jest wykorzystanie wielu agentów i wyraźna weryfikacja przez człowieka na różnych etapach. Kadous zauważa, że każdy agent wnosi wyjątkową siłę do procesu recenzji.
„To bliźniak niezwykle dobrze radzi sobie z wychwytywaniem problemów związanych z bezpieczeństwem” – stwierdził, powołując się na krytyczną lukę w skryptach krzyżowych (XSS) i inny błąd, który „udostępnia klientowi klucz API OpenAI, co może kosztować tysiące dolarów”.
Tymczasem „GPT-5 bardzo dobrze rozumie, jak uprościć projektowanie”. Ta ustrukturyzowana weryfikacja, z ostatecznym zatwierdzeniem na każdym etapie przez człowieka, zapobiega błędnej automatyzacji, która prowadzi do nieprawidłowego kodu.
Filozofia platformy natywnej AI rozciąga się na jej instalację. Nie ma skomplikowanego instalatora; zamiast tego użytkownik instruuje swojego agenta AI, aby wdrożył repozytorium Codev GitHub w celu skonfigurowania projektu. Programiści „testują” swój framework, używając Codev do zbudowania Codev.
„Kluczową rzeczą jest to, że język naturalny jest teraz wykonywalny, a agentem jest interpreter” – powiedział Kadous. „To świetnie, ponieważ oznacza, że nie jest to «ślepa» integracja Codev; agent może wybrać najlepszy sposób integracji i podejmować inteligentne decyzje”.
Studium przypadku Codev
Aby przetestować skuteczność frameworka, jego twórcy przeprowadzili bezpośrednie porównanie pomiędzy waniliowym kodowaniem wibracyjnym a Codev. Dali Zakończ pracę 4.1 prośba o zbudowanie nowoczesnego internetowego menedżera zadań do wykonania. W pierwszej próbie zastosowano konwersacyjne podejście do kodowania wibracji. Rezultatem było przekonująco wyglądające demo. Jednak zautomatyzowana analiza przeprowadzona przez trzech niezależnych agentów AI wykazała, że zaimplementował on 0% wymaganej funkcjonalności, nie zawierał żadnych testów oraz nie miał bazy danych ani API.
W drugiej próbie wykorzystano ten sam model AI i zapytanie, ale zastosowano protokół SP(IDE)R. Tym razem sztuczna inteligencja stworzyła aplikację gotową do produkcji z 32 plikami źródłowymi, 100% określonej funkcjonalności, pięcioma zestawami testów, bazą danych SQLite i pełnym interfejsem API RESTful.
W wyniku tego procesu programiści zgłosili, że nigdy bezpośrednio nie edytowali ani jednej linii kodu źródłowego. Chociaż był to jeden eksperyment, Kadous szacuje, że wpływ jest znaczący.
„Subiektywnie mam wrażenie, że dzięki Codev jestem około trzy razy bardziej produktywny niż bez niego” – mówi. Jakość też mówi sama za siebie. „Jako sędzia korzystałem z usług LLM i jeden z nich opisał efekt, jaki uzyska dobrze naoliwiony zespół inżynierów. Dokładnie o to mi chodziło”.
Chociaż proces ten jest potężny, na nowo definiuje rolę programisty z praktycznego programisty do architekta systemu i recenzenta. Według Kadousa każda wstępna faza specyfikacji i planowania może zająć od 45 minut do dwóch godzin skoncentrowanej współpracy.
Kontrastuje to z wrażeniem, jakie daje wiele platform kodowania vibe, gdzie jedno zapytanie i kilka minut przetwarzania daje w pełni funkcjonalną i skalowalną aplikację.
„Cała wartość, którą dodaję, wynika z wiedzy ogólnej, którą stosuję w specyfikacjach i planach” – wyjaśnia. Podkreśla, że ramy mają na celu wzmacnianie, a nie zastępowanie doświadczonych talentów. „Ludzie, którzy zrobią to najlepiej… to starsi inżynierowie i nie tylko, ponieważ znają pułapki… Wystarczy zatrudnić starszego inżyniera, którego już masz, i sprawić, że będzie on znacznie bardziej produktywny”.
Przyszłość współpracy człowieka i sztucznej inteligencji
Frameworki takie jak Codev sygnalizują zmianę, w ramach której główny akt twórczy w tworzeniu oprogramowania przesuwa się z pisania kodu na tworzenie precyzyjnych specyfikacji i planów nadających się do odczytu maszynowego. Dla zespołów biznesowych oznacza to, że kod wygenerowany przez sztuczną inteligencję może stać się testowalny, łatwy w utrzymaniu i niezawodny. Przechwytując całą rozmowę programistyczną w kontroli wersji i przeprowadzając ją za pomocą CI, proces przekształca efemeryczne rozmowy w trwałe zasoby inżynieryjne.
Codev proponuje przyszłość, w której sztuczna inteligencja nie będzie działać jako chaotyczny asystent, ale jako zdyscyplinowany współpracownik w ustrukturyzowanym przepływie pracy kierowanym przez człowieka.
Kadous przyznaje jednak, że zmiana ta stwarza nowe wyzwania dla siły roboczej. „Starsi inżynierowie, którzy całkowicie odrzucą sztuczną inteligencję, będą mieli przewagę liczebną nad starszymi inżynierami, którzy ją akceptują” – przewiduje. Wyraża także zaniepokojenie młodszymi programistami, którzy mogą nie mieć szansy na „zbudowanie swoich dzieł architektonicznych”, co jest umiejętnością, która staje się jeszcze bardziej krytyczna w przypadku korzystania ze sztucznej inteligencji.
Podkreśla to główne wyzwanie stojące przed branżą: zapewnienie, że sztuczna inteligencja podniesie na duchu najlepszych pracowników, a jednocześnie stworzy ścieżki rozwoju talentów nowej generacji.
