Разговоры о том, что нейросети вот-вот вытеснят инженеров, давно стали привычным фоном. Но за скоростью генерации простых приложений легко не заметить главного: как пишет автор Хабра в заметке о вайб-кодинге, проблему остановки Тьюринга никто не отменял. Модель не убирает ошибки — она просто быстрее приносит их в продакшен.

Замена строгого кода размытыми промптами, по его мнению, оборачивается техническим долгом, который потом трудно контролировать. Рецепт тот же, что и до бума ИИ-ассистентов: строгая типизация, автотесты без исключений и внимательное ревью каждого коммита. Тогда ИИ остаётся инструментом, а не источником сюрпризов.

О том, как выстроить безопасный процесс разработки вокруг ассистентов, — в материале на Хабре.

Источник: Telegram: Хабр

#вайб-кодинг#разработка#тестирование#техдолг#ии-ассистенты
Понравился материал?
Подписывайтесь — так вы не пропустите новые.
RSS-лента

Комментарии 4

Будьте вежливы — это делает обсуждение лучше
О
Олег
У нас в команде был случай: джуниор сгенерировал целый модуль через ChatGPT, а потом три дня искал, почему в проде падает. В итоге переписали вручную. Так что да, рецепт верный: типизация, тесты, ревью.
МС
Марина Соколова
А мне кажется, что ИИ-ассистенты как раз помогают писать тесты быстрее. Если использовать их с умом, можно и скорость сохранить, и качество. Вопрос в том, как выстроить процесс. Кто-нибудь уже пробовал автоматизировать ревью с помощью ИИ?
ИК
Ирина К.
Статья правильно поднимает тему. Но на практике строгая типизация и автотесты требуют времени, которого часто нет. Приходится выбирать между скоростью и качеством. А нейросети соблазняют именно скоростью.
DP
dmitry_p
По-моему, автор немного сгущает краски. Проблема остановки Тьюринга — это теоретическая концепция, которая к реальной разработке имеет мало отношения. Нейросети генерируют код, который мы можем проверить тестами. Главное — не терять бдительность.