Nástroje na kódovanie AI sú stále vo fáze výskumu a vývoja

Podľa prieskumu Stack Overflow z roku 2024 76 % vývojárov používa alebo plánuje používať nástroje AI – teraz sú len súčasťou práce. Pomáhajú so všednými úlohami, ale môžu byť otravné, keď s istotou vytvárajú nezmysly. Zatiaľ čo YouTuberi budujú „miliardové startupy“ s výzvami ChatGPT a agenti AI preberajú svet každý týždeň, skutočné tímy stále zisťujú, ako tieto nástroje efektívne využiť. Dnes je zvládnutie pomoci AI rovnako dôležité ako kódovanie alebo návrh systému – musíme sa prispôsobiť a rýchlo.

Problém je v tom, že tieto nástroje sú v podstate stále vo fáze výskumu a vývoja – neustále sa menia, navzájom sa kopírujú a zaslúžia si uznanie za riešenie predtým nevyriešených problémov. Všetkým chýbajú jasné návody na použitie. Dokonca aj Copilot, napriek tomu, že je etablovanejší, nemá jasné návody a osvedčené postupy. Riešenie? Urobíme to, čo vývojári vedia najlepšie – organizovať a vytvárať rámec sami.

Menič hry

...a tiež " Kvantový skok ", " Posun paradigmy ", " Agenti prichádzajú ", čo si len spomeniete. Aj keď tieto nástroje skutočne transformujú náš pracovný tok, zmena je praktickejšia: vývojári teraz fungujú ako vedúci tímu a riadia asistentov AI namiesto priameho písania kódu. Základné zručnosti sa presunuli na navrhovanie, plánovanie, popisovanie a kontrolu.

Hlavné koncepty UX, ktoré tieto nástroje predstavujú, sú:

1. Inline návrhy – najprirodzenejší integračný vzor. Keď fungujú, sú bezproblémové – ale keď narušia váš kód, je to okamžité prerušenie produktivity.
2. Chat – klasický prístup, kde LLM interagujú s vašou kódovou základňou prostredníctvom riadených výziev
3. Composer (" Copilot Edit ", " Cline act ") - nový koncept, ktorý mnohí považujú za mätúci . Je to posun smerom k autonómnym agentom. Composer pracuje s niekoľkými súbormi a môže aplikovať zmeny a automaticky iterovať na základe chýb, problémov s lintovaním atď.
4. Agenti – očakávaný ďalší vývoj – plne autonómni a personalizovaní asistenti AI integrovaní priamo do vášho IDE.

Zoznámenie sa s „ návrhmi “ nie je zložité. Začali s nimi asistenti AI, ktorí ako prvé upútali našu pozornosť. Rozhovory sú jednoduché: vložte súbory do kontextu, iterujte, použite a overte výsledky.

Nástroje skladateľského typu predstavujú viac výziev na zvládnutie, vyžadujú si krivku učenia a niektoré neočividné prístupy. V súčasnosti ponúka editor kurzora najprístupnejší nástroj „skladateľ“, zatiaľ čo Copilot úzko nasleduje „ Copilot Edits “, ktorý nedávno zaviedol pracovné postupy založené na agentoch.

Aby ste sa naučili pracovať so skladateľmi, musíte pochopiť tri kľúčové pojmy:

1. Pokyny
2. pravidlá
3. Kontext

Poďme preskúmať každý z nich.

Pokyny

Keďže tím vedie a nie iba vývojári, mali by sme začať s každým novým projektom alebo hlavnou funkciou vytvorením dokumentu dizajnu alebo jasného dokumentu s požiadavkami na produkt . Táto prax rozvíja silné inžinierske a produktové myslenie a zároveň šetrí značný čas na implementáciu. Najlepšie na tom je, že tieto dokumenty môžu byť:

1. Generované pomocou AI
2. A potom použitý ako návod pre skladateľov

Ak chcete vytvoriť tieto dokumenty, najprv zhromaždite požiadavky od ľudí a potom si pozrite model uvažovania v rozhovore. Copilot aj Cursor majú vstavané modely uvažovania vhodné na túto úlohu. OpenAI o1 a o3-mini sú k dispozícii v predvolenom nastavení, zatiaľ čo Cursor's Chat podporuje DeepSeek-R1 (hoci ešte nie je súčasťou jeho Composer ) – všetko vynikajúce nástroje na tento účel.

Osvedčeným postupom je ukladanie návrhových dokumentov na najvyššej úrovni vášho úložiska (použijeme priečinok requirements ) usporiadané podľa funkcií s ProjectOverview.md v koreňovom adresári. Tu je príklad štruktúry požiadaviek webovej aplikácie Twitter:

 requirements/ ├── ProjectOverview.md # Core product description └── Features/ ├── Authentication.md # User registration ├── Tweet.md # Tweet CRUD ├── UserProfile.md # Profile management ├── Engagement.md # Likes, retweets ├── Infrastructure.md # Storage, caching, etc └── ...

Ak je všetko správne nastavené, pridanie dokumentu dizajnu pre novú funkciu je také jednoduché ako napísanie tejto výzvy:

Uloženie pokynov vo vašej kódovej základni ponúka jasné výhody: kontrolu verzií, jednoduchú údržbu a štandardný PR pracovný postup. Netechnickí členovia tímu, ako sú vlastníci produktov, manažéri a dizajnéri UX, však môžu potrebovať prístup bez použitia git. Tu sú tri riešenia:

1. Uložte všetko do Notion, publikujte stránky s pokynmi a vložte ich ako dokumentáciu pomocou skratky @Docs

2. Vytvorte kanál, ktorý skonvertuje stránky Notion na súbory .md a uloží ich do úložiska
3. Naučte svoj tím používať git – najvýhodnejšiu možnosť pre celý tím

Keď budú vaše pokyny dostupné vo vašom editore, prepnite sa na skladateľa a začnite implementovať. To nás vedie k usporiadaniu Pravidiel .

pravidlá

Momentálne iba kurzor podporuje " pravidlá " - priame implementačné pokyny pre konkrétne súbory/priečinky. Táto funkcia sa pravdepodobne rozšíri aj do iných editorov, vrátane VSCode Copilot, ktorý v súčasnosti ponúka iba „ súbory s výzvami “, ktoré nemožno priamo pripojiť ku kódovej základni.

Pravidlá kurzora sú komplexnejšie – predstavte si CONTRIBUTING.md v kombinácii s pravidlami linter a vylepšené o schopnosti LLM. Tieto pravidlá sú agnostické pre produkty, možno ich zdieľať a efektívne prenášajú znalosti, osvedčené postupy a podrobnosti o implementácii medzi tímy a používateľov knižníc.

Pravidlá je možné vytvoriť pomocou palety príkazov a sú uložené v priečinku .cursor/rules vášho projektu s príponou .mdc . Tento formát umožňuje pokročilé funkcie, ako napríklad @mentioning konkrétnych súboroch vo vašej kódovej základni. Dôrazne sa odporúča odovzdať tieto pravidlá do vášho úložiska a spolupracovať na ich zlepšovaní. Tu je pracovný postup používania pravidiel:

1. Preskúmajte pravidlá kurzora špecifické pre váš technologický zásobník, počnúc vybranými zoznamami ako referenciami. Môžete napríklad nájsť dobre napísané pravidlá kurzora pre Next.js a React, ktoré slúžia ako dobré šablóny.
2. Aktualizujte pravidlá proaktívne počas vývoja. Keď si všimnete vzor, ktorý by mohol byť formalizovaný do pravidla počas písania kódu, okamžite ho zdokumentujte v súbore pravidiel.
3. Učte sa od najlepších v odbore. Novým prístupom pre tvorcov knižníc k zdieľaniu vedomostí a zvýšeniu osvojenia je vytváranie špecializovaných pravidiel pre asistentov AI. Viem o niekoľkých spoločnostiach, ktoré to robia – Convex vyniká tým, že vytvára pravidlá pre OpenAI aj Antropické modely a zdieľa ich vo svojej dokumentácii . Aj keď som ich produkt nepoužíval, ich zameranie na zlepšenie zážitku vývojárov prostredníctvom integrácie AI je presvedčivé. Ďalším skvelým príkladom je Supabase .

Mnoho knižníc naliehavo potrebuje pravidlá AI. Z pohľadu vývojára frontendu by mi prospelo mať ich pre TanStack Query , React Spring , Firebase a mnoho ďalších. Tieto pravidlá by výrazne ušetrili čas a pomohli by predchádzať bežným chybám, ktorých sa vývojári dopúšťajú pri učení sa nových technológií.

Kontext

Nezabudnite zahrnúť všetky relevantné súvislosti – čím viac kvalitných údajov poskytnete, tým lepšie výsledky získate. Editor kurzora tu má oproti Copilotu výhodu tým, že umožňuje niekoľko typov kontextu:

1. Dokumentácia - funguje naozaj dobre, stačí jej poskytnúť vstupný bod do akejkoľvek dokumentácie, stiahne ju, analyzuje a uloží pre budúce potreby
2. Vyhľadávanie na webe – nie je striktne kontextové, poskytuje rýchly prístup k online zdrojom
3. Rôzne vývojové nástroje - špecifické git commity, lint chyby, poznámkové bloky a ďalšie artefakty
4. Servery MCP môžu poskytovať kontext v reálnom čase. Aj keď je nastavenie trochu zložité, sú cenné, keď potrebujete prístup k živým údajom.

Po zvládnutí týchto nástrojov je vaším ďalším krokom optimalizácia vášho individuálneho aj tímového výkonu. Ale aká je odtiaľto cesta vpred?

Cline a Roo-Code. Ovládanie

Vždy budete čeliť kompromisu medzi jednoduchosťou a ovládaním, medzi automatizovanými riešeniami a manuálnym rozhodovaním. Ak ste ochotní ponoriť sa do hĺbky a nebojíte sa riešiť chyby, výkonnostné výzvy a drsné hrany, zvážte vyskúšanie Cline (alebo jeho vidlice Roo-Code , ktorá má trochu inú filozofiu).

Oba nástroje sú navrhnuté tak, aby poskytovali čo najväčší priestor na to, čo sa skutočne deje pod kapotou:

1. Sú open source a bez predplatného. Namiesto toho používate svoje vlastné kľúče LLM API alebo služby ako OpenRouter , pričom platíte len za to, čo používate.
2. Cline prehľadne zobrazuje všetky svoje operácie, vrátane súborov, ktoré číta a upravuje.
3. Cline poskytuje podrobné informácie o komunikácii LLM, stave kontextového okna a nákladoch na každú chatovaciu reláciu.
4. Obsahuje intuitívne režimy Plán/Konanie – logický prístup, ktorý by ostatné nástroje mali zvážiť.

Zabijakou vlastnosťou je, že Cline skutočne dokáže spustiť a ladiť vašu aplikáciu – je to skutočné a funkčné, ako uvidíte, keď si to vyskúšate.

Ak vás toto všetko zaujíma, prečítajte si nedávny článok Addy Osmani , ktorý poskytuje vynikajúci úvod do týchto editorov.

Záver

Prijatie týchto nástrojov nie je jednoduchá cesta a nečakajte, že „celý projekt od začiatku napíšete za menej ako 5 minút“. Toto je však jasná cesta vpred.

Táto technológia už existuje, ale chýba nám robustný pracovný postup integrovaný do AI, ktorý organizuje celý tím – nielen vývojárov, ale predovšetkým manažérov a dizajnérov – okolo týchto nových nástrojov. Umelá inteligencia môže pôsobiť zastrašujúco a zdieľanie jej vplyvu sa môže na prvý pohľad zdať nepríjemné (ako keby ste svojmu vedúcemu tímu povedali, že AI napísala 80 % funkcie prostredníctvom starostlivej konfigurácie). Vývoj softvéru sa však bude vyvíjať len vtedy, keď sa tieto nástroje stanú neoddeliteľnou súčasťou tímových pracovných postupov. K najúspešnejším prechodom dochádza v tímoch, ktoré podporujú otvorenú diskusiu o skúsenostiach s AI, spoločné skúmanie nástrojov a aktívne prispievajú svojimi naučenými osvedčenými postupmi do širšej vývojárskej komunity.