Nasa R&D Stage pa ang AI Coding Tools

Ayon sa survey ng Stack Overflow noong 2024 , 76% ng mga developer ang gumagamit o nagpaplanong gumamit ng mga tool ng AI—bahagi na lang sila ng trabaho. Tumutulong sila sa mga makamundong gawain ngunit maaaring nakakainis kapag may kumpiyansa silang gumawa ng kalokohan. Habang ang mga YouTuber ay nagtatayo ng "bilyong dolyar na mga startup" gamit ang mga ChatGPT prompt at ang mga ahente ng AI ay kinukuha ang mundo bawat linggo, ang mga tunay na koponan ay nag-iisip pa rin kung paano epektibong gamitin ang mga tool na ito. Ngayon, ang pag-master ng tulong sa AI ay kasing saligan ng coding o disenyo ng system—kailangan nating umangkop at mabilis.

Ang problema ay ang mga tool na ito ay nasa yugto pa rin ng R&D—patuloy silang nagbabago, kinokopya ang isa't isa, at karapat-dapat ng kredito para sa paglutas ng mga hindi nalutas na problema. Lahat sila ay walang malinaw na mga gabay sa paggamit. Kahit na ang Copilot, sa kabila ng pagiging mas matatag, ay walang malinaw na mga tutorial at pinakamahusay na kasanayan. Ang solusyon? Gagawin namin kung ano ang pinakamahusay na magagawa ng mga developer—mag-ayos at gumawa ng framework sa aming sarili.

Game changer

...at pati na rin ang " Quantum leap ", " Paradigm shift ", " Agents are coming ", you name it. Bagama't talagang binabago ng mga tool na ito ang aming workflow, mas praktikal ang pagbabago: gumagana na ngayon ang mga developer tulad ng mga lead team, na namamahala sa mga AI assistant sa halip na direktang sumulat ng code. Ang mga pangunahing kasanayan ay lumipat sa pagdidisenyo, pagpaplano, paglalarawan, at pagsusuri.

Ang mga pangunahing konsepto ng UX na ipinakilala ng mga tool na ito ay:

1. Mga inline na mungkahi - ang pinaka-natural na pattern ng pagsasama. Kapag gumagana sila, walang putol ang mga ito—ngunit kapag ginulo nila ang iyong code, ito ay isang agarang pahinga sa pagiging produktibo.
2. Chat - klasikong diskarte kung saan nakikipag-ugnayan ang mga LLM sa iyong codebase sa pamamagitan ng mga guided prompt
3. Composer (" Copilot Edit ", " Cline act ") - ang bagong konsepto na marami ang nakakalito . Ito ay isang pagbabago patungo sa mga autonomous na ahente. Gumagana ang kompositor sa ilang mga file at maaaring maglapat ng mga pagbabago at awtomatikong umulit batay sa mga error, problema sa linting atbp.
4. Mga Ahente - ang inaasahang susunod na ebolusyon—ganap na autonomous at personalized na mga AI assistant na direktang isinama sa iyong IDE.

Ang pagiging pamilyar sa " mga mungkahi " ay hindi kumplikado. Nagsimula sa kanila ang mga AI assistant, na unang nakakuha ng atensyon namin. Ang mga chat ay diretso: magpasok ng mga file sa konteksto, umulit, maglapat, at patunayan ang mga resulta.

Ang mga tool na may uri ng kompositor ay nagpapakita ng higit pang mga hamon upang makabisado, na nangangailangan ng curve ng pagkatuto at ilang mga di-halatang diskarte. Sa kasalukuyan, nag-aalok ang editor ng Cursor ng pinaka madaling lapitan na tool na "composer," habang mahigpit na sinusundan ng Copilot ang " Copilot Edits ," na kamakailan ay nagpakilala ng mga workflow na nakabatay sa ahente.

Upang maging bihasa sa mga kompositor, kailangan mong maunawaan ang tatlong pangunahing konsepto:

1. Mga tagubilin
2. Mga tuntunin
3. Konteksto

Suriin natin ang bawat isa sa mga ito.

Mga tagubilin

Habang nangunguna ang koponan sa halip na mga developer lamang, dapat tayong magsimula ng anumang bagong proyekto o pangunahing tampok sa pamamagitan ng paggawa ng Dokumento ng Disenyo o malinaw na Dokumento ng Mga Kinakailangan sa Produkto . Ang kasanayang ito ay nagpapaunlad ng malakas na pag-iisip ng inhinyero at produkto habang nakakatipid ng malaking oras ng pagpapatupad. Ang pinakamagandang bahagi ay ang mga dokumentong ito ay maaaring:

1. Binuo gamit ang AI
2. At pagkatapos ay ginamit bilang isang tagubilin para sa mga kompositor

Upang gawin ang mga dokumentong ito, kumuha muna ng mga kinakailangan mula sa mga tao , pagkatapos ay kumonsulta sa modelo ng pangangatwiran sa Chat. Parehong Copilot at Cursor ay may built-in na mga modelo ng pangangatwiran na angkop para sa gawaing ito. Available o1 at o3-mini ng OpenAI bilang default, habang sinusuportahan ng Cursor's Chat ang DeepSeek-R1 (bagaman wala pa sa Composer nito ) – lahat ng mahuhusay na tool para sa layuning ito.

Ang isang magandang kasanayan ay ang pag-iimbak ng mga dokumento ng disenyo sa pinakamataas na antas ng iyong repo (gagamitin namin ang isang folder requirements ) na nakaayos ayon sa mga feature, na may ProjectOverview.md sa ugat. Narito ang isang halimbawang istraktura para sa mga kinakailangan ng Twitter web app:

 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 └── ...

Kung maayos na naka-set up ang lahat, ang pagdaragdag ng dokumento ng disenyo para sa isang bagong feature ay kasing simple ng pagsusulat ng prompt na ito:

Ang pag-iimbak ng mga tagubilin sa iyong codebase ay nag-aalok ng malinaw na mga pakinabang: kontrol sa bersyon, madaling pagpapanatili, at karaniwang PR workflow. Gayunpaman, maaaring kailanganin ng mga hindi teknikal na miyembro ng team tulad ng Mga May-ari ng Produkto, manager, at UX designer ng access nang hindi gumagamit ng git. Narito ang tatlong solusyon:

1. Itago ang lahat sa Notion, i-publish ang mga pahina ng pagtuturo, at i-inject ang mga ito bilang dokumentasyon gamit ang @Docs shortcut

2. Gumawa ng pipeline na nagko-convert ng mga pahina ng Notion sa mga .md na file at iniimbak ang mga ito sa repositoryo
3. Turuan ang iyong koponan na gumamit ng git - ang pinakakapaki-pakinabang na opsyon para sa buong koponan

Kapag naa-access na ang iyong mga tagubilin sa iyong editor, lumipat sa kompositor at simulan ang pagpapatupad. Ito ay humahantong sa amin sa pag-aayos ng Mga Panuntunan .

Mga tuntunin

Sa kasalukuyan, tanging ang Cursor ang sumusuporta sa " mga panuntunan " - mga direktang tagubilin sa pagpapatupad para sa mga partikular na file/folder. Ang tampok na ito ay malamang na kumalat sa iba pang mga editor, kabilang ang VSCode Copilot, na kasalukuyang nag-aalok lamang ng " mga prompt file " na hindi maaaring direktang ilakip sa codebase.

Ang mga panuntunan ng cursor ay mas komprehensibo - isipin CONTRIBUTING.md na sinamahan ng mga linter na panuntunan at pinahusay ng mga kakayahan ng LLM. Ang mga panuntunang ito ay product-agnostic, naibabahagi, at epektibong naglilipat ng kaalaman, pinakamahuhusay na kagawian, at mga detalye ng pagpapatupad sa mga team at user ng library.

Magagawa ang mga panuntunan sa pamamagitan ng command palette at iniimbak sa folder .cursor/rules ng iyong proyekto na may extension na .mdc . Ang format na ito ay nagbibigay-daan sa mga advanced na feature tulad ng @mentioning mga partikular na file sa iyong codebase. Lubos na inirerekomendang ibigay ang mga panuntunang ito sa iyong repositoryo at makipagtulungan sa pagpapabuti ng mga ito. Narito ang workflow para sa paggamit ng mga panuntunan:

1. Magsaliksik ng mga panuntunan ng cursor na partikular sa iyong stack ng teknolohiya, simula sa mga na-curate na listahan bilang mga sanggunian. Halimbawa, makakahanap ka ng mahusay na pagkakasulat ng mga panuntunan ng cursor para sa Next.js at React na nagsisilbing mahusay na mga template.
2. I-update ang mga panuntunan nang maagap sa panahon ng pag-unlad. Kapag napansin mo ang isang pattern na maaaring gawing pormal sa isang panuntunan habang nagsusulat ng code, idokumento ito kaagad sa iyong file ng mga panuntunan.
3. Matuto mula sa pinakamahusay sa larangan. Ang isang bagong diskarte para sa mga tagalikha ng library upang magbahagi ng kaalaman at dagdagan ang pag-aampon ay ang paggawa ng mga espesyal na panuntunan para sa mga AI assistant. May alam akong ilang kumpanyang gumagawa nito - ang Convex ay namumukod-tangi sa pamamagitan ng paglikha ng mga patakaran para sa parehong OpenAI at Anthropic na mga modelo at pagbabahagi ng mga ito sa kanilang dokumentasyon . Bagama't hindi ko pa ginagamit ang kanilang produkto, nakakahimok ang kanilang pagtuon sa pagpapabuti ng karanasan ng developer sa pamamagitan ng AI integration. Ang Supabase ay isa pang magandang halimbawa .

Maraming mga aklatan ang apurahang nangangailangan ng mga panuntunan sa AI. Mula sa pananaw ng isang frontend developer, makikinabang ako sa pagkakaroon ng mga ito para sa TanStack Query , React Spring , Firebase at marami-marami pa. Ang mga panuntunang ito ay makakatipid ng malaking oras at makakatulong na maiwasan ang mga karaniwang pagkakamali na ginagawa ng mga developer kapag nag-aaral ng mga bagong teknolohiya.

Konteksto

Tandaang isama ang lahat ng nauugnay na konteksto - kung mas maraming kalidad na data ang ibibigay mo, mas mahusay na mga resulta ang iyong makukuha. Ang editor ng cursor ay may kalamangan sa Copilot dito sa pamamagitan ng pagpapahintulot sa ilang uri ng konteksto:

1. Documentation - gumagana nang maayos, ibigay lang ito ng entry point sa anumang dokumentasyon, ida-download ito, i-parse ito, at i-save para sa mga pangangailangan sa hinaharap
2. Paghahanap sa web - hindi mahigpit na konteksto, nagbibigay ito ng mabilis na pag-access sa mga mapagkukunang online
3. Iba't ibang mga tool sa pag-develop - partikular na git commit, lint error, Notepad, at iba pang artifact
4. MCP -server ay maaaring magbigay ng real-time na konteksto. Bagama't medyo nakakalito ang pag-setup, mahalaga ang mga ito kapag kailangan mo ng live na pag-access sa data.

Pagkatapos na mastering ang mga tool na ito, ang iyong susunod na hakbang ay ang pag-optimize ng performance ng iyong indibidwal at team. Ngunit ano ang landas pasulong mula rito?

Cline at Roo-Code. Ang Kontrol

Palagi kang haharap sa isang tradeoff sa pagitan ng pagiging simple at kontrol, sa pagitan ng mga automated na solusyon at manual na paggawa ng desisyon. Kung handa kang sumisid nang malalim at hindi natatakot na harapin ang mga bug, mga hamon sa pagganap, at magaspang na mga gilid, isaalang-alang na subukan ang Cline (o ang tinidor nito na Roo-Code , na may bahagyang naiibang pilosopiya).

Ang parehong mga tool ay idinisenyo upang magbigay ng mas maraming clearance sa kung ano talaga ang nangyayari sa ilalim ng hood hangga't maaari:

1. Ang mga ito ay open-source at walang subscription. Sa halip, ginagamit mo ang sarili mong mga LLM API key o serbisyo tulad ng OpenRouter , nagbabayad lang para sa iyong ginagamit.
2. Malinaw na ipinapakita ng Cline ang lahat ng mga operasyon nito, kabilang ang mga file na binabasa at binago nito.
3. Nagbibigay ang Cline ng mga detalyadong insight sa mga komunikasyon sa LLM, status window ng konteksto, at ang halaga ng bawat session ng chat.
4. Nagtatampok ito ng mga intuitive na Plano/Act mode - isang lohikal na diskarte na dapat isaalang-alang ng ibang mga tool.

Ang tampok na nakamamatay ay ang Cline ay maaaring aktwal na patakbuhin at i-debug ang iyong application - ito ay totoo at gumagana, tulad ng makikita mo kapag sinubukan mo ito.

Kung interesado ka sa lahat ng ito, tingnan ang kamakailang artikulo ni Addy Osmani , na nagbibigay ng mahusay na panimula sa mga editor na ito.

Konklusyon

Ang pag-adopt sa mga tool na ito ay hindi isang simpleng paglalakbay, at huwag asahan na isulat ang "buong proyekto mula sa simula sa loob ng wala pang 5 minuto." Gayunpaman, ito ay isang malinaw na landas pasulong.

Nariyan na ang teknolohiya, ngunit nawawalan kami ng isang mahusay na daloy ng trabaho na pinagsama-sama ng AI na nag-aayos sa buong team - hindi lang mga developer, ngunit mahalagang mga tagapamahala at taga-disenyo - sa paligid ng mga bagong tool na ito. Ang AI ay maaaring makaramdam ng pananakot, at ang pagbabahagi ng epekto nito ay maaaring mukhang hindi komportable sa una (tulad ng pagsasabi sa iyong pinuno ng koponan na ang AI ay sumulat ng 80% ng isang tampok sa pamamagitan ng maingat na pagsasaayos). Gayunpaman, mag-evolve lang ang software development kapag naging integral ang mga tool na ito sa mga workflow ng team. Ang pinakamatagumpay na mga transition ay nangyayari sa mga team na nagsusulong ng bukas na talakayan tungkol sa mga karanasan sa AI, collaborative tool exploration, at aktibong nag-aambag ng kanilang mga natutunang pinakamahuhusay na kagawian sa mas malawak na development community.