AI-kódolásnál nem az eszköz a hiba, hanem a minőségbiztosítás hiánya

A fejlesztő szerint a jelenlegi AI-eszközök, mint a Claude vagy a Copilot, könnyebbé teszik a korábban is létező védekezési rétegek alkalmazását, és új lehetőségeket is teremtenek a hibák felderítésére és javítására. (Hacker News)

Specifikáció-vezérelt fejlesztés és követelmény-ellenőrzés

A specifikációvezérelt fejlesztés bevezetése után éles csökkenést tapasztaltam a frissen írt kód hibáiban — írja Khramtsov az i-kh.net oldalon. Az AI-alapú követelmény-ellenőrzés segít feltárni a hiányosságokat, váratlan interakciókat és szélső eseteket, még mielőtt azok hibát okoznának a fejlesztés során. Az AI fáradhatatlanul képes keresni a potenciális problémákat, bár néha túlzottan is szorgalmas lehet, ezért az általa javasolt módosításokat emberi felülvizsgálat szükséges.

Tesztforgatókönyvek és lefedettség

A kódgeneráló AI-k trivializálják a tesztvezérelt fejlesztést (TDD), így nincs mentség az elhanyagolására. Khramtsov szerint a követelmények alapján gondosan meg kell tervezni a tesztforgatókönyveket, majd az AI segítségével közel 100%-os unit teszt lefedettséget kell elérni, ami jelentősen csökkenti a hibák számát.

Az emberi tesztelés továbbra is nélkülözhetetlen a funkciók kipróbálásához és a váratlan viselkedés felfedezéséhez, bár ez a terület eddig csak mérsékelt termelékenységnövekedést mutatott, ami Khramtsov szerint a teljesítmény 2–3-szoros növekedésének korlátja. Az automatizált end-to-end (E2E) tesztek pedig kulcsfontosságúak a felhasználói funkciók megbontásának megakadályozására, futtatásuk a PR-ekben, tesztkörnyezetben és élesben is javasolt.

Az AI-eszközök külön ellenőrzési körökkel hatékonyan szűrhetik a biztonsági réseket, a túlzottan bonyolult vagy ismétlődő kódot, valamint a formázási és logikai problémákat. A PR-ek emberi és AI-alapú felülvizsgálata továbbra is szükséges a komplex változásoknál, mivel az AI néha még mindig nagyarányú hibákat vagy szokatlan szóhasználatot produkálhat. Érdekes módon a különböző AI-eszközök (pl. Claude és Cursor) gyakran eltérő problémákat találnak.

A kód élesbe állítása után a naplók, felhasználói felvételek és hibakövető rendszerek folyamatos figyelése elengedhetetlen. A legfejlettebb megközelítés az, ha az AI képes automatikusan diagnosztizálni a hibákat, azonosítani azok gyökerét, és javaslatot tenni a javításra PR formájában. Khramtsov szerint a megfelelő védekezési rétegekkel az AI-kódolás nem jár minőségromlással, sőt, olcsóbbá teszi a mélyebb ellenőrzéseket, így reálisan megduplázható a kimenet.