AI-ügynökök írnak több kódot, mint amit ember átnézhet, új fejlesztői modellt hoz a jelenség
Az AI-ügynökök annyi kódot írnak, amennyit emberi felülvizsgálat már nem tud követni — állítja Gursimar Singh. A fejlesztők figyelme lett a szűk keresztmetszet, ezért az ügynököket már nem eszközként, hanem alkalmazottként kell kezelni.
A fejlesztők figyelme lett a szűk keresztmetszet, ezért az ügynököket már nem eszközként, hanem alkalmazottként kell kezelni, mivel a korábbi korszak, amikor az AI-t csak promptok írására használtuk, lejárt. (Towards Data Science)
Izolált környezetek és streaming technológia
A csapatok, amelyek öt AI-ügynököt próbáltak egyszerre dolgoztatni ugyanazon a kódon, hamar szembesültek a problémával: az egyik ügynök elrejtette a többiek munkáját, egy másik pedig véletlenül kitörölte az egész kódbázist. A tanulság egyértelmű: ahogy öt fejlesztőnek sem adnánk egyetlen laptopot, úgy az AI-ügynököknek sem szabad megosztaniuk a munkakörnyezetüket. A megoldás az, hogy minden ügynöknek saját, izolált virtuális asztalt biztosítunk, amelyek teljes Linux rendszert futtatnak, saját fájlrendszerrel, böngészővel és terminállal rendelkeznek.
A GPU-gyorsításnak köszönhetően a felhőalapú játékokhoz hasonló streaming technológiával élőben követhetjük a munkájukat, akár telefonról is. Ez a megközelítés lehetővé teszi az ügynökök számára, hogy maguk teszteljék a kódjukat, például egy React to-do app esetében, és a fejlesztők is könnyebben követhetik a munkát, mivel az IDE-ben, a kódon belül dolgoznak.
Kanban tábla és öngyógyító rendszer
A fejlesztői csapatok, amelyek eredetileg on-premise AI-modelleket kínáltak, észrevették, hogy az ügyfelek leggyakrabban kódolásra használják azokat. Mivel a csapatmunka szempontjából az AI-kódolási eszközök nem voltak ideálisak, létrehoztak egy új réteget: egy Kanban táblát, ahol az ügynökök végzik a feladatokat. Egy egyszerű prompt, mint például „add dark mode to the to-do app”, után az egyik ügynök specifikációt ír, amit emberi felülvizsgálat követ, majd az ügynök megépíti a jóváhagyott funkciót, és a kód átmegy a szokásos kódellenőrzésen.
A rendszer öngyógyítóvá is vált: egy bug jelentése után egy ügynök javítja azt, és a platform önmagát telepíti újra. A legnagyobb változás az, hogy az AI-kódírás mennyisége meghaladja az emberi felülvizsgálati kapacitást, így a szoftverfejlesztés lassú része már nem a kódírás, hanem a specifikációk olvasása és a kód minőségének biztosítása.
Például a Bun, egy népszerű JavaScript futtatókörnyezet alkotója, felajánlotta, hogy Claude segítségével nyit pull requesteket a hosszú ideje fennálló hibajavításokra. A GitHub bevezette a pull requestek kikapcsolásának lehetőségét, hogy kezeljék az AI által generált, alacsony minőségű kódbeadások áradatát.