Традиционно развитие
- Хората пишат код ръчно.
- Детерминистичният контрол вече съществува.
- Пропускателната способност остава ограничена от човешката скорост.
Написано от човека, детерминистично
Обратно към стратегическите тези
Стратегическа теза 01
Моделът на еволюцията на разработката на AI софтуер
euphile вижда разработката на AI софтуер като еволюция чрез нива на контрол. Важният въпрос е не само колко код може да произведе AI, но и колко детерминистична, управляема и многократно използваема става заобикалящата система, когато AI поема повече работа.
Разработката на AI софтуер Еволюция Модел
От традиционното програмиране към генериране на код, по-близък до машината, истинският напредък не е само скорост. Това е движение към повече контрол, повече детерминизъм и по-силен формален лост.
Водено от изкуствен интелект кодиране
- AI се превръща в основния актьор, създаващ код.
- Vibe кодирането и автономните вериги ускоряват изхода.
- Нестабилността нараства, когато системите стават по-сложни.
Бърз, ръководен от AI, по-крехък
AI с контролни механизми
- AI работи в контролиран работен процес.
- Тестове, компилации, сканирания и валидатори ограничават изхода.
- Веригите за обратна връзка насочват следващата корекция.
Задвижван от изкуствен интелект, контролиран с обратна връзка
Изградени от AI детерминистични инструменти
- AI изгражда генератори и валидатори.
- Пач инструменти, трансформатори и снопове се превръщат в активи.
- Многократно използваемият ливъридж надминава еднократния резултат.
Лост за инструменти, според дизайна
Корпоративни онтологии, DSL и компилатори
- Споделените онтологии моделират домейна.
- DSL, компилатори, генератори и механизми за политики структурират производството.
- Софтуерът става по-формален и повтаряем в мащаб.
Официално производство, съобразено с домейна
Генериране на код, по-близък до машината
- Генерирането се доближава до това, което машините действително изпълняват.
- Артефактите по време на изпълнение и проверените планове стават все по-важни.
- Кодът спира да бъде основният артефакт.
Изисква различно поколение AI модели
Само прогноза
Този панел описва какви еуфилни оценки е вероятно да се случат, а не това, което счита за желателно, етично или отговорно по подразбиране.
Какво казва моделът
AI SDLC промени, тъй като и актьорът, създаващ код, и контролната повърхност се променят.
В началото хората пишат софтуера директно. На по-високите нива организациите използват AI, за да помогнат за изграждането на детерминистични системи, валидатори и официални интерфейси на домейни. Между тези точки ключовата променлива е колко надежден контрол съществува около производството на софтуер.
Контролът е променливата
Всяко ниво променя кой произвежда кода, но по-важният въпрос е какво ограничава, валидира и управлява това производство.
Вторият пилот не е ниво 1
Автоматичното довършване и вградените предложения остават локални ускорители, докато разработчикът остава на мястото на водача. Полезно, но все още не водено от AI развитие.
Парапетите правят AI работещ
Тестове, линтъри, проверки на изграждане, сканиране за сигурност, валидатори и регресионни пакети създават детерминистичната верига за обратна връзка, необходима за безопасна корекция.
Формализирането създава траен ливъридж
Споделени онтологии, DSL, компилаторите, генераторите и двигателите на политиката превръщат мълчаливото знание на домейна в системи, които се мащабират по-надеждно от самото неформално тълкуване.
Нива на контрол
Моделът описва прогресия от ръчна пропускателна способност към детерминистично производство на софтуер.
Последователността е по-малко за празнуването на автономията заради самата нея и повече за разбирането къде скоростта става крехка, къде парапетите стават необходими и къде формалните системи започват да превъзхождат неформалните работни процеси за кодиране.
Традиционна разработка на софтуер
Хората остават преките автори на софтуера. Работният процес е до голяма степен детерминистичен, но производителността е ограничена от ръчни усилия.
- Кодът, написан от хора, е по подразбиране.
- Познатият цикъл на проектиране, преглед, тестване, изграждане и внедряване все още се прилага.
- Контролът е висок, но мащабът е ограничен от хората.
Помощ в стил на втори пилот
AI ускорява локални действия като автоматично довършване, вградени предложения и малки рефактори, докато разработчикът остава основният актьор, създаващ код.
- Това е полезно ускорение, не е ново SDLC модел сам по себе си.
- Човекът все още управлява структурата и решенията.
- Производителността се подобрява локално, но жизненият цикъл не се променя фундаментално.
Водено от AI кодиране
Изкуственият интелект се превръща в основния участник в производството на код чрез vibe кодиране, автономни цикли, работни потоци на първо място при планиране или заявки за функции от край до край.
- Скоростта може да бъде изключително висока при ограничени проблеми.
- Големи обеми код могат да се появят бързо.
- Надеждността се влошава с нарастването на сложността, свързването и работния контекст.
Оркестрирано от AI развитие с детерминистични предпазни огради
AI все още пише голяма част от кода, но сега работи в рамките на контролиран работен процес, който проверява неговата работа и насочва следващата корекция.
- Тестове, линтъри, проверки на изграждане, сканиране и валидатори ограничават изхода.
- Автоматизираните фитнес функции и пакетите за регресия откриват счупването рано.
- Веригата за обратна връзка става достатъчно четлива за надеждна итерация.
Детерминистични инструменти, генерирани от AI
Целта се измества от многократно генериране на код към генериране на инструменти, които могат да произвеждат, трансформират, валидират, коригират и тестват код по повтарящи се начини.
- Генераторите, трансформаторите, валидаторите и снопове се превръщат в основни активи.
- AI започва да произвежда механизми за многократна употреба, не само директен изход.
- Резултатът е по-скоро повтарящ се ливъридж, отколкото еднократно ускорение.
Онтология от корпоративно ниво, DSLи компилатори, генерирани с GenAI
Организациите формализират самия домейн и позволяват на GenAI да помогне за проектирането и развитието на инструменталната верига около този формален модел.
- Споделените онтологии определят бизнес домейна.
- DSL, компилатори, генератори, валидатори и механизми за политики структурират производството.
- Софтуерът става по-формален, повтаряем и по-малко зависим от крехка интерпретация.
Генериране на код, по-близък до машината
С времето AI може да генерира артефакти, по-близки до това, което машините изпълняват, отколкото до днешните абстракции, ориентирани към хората, като файлове, хранилища и код, оформен от рамки.
- Изпълнимите представяния и оптимизираните артефакти по време на изпълнение може да доминират.
- Хардуерно ориентираните инструкции и проверените планове стават по-централни.
- Човешкият код се превръща в интерфейс, а не непременно в основния артефакт.
Стратегическо значение
Гледната точка на euphile е, че еволюцията на разработката на AI софтуер все повече се превръща в въпрос на искане AI да помогне за изграждането на детерминистични системи, които произвеждат софтуер надеждно. Директното генериране на код все още има значение, но по-трайното предимство идва от управлявани работни потоци, инструменти за многократна употреба и официални интерфейси на домейни. Тъй като тези детерминистични инструменти стават много по-лесни за създаване, става възможно да се изграждат много по-сложни системи с по-голяма увереност. Това, от своя страна, в крайна сметка може да позволи усилията да се насочат към ново поколение AI модели, които работят много по-ниско в стека, по-близо до представяния на ниво машина, отколкото до днешните ориентирани към човека абстракции на изходния код.