Tradiční vývoj
- Lidé píší kód ručně.
- Deterministická kontrola již existuje.
- Propustnost zůstává omezena lidskou rychlostí.
Lidsky psané, deterministické
Zpět ke strategickým tezím
Strategická teze 01
Model evoluce vývoje softwaru AI
euphile vidí vývoj softwaru AI jako evoluci prostřednictvím úrovní kontroly. Důležitou otázkou není pouze to, kolik kódu dokáže umělá inteligence produkovat, ale také to, jak deterministický, ovladatelný a opakovaně použitelný se okolní systém stává, když AI zabírá více práce.
Vývoj softwaru AI Evoluce Model
Od tradičního programování ke generování kódu blízkého stroji není skutečný pokrok jen otázkou rychlosti. Je to posun k větší kontrole, většímu determinismu a silnější formální páce.
Kódování vedené AI
- AI se stává hlavním aktérem produkujícím kód.
- Vibe kódování a autonomní smyčky urychlují výstup.
- Křehkost roste s tím, jak se systémy stávají složitějšími.
Rychlý, řízený AI, křehčí
AI s kontrolními mechanismy
- AI funguje v rámci řízeného pracovního postupu.
- Testy, sestavení, skenování a validátory omezují výstup.
- Smyčky zpětné vazby vedou k další korekci.
Poháněno umělou inteligencí, řízeno zpětnou vazbou
Deterministické nástroje vytvořené AI
- AI vytváří generátory a validátory.
- Záplatovací nástroje, transformátory a kabelové svazky se stávají aktivy.
- Opakovaně použitelný pákový efekt překonává jednorázový výstup.
Pákový efekt nástrojů, podle návrhu
Enterprise Ontologies, DSL a kompilátory
- Sdílené ontologie modelují doménu.
- DSL, kompilátory, generátory a nástroje politiky strukturují výrobu.
- Software se stává formálnějším a opakovatelným v měřítku.
Formální produkce s ohledem na doménu
Generování kódu blízkého stroji
- Generování se přibližuje tomu, co stroje skutečně vykonávají.
- Význam artefaktů za běhu a ověřených plánů roste.
- Kód přestává být hlavním artefaktem.
Vyžaduje jinou generaci modelů AI
Pouze předpověď
Tento panel popisuje, co euphile odhady pravděpodobně nastanou, ne to, co považuje za žádoucí, etické nebo zodpovědné ve výchozím nastavení.
Co říká modelka
AI SDLC se mění, když se mění jak aktér produkující kód, tak i ovládací plocha.
Na začátku lidé píší software přímo. Na vyšších úrovních organizace používají umělou inteligenci k vytváření deterministických systémů, validátorů a formálních doménových rozhraní. Mezi těmito body je klíčovou proměnnou to, do jaké míry existuje spolehlivá kontrola výroby softwaru.
Kontrola je proměnná
Každá úroveň mění toho, kdo kód vytváří, ale důležitější otázkou je, co tuto produkci omezuje, ověřuje a řídí.
Druhý pilot není úrovně 1
Automatické doplňování a vložené návrhy zůstávají místními akcelerátory, zatímco vývojář zůstává na sedadle řidiče. Užitečný, ale zatím ne AI vývoj.
Zábradlí umožňují provozuschopnost umělé inteligence
Testy, linters, sestavení kontroly, bezpečnostní skenování, validátory a regresní sady vytvářejí deterministickou zpětnou vazbu potřebnou pro bezpečnou opravu.
Formalizace vytváří trvalý pákový efekt
Sdílené ontologie, DSL, kompilátory, generátory a nástroje politik přeměňují znalosti z tiché domény na systémy, které se škálují spolehlivěji než samotná neformální interpretace.
Úrovně kontroly
Model popisuje postup od manuální propustnosti k deterministické produkci softwaru.
Sekvence není ani tak o oslavě autonomie pro její vlastní dobro, ale spíše o pochopení toho, kde se rychlost stává křehkou, kde jsou nezbytné kontrolní mechanismy a kde formální systémy začínají překonávat neformální pracovní postupy kódování.
Tradiční vývoj softwaru
Přímými autory softwaru zůstávají lidé. Pracovní postup je do značné míry deterministický, ale propustnost je omezena ručním úsilím.
- Výchozí je kód psaný člověkem.
- Stále platí známá smyčka návrhu, kontroly, testování, sestavování a nasazení.
- Kontrola je vysoká, ale rozsah je omezen lidmi.
Pomoc ve stylu druhého pilota
Umělá inteligence urychluje místní akce, jako je automatické doplňování, vložené návrhy a malé refaktory, zatímco vývojář zůstává hlavním aktérem produkujícím kód.
- Toto je užitečné zrychlení, nikoli novinka SDLC model sám o sobě.
- Člověk stále řídí strukturu a rozhodnutí.
- Produktivita se lokálně zlepšuje, ale životní cyklus se zásadně nemění.
Kódování vedené AI
Umělá inteligence se stává hlavním aktérem produkujícím kód prostřednictvím vibračního kódování, autonomních smyček, pracovních postupů na prvním místě plánování nebo požadavků na funkce typu end-to-end.
- Rychlost může být při omezených problémech extrémně vysoká.
- Velké objemy kódu se mohou objevit rychle.
- Spolehlivost klesá s rostoucí složitostí, propojením a provozním kontextem.
Vývoj řízený umělou inteligencí s deterministickými kontrolními mechanismy
Umělá inteligence stále píše velkou část kódu, ale nyní funguje v rámci řízeného pracovního postupu, který kontroluje jeho práci a vede další opravu.
- Testy, linters, kontroly sestavení, skenování a validátory omezují výstup.
- Automatizované fitness funkce a regresní sady detekují poškození brzy.
- Smyčka zpětné vazby se stává dostatečně čitelnou pro spolehlivou iteraci.
Deterministické nástroje generované AI
Cíl se posouvá od opakovaného generování kódu ke generování nástrojů, které mohou vytvářet, transformovat, ověřovat, opravovat a testovat kód opakovatelnými způsoby.
- Základními aktivy se stávají generátory, transformátory, validátory a kabelové svazky.
- Umělá inteligence začíná vyrábět znovu použitelné mechanismy, nejen přímý výstup.
- Výsledkem je opakovatelná páka spíše než jednorázové zrychlení.
Ontologie na podnikové úrovni, DSLa kompilátory generované pomocí GenAI
Organizace formalizují samotnou doménu a nechají GenAI pomoci navrhnout a vyvinout řetězec nástrojů kolem tohoto formálního modelu.
- Sdílené ontologie definují obchodní doménu.
- DSL, kompilátory, generátory, validátory a nástroje pro vytváření struktury struktury.
- Software se stává formálnějším, opakovatelným a méně závislým na křehké interpretaci.
Generování kódu blízkého stroji
AI může časem generovat artefakty bližší tomu, co stroje skutečně vykonávají, než dnešním abstrakcím zaměřeným na člověka, jako jsou soubory, repozitáře a zdrojový kód tvarovaný frameworky.
- Převládat mohou spustitelné reprezentace a optimalizované runtime artefakty.
- Hardwarové pokyny a ověřené plány se stávají důležitějšími.
- Lidsky čitelný kód se stává rozhraním, ne nutně primárním artefaktem.
Strategická implikace
Společnost euphile zastává názor, že vývoj vývoje softwaru AI se stále více stává záležitostí požadavku AI, aby pomohla vybudovat deterministické systémy, které spolehlivě produkují software. Přímé generování kódu je stále důležité, ale trvalejší výhoda pochází z řízených pracovních postupů, opakovaně použitelných nástrojů a formálních doménových rozhraní. Jak se tyto deterministické nástroje stávají mnohem snazšími vytvářet, je možné budovat mnohem složitější systémy s větší jistotou. To na oplátku může nakonec umožnit úsilí soustředit se na novou generaci modelů umělé inteligence, které fungují mnohem níže v zásobníku, blíže k reprezentacím na úrovni strojů než k dnešním abstrakcím zdrojových kódů orientovaných na člověka.