Tradicionālā attīstība
- Cilvēki rakstīt kodu manuāli.
- Deterministiskā kontrole jau pastāv.
- Caurlaides spēju joprojām ierobežo cilvēka ātrums.
Cilvēku rakstīts, deterministisks
Atpakaļ uz stratēģisko tēzes
Stratēģiskās tēmas 01
AI programmatūras attīstības attīstības modelis
eifils uzskata AI programmatūras izstrādi par attīstību caur kontroles līmeņiem. Svarīgs jautājums ir ne tikai par to, cik daudz koda MI var ražot, bet arī par to, cik deterministiska, regulējama un atkārtoti izmantojama apkārtējā sistēma kļūst, jo MI pārņem vairāk darba.
AI programmatūras izstrāde Evolūcija Paraugs
No tradicionālās programmēšanas līdz mašīnai tuvākai koda ģenerēšanai īstais progress nav tikai ātrums. Tā ir pāreja uz lielāku kontroli, lielāku determinismu un spēcīgāku formālo sviru.
AI vadīta kodēšana
- MI kļūst par galveno kodu veidojošo dalībnieku.
- Vibe kodēšana un autonomās cilpas paātrina izvadi.
- Fragilitāte aug, kad sistēmas kļūst sarežģītākas.
Ātrs, AI vadīts, trauslāks
AI ar kontroles mehānismiem
- MI darbojas kontrolētā darbplūsmā.
- Testi, būvē, skenē, un vērtētāji ierobežo produkciju.
- Atsauksmes cilpas vada nākamo korekciju.
Ar AI darbināma, atgriezeniskā saite kontrolēta
AI būvēti deterministiskie rīki
- MI būvē ģeneratorus un vērtētājus.
- Patch instrumenti, transformatori, un izmanto kļūst par aktīviem.
- Atkārtoti izmantojams sviras efekts sasniedz vienreizēju rezultātu.
Darbarīku svira pēc konstrukcijas
Uzņēmumu ontoloģijas, DSL un kompilatori
- Dalītās ontoloģijas modelē domēnu.
- DSL, kompilatori, ģeneratori, un politikas dzinēju struktūru ražošana.
- Programmatūra kļūst formālāka un atkārtojama mērogā.
Formāla, ar domēnu apstrādāta ražošana
Mašīnai tuvāka koda ģenerēšana
- Ģenerēšana tuvojas tam, ko mašīnas faktiski izpilda.
- Runtime artefakti un pārbaudīti plāni kļūst arvien nozīmīgāki.
- Code pārstāj būt galvenais artefakts.
Nepieciešama cita AI modeļu paaudze
Tikai prognoze
Šī komisija apraksta, kādi eifilu aprēķini varētu notikt, nevis to, ko tā uzskata par vēlamu, ētisku vai atbildīgu pēc noklusējuma.
Ko saka modelis
AI SDLC mainās gan kā kodu veidojošais dalībnieks, gan kā kontroles virsmas maiņa.
Sākumā cilvēki raksta programmatūru tieši. Augstākos līmeņos organizācijas izmanto MI, lai palīdzētu veidot deterministiskas sistēmas, validatorus un formālos domēnu saskarnes. Starp šiem punktiem galvenais mainīgais ir cik daudz uzticama kontrole pastāv ap programmatūras ražošanu.
Control ir mainīgais
Katrs līmenis mainās, kas ražo kodu, bet svarīgāks jautājums ir tas, kas ierobežo, apstiprina, un regulē šo ražošanu.
Opilots nav 1. līmenis
Auto complete un inline ieteikumi paliek vietējie paātrinātāji, kamēr attīstītājs paliek vadītāja vietā. Noderīga, bet vēl nav AI vadīta attīstība.
Aizsargsliedes padara AI darboties
Testi, linteri, celtniecības pārbaudes, drošības skenēšanas, vērtētāji, un regresijas svītas rada deterministisko atgriezeniskās saites cilpu, kas nepieciešama drošai korekcijai.
Formalizācija rada ilgstošu sviru
Kopīgas ontoloģijas, DSL, kompilatori, ģeneratori, un politikas dzinēji pārvērst klusējot domēna zināšanas par sistēmām, kas mērogā ticamāk nekā neoficiāls interpretācija vien.
Kontrollīmeņi
Modelis apraksta pāreju no manuālas caurlaides uz deterministisku programmatūras ražošanu.
Kārtība ir mazāk par autonomijas svinēšanu savā labā un vairāk par izpratni, kur ātrums kļūst trausls, kur kļūst nepieciešami kontroles mehānismi, un kur formālas sistēmas sāk pārsniegt neformālās kodēšanas darbplūsmas.
Tradicionālā programmatūras izstrāde
Cilvēki joprojām ir programmatūras tiešie autori. Darba plūsma ir lielā mērā deterministiska, bet caurlaidspēju ierobežo roku darbs.
- Cilvēka rakstītais kods ir noklusētais.
- Pazīstamais dizains, pārskatīšana, pārbaude, būvēt, un izvietot cilpa joprojām attiecas.
- Kontrole ir augsta, bet mērogu ierobežo cilvēki.
Vienpilota tipa palīdzība
AI paātrina vietējās darbības, piemēram, auto complete, inline ieteikumi, un mazie refaktori, bet attīstītājs joprojām ir galvenais kodu ražo dalībnieks.
- Šis ir noderīgs paātrinājums, nevis jauns SDLC modelis pats par sevi.
- Cilvēks joprojām vada struktūru un lēmumus.
- Produktivitāte uzlabojas vietējā līmenī, bet dzīves cikls būtiski nemainās.
AI vadīts kodējums
AI kļūst par galveno kodu veidojošo dalībnieku, izmantojot vibe kodēšanu, autonomās cilpas, plānošanas pirmās darbplūsmas, vai gala-to-end funkciju pieprasījumus.
- Ātrums var būt ļoti augsts ierobežotu problēmu.
- Lieli koda apjomi var parādīties ātri.
- Uzticamība samazinās kā sarežģītība, savienošana, un ekspluatācijas konteksts pieaug.
AI orķestrēta izstrāde ar deterministiskiem kontroles mehānismiem
AI joprojām raksta lielu daļu koda, bet tagad tas darbojas kontrolētā darbplūsmā, kas pārbauda tā darbu un vada nākamo korekciju.
- Testi, siksnas, veidot pārbaudes, skenē, un vērtētāji ierobežo izvadi.
- Automatizētās fitnesa funkcijas un regresijas svītas agri konstatē bojājumu.
- Atgriezeniskās saites cilpa kļūst pietiekami salasāma, lai varētu veikt uzticamu atkārtojumu.
AI ģenerēti deterministikas rīki
Objektīva pāreja no atkārtoti ģenerējot kodu uz radot instrumentus, kas var ražot, pārveidot, apstiprināt, ielāps, un testa kodu atkārtojamos veidos.
- Ģeneratori, transformatori, vērtētāji un izmantotāji kļūst par galvenajiem aktīviem.
- AI sāk ražot atkārtoti lietojamus mehānismus, ne tikai tiešu izvadi.
- Rezultāts ir atkārtojams sviras efekts, nevis vienreizējs paātrinājums.
Uzņēmumu pakāpes ontoloģija, DSL, un kompilatori, kas izveidoti ar GenAI
Organizācijas formalizē pašu domēnu un ļauj GenAI palīdzēt izstrādāt un attīstīt instrumentu ķēdi ap šo oficiālo modeli.
- Dalītās ontoloģijas definē uzņēmējdarbības jomu.
- DSL, kompilatori, ģeneratori, vērtētāji, un politikas dzinēju struktūras ražošana.
- Programmatūra kļūst formālāka, atkārtojama un mazāk atkarīga no trauslas interpretācijas.
Mašīnai tuvāka koda ģenerēšana
Laika gaitā AI varētu ģenerēt artefaktus, kas ir tuvāki tam, ko mašīnas faktiski izpilda, nekā mūsdienu cilvēkcentriskajām abstrakcijām, piemēram, failiem, repozitorijiem un frameworku veidotam pirmkodam.
- Var dominēt izpildāmi atveidojumi un optimizēti runtime artefakti.
- Hardware-aware instrukcijas un pārbaudīti plāni kļūst vairāk centrā.
- Cilvēku salasāms kods kļūst par saskarni, nevis par primāro artefaktu.
Stratēģiskā ietekme
eifila viedoklis ir tāds, ka AI programmatūras izstrādes attīstība arvien vairāk kļūst par jautājumu, lūdzot AI palīdzēt veidot deterministiskas sistēmas, kas ražo programmatūru ticami. Tiešā kodu ģenerēšana joprojām ir svarīga, bet noturīgāka priekšrocība nāk no regulētām darbplūsmām, atkārtoti lietojamiem rīkiem un formālām domēnu saskarnēm. Tā kā šos deterministiskos instrumentus ir daudz vieglāk izveidot, kļūst iespējams izveidot daudz sarežģītākas sistēmas ar lielāku pārliecību. Tas, savukārt, var galu galā ļaut pūles, lai nesenu ap jaunās paaudzes AI modeļiem, kas darbojas daudz zemāk stekā, tuvāk mašīnlīmeņa pārstāvniecībām nekā mūsdienu cilvēka orientēta avota kodu abstrakcijas.