Традиционное развитие
- Люди пишут код вручную.
- Детерминистский контроль уже существует.
- Пропускная способность остается ограниченной скоростью человека.
Человеческий, детерминированный
Назад к стратегическим тезисам
Стратегический тезис 01
Эволюционная модель разработки программного обеспечения
Эуфил рассматривает разработку программного обеспечения ИИ как эволюцию через уровни контроля. Важный вопрос заключается не только в том, сколько кода может произвести ИИ, но и в том, насколько детерминированной, управляемой и многоразовой становится окружающая система, когда ИИ берет на себя больше работы.
Разработка программного обеспечения Эволюция Модель
От традиционного программирования к машинно-ориентированной генерации кода реальный прогресс заключается не только в скорости. Это сдвиг к большему контролю, большему детерминизму и более сильному формальному рычагу.
Кодирование под руководством ИИ
- ИИ становится главным создателем кода.
- Кодирование Vibe и автономные петли ускоряют выход.
- Хрупкость возрастает по мере усложнения систем.
Быстрый, управляемый ИИ, более хрупкий
ИИ с механизмами контроля
- ИИ работает внутри контролируемого рабочего процесса.
- Тесты, сборки, сканирование и валидаторы ограничивают выход.
- Циклы обратной связи направляют следующую коррекцию.
ИИ, управляемый обратной связью
Разработанные ИИ детерминистические инструменты
- ИИ строит генераторы и валидаторы.
- Патч-инструменты, трансформаторы и упряжки становятся активами.
- Многоразовое кредитное плечо превосходит одноразовый выход.
Тоулинг рычаг, по дизайну
Энтерпрайз Онтологии, ДСЛ Компиляторы
- Общие онтологии моделируют домен.
- ДСЛ, компиляторы, генераторы и политические двигатели структурного производства.
- Программное обеспечение становится более формальным и повторяемым в масштабе.
Формальное, доменное производство
Машинно-ориентированная генерация кода
- Генерация приближается к тому, что машины действительно исполняют.
- Артефакты времени выполнения и проверенные планы приобретают все большее значение.
- Код перестает быть главным артефактом.
Требует другого поколения моделей ИИ
Только прогноз
Эта группа описывает, какие оценки эвфилов могут произойти, а не то, что она считает желательным, этическим или ответственным по умолчанию.
Что говорит модель
AI SDLC изменяется как кодообразующий акт, так и управляющая поверхность.
В начале люди пишут программное обеспечение напрямую. На более высоких уровнях организации используют ИИ для создания детерминированных систем, валидаторов и формальных интерфейсов доменов. Ключевой переменной между этими точками является то, насколько надежен контроль над производством программного обеспечения.
Ключевая переменная: контроль
С каждым уровнем меняется то, кто пишет код, но важнее другой вопрос: что ограничивает, проверяет и направляет эту работу.
Copilot не является уровнем 1
Автодополнение и встроенные подсказки остаются локальными ускорителями, а разработчик по-прежнему за рулём. Полезно, но это ещё не разработка под управлением AI.
Охранные рельсы заставляют ИИ работать
Тесты, фильтры, проверки сборки, сканирование безопасности, валидаторы и наборы регрессии создают детерминированную петлю обратной связи, необходимую для безопасной коррекции.
Формализация создает прочный рычаг
Общие онтологии, ДСЛКомпиляторы, генераторы и политические движки превращают негласные знания в системы, которые масштабируются более надежно, чем только неформальная интерпретация.
Уровни контроля
Модель описывает переход от ручной пропускной способности к детерминированной разработке программного обеспечения.
Последовательность заключается не столько в том, чтобы праздновать автономию ради нее самой, сколько в том, чтобы понять, где скорость становится хрупкой, где ограждения становятся необходимыми и где формальные системы начинают превосходить неформальные рабочие процессы кодирования.
Традиционная разработка программного обеспечения
Люди остаются непосредственными авторами программного обеспечения. Рабочий процесс в значительной степени детерминированный, но пропускная способность ограничена ручным усилием.
- Человеческий код по умолчанию.
- Знакомый дизайн, обзор, тестирование, сборка и развертывание цикла все еще применяется.
- Контроль высок, но масштаб ограничен людьми.
Копилотная помощь
ИИ ускоряет локальные действия, такие как автозаполнение, встроенные предложения и небольшие рефакторы, в то время как разработчик остается основным создателем кода.
- Это полезное ускорение, а не новое. SDLC Модель сама по себе.
- Человек по-прежнему управляет структурой и решениями.
- Производительность улучшается локально, но жизненный цикл принципиально не меняется.
Кодирование под руководством ИИ
ИИ становится основным создателем кода посредством кодирования вибрации, автономных циклов, рабочих процессов планирования или сквозных запросов функций.
- Скорость может быть чрезвычайно высокой в ограниченных задачах.
- Большие объемы кода могут появиться быстро.
- Надежность ухудшается по мере роста сложности, связи и операционного контекста.
ИИ-оркестровая разработка с детерминированными ограждениями
ИИ по-прежнему пишет большую часть кода, но теперь он работает внутри контролируемого рабочего процесса, который проверяет его работу и направляет следующую коррекцию.
- Тесты, фильтры, проверки сборки, сканирование и валидаторы ограничивают выход.
- Автоматизированные фитнес-функции и наборы регрессии обнаруживают поломку на ранней стадии.
- Контур обратной связи становится достаточно разборчивым для надежной итерации.
Сгенерированные ИИ детерминированные инструменты
Цель переходит от многократного создания кода к созданию инструментов, которые могут воспроизводить, трансформировать, проверять, исправлять и тестировать код повторяемыми способами.
- Генераторы, трансформаторы, валидаторы и упряжки становятся основными активами.
- ИИ начинает производить многоразовые механизмы, а не только прямой выход.
- Результатом является повторяемое леверидж, а не разовое ускорение.
Онтология корпоративного класса, ДСЛи компиляторы, созданные с помощью GenAI
Организации формализуют сам домен и позволяют GenAI разрабатывать и развивать инструментальную цепочку вокруг этой формальной модели.
- Общие онтологии определяют область бизнеса.
- ДСЛ, компиляторы, генераторы, валидаторы и политические двигатели структурного производства.
- Программное обеспечение становится более формальным, повторяемым и менее зависимым от хрупкой интерпретации.
Машинно-ориентированная генерация кода
Со временем ИИ может генерировать артефакты, более близкие к тому, что машины действительно исполняют, чем к сегодняшним человеко-ориентированным абстракциям, таким как файлы, репозитории и исходный код, сформированный фреймворками.
- Исполняемые представления и оптимизированные артефакты времени выполнения могут доминировать.
- Инструкции и проверенные планы становятся более важными.
- Человеческий код становится интерфейсом, не обязательно основным артефактом.
Стратегическое значение
Эуфил считает, что эволюция разработки программного обеспечения ИИ все чаще становится вопросом обращения к ИИ с просьбой помочь построить детерминированные системы, которые надежно производят программное обеспечение. Прямое генерирование кода по-прежнему имеет значение, но более прочное преимущество исходит от управляемых рабочих процессов, многоразовых инструментов и формальных интерфейсов доменов. По мере того, как эти детерминированные инструменты становятся намного легче создавать, становится возможным строить гораздо более сложные системы с большей уверенностью. Это, в свою очередь, может в конечном итоге позволить усилиям по обновлению нового поколения моделей ИИ, которые работают намного ниже в стеке, ближе к представлениям на машинном уровне, чем к сегодняшним абстракциям исходного кода, ориентированным на человека.