کد LLM رو دستی تایپ کن تا بدهی شناختی نگیری
هوش مصنوعیخلاصهٔ کامل‌تر
نویسنده می‌گه با اینکه قبلاً نسبت به دستیارهای کدنویسی بدبین بوده، هنوز تو پروژه‌های شخصیش ازشون استفاده می‌کنه؛ فقط نه برای ساختن یک‌ضرب کل یه قابلیت. مشکلی که مطرح می‌کنه «بدهی شناختی» ـه: وقتی ایجنت آزادانه تو پروژه کد می‌زنه، آدم دیگه نمی‌فهمه کدش چطور کار می‌کنه. به گفته‌ی خودش ممکنه حوصله‌ی خوندن مستندات Django رو نداشته باشه، ولی بازم می‌خواد بفهمه راه‌حل چطور کار می‌کنه.
راه معمول یعنی ریویو کردن تک‌تک خط‌های تولیدشده رو هم رد می‌کنه. می‌گه خوندن صدها خط کد بیش‌ازحد محافظه‌کار، با کامنت‌های بد و اشتباه‌های ریز، اصلاً لذتی نداره. شاید برای کارفرما مجبور بشه این‌کارو بکنه، ولی تو پروژه‌ی شخصی که قراره قبل از هر چیز سرگرم‌کننده باشه، زیر بارش نمی‌ره.
راه‌حلی که بهش رسیده و خودش هم قبول داره ناکارآمد و کمی خنده‌داره: از دستیار می‌خواد کد رو تو خود چت بنویسه، بعد همه‌ی تغییرها رو دستی خودش تو ادیتور تایپ می‌کنه. این دستور رو تو فایل‌های agents همه‌ی پروژه‌های شخصیش گذاشته. نتیجه‌ش اینه که به‌جای ده برابر، حدود دو برابر سریع‌تر از حالت بدون LLM کار می‌کنه.
چیزی که در عوض به دست میاره: با تایپ کردن هر خط، مدل ذهنی‌ای از نحوه‌ی کار کد و جا افتادنش تو کدبیس می‌سازه؛ اگه یه API یا الگوریتم رو نفهمه همون‌جا وایمیسه و سرچ می‌کنه. کند شدن باعث میشه توهم‌های مدل و تصمیم‌های طراحی بد رو زودتر بگیره و هم‌زمان کد رو مرتب و بازنویسی کنه. مهم‌تر از همه یه نقشه‌ی فضایی از پروژه‌ش داره و می‌دونه هر قابلیتی کجا نشسته، که خود این باعث میشه دفعه‌ی بعد پرامپت بهتری هم به مدل بده.
نویسنده این کار رو با توصیه‌ی قدیمی برنامه‌نویس‌های باتجربه مقایسه می‌کنه: کد رو از کتاب یا وبلاگ کپی‌پیست نکن، تایپش کن تا کامل بفهمیش. نگرانی بزرگ‌ترش اینه که کل صنعت نرم‌افزار داره بدهی شناختی سنگینی بالا میاره و یه روزی دیگه کسی نمی‌دونه بخش‌های بزرگ زیرساخت دیجیتال چطور سرهم شده. می‌گه نمی‌تونه مسیر صنعت رو عوض کنه، ولی می‌تونه مطمئن بشه نرم‌افزاری که خودش منتشر می‌کنه رو کامل می‌فهمه.
نکات کلیدی:
- روش پیشنهادی: گرفتن کد تو چت و تایپ دستی همه‌ی تغییرها به‌جای اعمال مستقیم توسط ایجنت
- نویسنده سرعتش رو با این روش حدود ۲ برابر تخمین می‌زنه، نه ۱۰ برابر
- دستور این کار رو تو فایل‌های agents همه‌ی پروژه‌های شخصیش گذاشته
- فایده‌ی اصلی: نقشه‌ی ذهنی از محل هر قابلیت تو کدبیس و گرفتن زودتر توهم‌های مدل
- ریویو کردن PRهای تولیدشده‌ی AI رو جایگزین قابل‌قبولی نمی‌دونه
