‏هوش مصنوعی برای کد بهتر، نه کد سریع‌تر

اکثر مردم وقتی به «وایب کدینگ» (vibe coding — سبکی که در اون با کمک هوش مصنوعی بدون درک عمیق کد پیش می‌ری) فکر می‌کنن، تصویری در ذهنشون هست از PR‌های چندصد خطی که سریع merge می‌شن. نولان لاوسون می‌گه این تنها راه استفاده از LLMها نیست. مدل‌های زبانی بزرگ ذاتاً انعطاف‌پذیرن و می‌شه ازشون برای نوشتن کد با کیفیت بالا هم استفاده کرد، حتی اگر این کار کندتر باشه.

نقطه شروع این رویکرد، توانایی LLMها در پیدا کردن باگ‌هاست. تحقیقات نشون داده که اگه مدل‌های مختلف رو به اندازه کافی روی یه کدبیس اجرا کنی، باگ‌های زیادی پیدا می‌کنن. چالش اصلی اما پیدا کردن باگ‌ها نیست؛ اولویت‌بندی و اعتبارسنجی اون‌هاست. راه‌حل پیشنهادی: به جای اعتماد به یه مدل واحد، چند مدل مختلف رو به صورت موازی روی یه PR اجرا کن.

روش کار اینه که یه «skill» (دستورالعمل سفارشی برای ایجنت) تعریف می‌کنی که سه ابزار مختلف — مثلاً Claude sub-agent، Codex و Cursor Bugbot — رو هم‌زمان روی PR اجرا می‌کنه. بعد از اینکه همه نتایج آماده شدن، ایجنت اصلی نتایج رو با هم مقایسه می‌کنه، false positiveها رو حذف می‌کنه و یه گزارش نهایی با اولویت‌بندی critical/high/medium/low تحویل می‌ده. نکته مهم اینه که ایجنت اصلی قبل از دریافت همه نتایج نباید تحقیق مستقل انجام بده، چون وگرنه تحت تأثیر اولین نتیجه قرار می‌گیره.

این روش معمولاً باگ‌های زیادی پیدا می‌کنه و نرخ false positive نزدیک به صفره. باگ‌ها از حیاتی‌ترین مشکلات امنیتی تا موارد سطح پایین مثل «این کامنت گمراه‌کننده‌ست» رو در بر می‌گیرن. یه گردش‌کار عملی اینه: ایجنت همه موارد critical و high رو برطرف کنه، موارد medium رو بر اساس ارزش/هزینه فیلتر کنی، و اگه تعداد مشکلات حیاتی خیلی زیاد بود، کل رویکرد PR رو زیر سوال ببری.

جالب اینجاست که این تکنیک لزوماً سرعت رو بالا نمی‌بره؛ اغلب باگ‌های از پیش موجود رو هم کشف می‌کنه و شما رو وارد یه «ماموریت فرعی» می‌کنه که شامل نوشتن unit test و رفع مشکلات قدیمی می‌شه. این دقیقاً نقطه مقابل رویکرد «۱۰ برابر بهره‌وری» هست، اما نتیجه‌اش کدبیس سالم‌تر و درک عمیق‌تر از اون چیزیه که می‌سازی.

نکات کلیدی:

• LLMها رو می‌شه به جای تولید سریع کد، برای بهبود کیفیت هم به کار برد
• اجرای موازی چند مدل روی یه PR، نرخ false positive رو به شدت کاهش می‌ده
• ایجنت اصلی باید بعد از دریافت همه نتایج sub-agentها، تحقیق مستقل انجام بده
• این روش اغلب باگ‌های قدیمی رو هم کشف می‌کنه و سلامت کلی کدبیس رو بهتر می‌کنه
• هدف نه افزایش سرعت، بلکه تبدیل شدن به برنامه‌نویس دقیق‌تر و آگاه‌تره