Czy edytujecie kod ręcznie?

W mojej obecnej pracy cały zespół używa Codexa. Ja używam modelu Sol Extra High do typowych zadań. Od prawie 3 miesięcy nie otworzyłem IDE, żeby coś zmienić w kodzie. Jeżeli coś mi się nie podoba to piszę o tym w chacie i codex edytuje kod. Stack w projekcie: C#, MassTransit, React. Czy w pracy edytujecie jeszcze kod ręcznie?

Czytam by zrozumieć i poprawiam, bo czasami pisze głupoty i przekombinowuje.

Tak, ale od czasu do czasu piszę ręcznie ale to bardziej jakieś małe drobne rzeczy, w zależności od sprawy. Głównie stawiam na Codex Sol w różnych ustawieniach albo przeplatam go z Claude Code Fable 5.

Nie, używam Claude Code, Opus 5 z ustawieniem Ultracode. Nie ma potrzeby tak naprawdę poprawiać ręcznie prawie nigdy.

To pytanie nie ma sensu, bo zwykle to jest całe spectrum, gdzie na jednym końcu masz amatorów, którzy tylko wydają polecenia LLM-owi, a na drugim końcu masz konserwatystów, którzy nawet nie tykają LLM-ów i piszą wszystko ręcznie. Ja jestem bliżej tej drugiej grupy, bo jak zacząłem robić jak pierwsza grupa + weryfikować output, to okazało się, że bardziej optymalne i szybsze jest:

• Przegadanie koncepcji i sprawdzenie, co jest na czasie w danym zagadnieniu,
• Dostosowanie rozwiązania do problemu, nie bazowanie na generalizacji, czyli tym do czego stworzono LLM-y,
• Używanie LLM-a jako tab completions w momencie, gdy dokładnie wiesz, co chcesz napisać.

Głównie kod generuję, potem sprawdzam i poprawiam ręcznie lub jak widzę że jest więcej zmian i mi się nie chcę robić typowego kopiuj wklej pozamieniane, to biorę szybszy model i mówię, o co mi chodzi

Już nie pamiętam kiedy napisałem kompletną metodę.
Projektowanie i kierowanie moim małym zespołem bez pisania kodu nadal sprawia frajdę.
Poruszam się z AI małymi krokami, dość dokładnie analizuje czy się zrozumieliśmy i muszę korygować kierunek.
Zacząłem pisać masę testów choć w życiu nigdy tego nie robiłem (to znaczy zaczęliśmy :D )
Trochę też zacząłem inaczej projektować aby wygodniej testowało się AI i mi wygodniej analizował się wyniki
Używam tylko codex + vscode

Zauważyłem, że ludzie z branży podzielili sie na kilka wyraźnych grup:

• grupa 1: Od tego AI to z daleka, ja tam piszę wszystko dalej z palca, AI - a komu to potrzebne? A na co? Ja tam swoje zrobię sam. Raz odpalił kiedyś jakiegoś ChatGPT, zobaczył że halucynuje albo nawet nie odpałał niczego - wsłuchuje sie w narzekania influencerów IT - oni potwierdzają że ma rację.
• grupa 2: podstawowa świadomość, że istnieją różne modele, różne ustawienia, czasem używają podstawowych modeli do refactoringu albo wygenerowania jakiejś klasy. Nigdy nie zlecają agentowi nawet projektu architektury, choć mają świadomość że istnieje coś takiego jak planowanie bez implementacji, gdzie ma się wpływ na każdy etap to uważają że lepiej jak architekturę zaprojektują sami. Nie mają świadomośći, jak skonfigurować agenta - guidelines, skills aby działał zgodnie z wytycznymi. AI to taki lepszy refactor tylko i wyłącznie.
• grupa 3: zgłębia temat. Wie jakie modele są najlepsze do jakiego zadania, potrafi konfigurować subagentów, potrafi ustawiać ograniczenia i narzucać konwencję agentom, aby generowany był jak najlepszy kod, wie jakie prompty pisać aby osiągnąć efekt.

Moim zdaniem ludzie z grupy 1 popracują w branży jeszcze kilka lat, a potem na bruk, bo przyjdzie ktoś młodszy, kto zrobi to samo co oni, tak samo dobrze ale 10 razy szybciej. Moim zdaniem można sobie zamykać oczy na rzeczywistość, ale ucieczki od AI już nie ma. Modele są coraz lepsze - to co było jeszcze 2 lata temu a co jest teraz to przepaść. Co będzie za 5 lat? Zobaczymy. Moim zdaniem, 90% to będzie vibe coding, a generowany kod juz mało kto będzie czytał - wystarczą metryki testy automatyczne. Tak samo jak dziś nikt nie czyta kodu assmeblera, który jest generowany przez kompilator C++ ani nikt nie czyta kodu autogenerated generowanego przez różne biblkioteki i toole. Jeśli agent zaprojektuje architekturę, a potem wypluje imeplemntację na 20 klas i tysiące linii kodu, to czytanie tego linia po linii stanie się zbędne - wystarczy odpalenie metryk, które sprawdzą czy naprawdę kod trzyma się projektu architektury i testy aby sprawdzić czy działa tak jak powinien.

Ciągnąc dyskusję z komentarzy, gdy mam np test taki jak ten:

blocTest<UserManagementBloc, UserManagementState>(
        'emituje [loading, unauthenticated] przy bledzie API',
        setUp: () {
          stubAuthLoginThrows();
          stubGetUserInfoNotNeeded();
        },
        build: () => userManagementBloc,
        seed: () => const UserManagementState.unauthenticated(),
        act: (bloc) =>
            bloc.add(const UserManagementEvent.loginRequested(
              cityId: '1',
              method: LoginMethod.credentials(),
              username: 'admin@test.com',
              password: 'admin',
            )),
        expect: () => [
          const UserManagementState.loading(),
          const UserManagementState.unauthenticated(
            error: strings.loginErrorInvalidCredentials,
          ),
        ],
      );

To wiem, że logika jest prawidłowa: gdyby api rzuciło wyjątkiem, dzieje sie to co ma się dziać, czyli ustawiany jest odpowiedni stan. Jeśli nasłuchuje jakieś gui, to wyświetli co trzeba, jeśli nie to nie ważne że test sprawdza logikę i w sumie wszystko co sie dzieje w aplikacji można pokryć takimi testami jak ten. I AI bardzo dobrze sobie radzi z generowaniem takich testów - potem wiadomo czy nie ma gdzieś regresji, a prawie wszystkie te testy można puścić równolegle i wykonują się błyskawicznie.

Testy gui też są szybkie - bo wystarczy podstawić wszystkie możliwe stany i sprawdzić czy wyświetlane jest to co trzeba i to może być też być uruchamiane niezależnie.

Ostatnio dostałem zadanie przepisać starą appkę w javie 4 czy tam javie 5 na javę 21. Stary kod to od groma klas, jakiś plików .jsp, różnych dziwnych configów.
Gdybym miał to analizować ręcznie i wszystko czytać i przeklikiwać wywołania metod sam to bym po miesiącu nie ruszył z miejsca.
Wrzucałem co wlezie w copilota wraz z dokmentacją wymagań w wordzie. Potem napisałem prompt co potrzebuję. Wygenerowało mi klasy w Javie i od razu testy i front. Odpalam i działa. Byłem zaskoczony tym jak mało musiałem poprawiać ręcznie. Przy takim flow, gdzie prawie wszystko działa od razu to faktycznie można pisać szybciej.

Jestem sobie w stanie wyobrazić jak ktoś uzbrojony w armię agnetów będzie napie*dalać aplikacje jak szalony. Zapewne w niektórych instytucjach będzie się to wdrażać wolniej. Zapewne będą jakieś modele korzystające tylko z jakiś lokalnych, zaufanych centrów danych, może powstaną jakieś mniejsze, mniej zasobożerne narzędzia, które będzie się uruchamiać na własnym sprzęcie.

Dalej podtrzymuję moją analogię do TIRowców i naczep mega. Miało zabraknąć pracy dla kierowców a po prostu wozi się 5x więcej towarów.
Tak samo będzie z kodem. Ale to nie wydarzy się z dnia na dzień. Stopniowo co raz więcej firm będzie przechodzić z ręcznego pisania na generowanie przynajmniej tak długo jak tokeny są tanie.

Gdy stakeholderzy się upomną o dywidendę to zobaczmy czy wtedy bańka nie pęknie. Podejrzewam, że jeszcze wejdą ulepszenia wydajnościowe by generowanie kodu zżerało mniej energii.

No tak, tylko jeśli chodzi o transport - to jest co wozić. Pytanie czy będzie aż tyle aplikacji do stworzenia i aż tyle kodu do napisania. Tak btw - podałeś fajny case, faktycznie - przepisywanie legacy to jest coś, do czego AI wybitnie się nadaje, bo potrafi ogarnąć całą logikę, która była przedtem i z tego zrobić plan imeplementacji - a tak, musiałbyś sam podawać mu specyfikację, co bywa uciążliwe. Analogicznie: przepisywanie na inną technologię.

Ja jestem grupa 4. Wiem, że istnieją różne modele, że można się bawić w odgrywanie ról z agentami, ale mam to gdzieś. Jeśli to ma być inteligencja, więc sama ma wiedzieć, co jej wolno, a co nie, kiedy może zdecydować sama, a kiedy mnie dopytać.