Ile procent kodu piszecie jeszcze ręcznie?

U mnie to wygląda tak, że jakieś 90% kodu, który wypuszczam jest generowany przez AI. Ostatnio mi się nawet nie chce na serwery logować i AI wie gdzie leżą klucze ssh i ogarnia. Jak u was? Jedziecie już na maxie Claude Codem czy jeszcze ręcznie robicie?

Kiedyś pisałem wszystko sam. Ostatnio co się da to generuje w koropracyjnym Copilocie. Potem sprawdzam co wygenerował i jak się nadaje to wklejam, jak są poprawki to każę mu poprawić. Jeśli Copilot nie daje rady to piszę sam. Ale zawsze sprawdzam co czat z siebie wypluł, nie wklejam na ślepo.

Często też nie chce mi się czytać długich fragmentów kodu gdy czegoś szukam więc piszę mu prompt czego szukam i jaki jest problem, a potem wklejam mu kod. A on ma mi znaleźć fragment kodu, który jest dla mnie istotny. Gdy mam taki punkt zaczepienia dopiero od niego zaczynam analizować sam.

Dalej 90% bo nie ogarnia tryliona biznesowych(i c++) niuansów, tego ze nie mozna refaktorować i dlaczego dany kod jest tak źle napisany, ale musi zostać.

Serio próbowałem i miałem pozytywne zaskoczenie, ale potem okazało się, że i tak szybciej wyjdzie jak ręcznie poprawie niż będę mu mówił co ma robić i czekał.

Trudno powiedzieć. Często granica miedzy kodem "moim" a "AI" jest bardzo rozmyta.

W kodzie produkcyjnym AI się nie sprawdza i pisze koślawce takie, że głowa boli.
W tym miejscu użwam AI bardziej jako szybszą metodę przeszukiwania dokumentacji a kod zawsze poprawiam.
Więc mojego kodu będzie ~90%.

W testach za to AI wymiata. Wystarczy, że napiszę parę pieszych testów i AI już potrafi dość trafnie uzupełnić sporą część kodu. Nadal jednak dużo poprawiam.
Najlepiej się sprawdza jak piszę Data Driven Test, wtedy idealnie uzupełnia brakujące test case-y.
W tej sytuacji "mojego kodu" będize z 30-50% - ale mam wrażenie, że AI robi wtórną robotę.

Myślę, że to bardziej wynika z tego, że AI nie ma dostatecznie dużo kontekstu przy pisaniu kodu produkcyjnego, a przy testach kod powtarza się z niewielkimi zmianami i jest więcej kontekstu.
Staram się pisać przez Test Driven Development (najpierw testy p otem kod produkcyjny), ale i tak z testami idzie mu lepiej.

Obecnie siedzie w fin-legacy. Copilot pomaga pisac mi testy i boiler code, drobny refactor, ale do powazniejszych rzeczy srednio sie nadaje. Latwiej w greenfieldzie jak czasaem musze napisac jakis orbirtujacy mikroserwis wokol legacy-monolitu, to wtedy faktycznie 90% kodu bywa AI.

Tak jak @MarekR22 ciężko postawić granicę, bo jeśli dyskutujemy o jakimś problemi z chatem gpt, (używam prawie 100% gpt premium, reszta tych claude code i innych ssa) to ciężko stwierdzić jednoznacznie czyj to kod. A za to testy ładnie sie piszą, z DI fake klasami.

W maintenance, poważnych tematach (np. security) prawie w ogóle - ale używam jako wsparcie wiedzy.

Kod funkcjonalny w mikroserwisach - 30-50%, fajnie bo w językach których nie znam dobrze pomaga ze składnią.

Pierdoły startupowe - dużo, z 60-90%.

100%

ok 10-20% recznie ale nie robie jakiejs bardzo skomplikowanej aplikacji

MarekR22 napisał(a):

W testach za to AI wymiata.

Wymiata, owszem - głównie debilizmem.

Dzisiaj poprosiłem o dodanie asercji na error message - dodając je Claude postanowił usunąć () z wywołań wielu metod nieprzyjmujących parametrów, skutkiem czego kod się przestał kompilować. Gdy kazałem mu to naprawić, trochę pomielił dodając losowe niekompilujące się zmiany, a na koniec stwierdził, że tak już było i to nie jego sprawa.

Ja nie wątpię, że kogoś AI może zastąpić w pracy, domu, zagrodzie, a nawet łóżku, ale tak ogólnie, to to jest kał obsrany gównem. Nie wiem, czy 5% kodu jestem w stanie tym wygenerować.

Jak wyżej, muszę trochę odszczekać, próbowałem wczoraj zbudować z chatem managera sekretów z hashicorp vaulta, średnio skomplikowany: osobny serwis do "renew", cache client tokena, base tokena, jakieś fabryki, DI; no i lipa, co iteracja to większy syf, te same błędy niepoprawione, chociaż "poprawiał", ogólnie z tego codu została dataclass configów i parę metod wołających bibliotekę (ale nie wiem czy dobre, bo sprzątam ten syf i będę dopiero testował :-D).

Problem tych czatbotów AI jest taki, że one coś wyplują ale same nie widza co to jest bo nie mogą tego same skompilować ani uruchomić. Są dobre do refactoru i tłumaczenia składni, przypominania komend, czyli krótko mówiąc do pamięciówy i nudnych powtarzalnych zadań. Mimo to fajne narzędzie. Po prostu hype jest absurdalnie wyolbrzymiony.

Brakuje im kontekstu do większych i bardziej złożonych zadań. Często nie gubią wątki, zależności między fragmentami wygenerowanego kodu.

Czasem do refactoru, albo do napisania czegoś generycznego, najlepiej w podobnym stylu do istniejącej metody / fragmentu kodu, który już mi hula.

Do niczego więcej się nie nadaje na ten moment.

Musiałby znać cały kontekst, mieć dostęp do całej wiedzy projektowej, domenowej, biznesowej, do wszystkich usług podpiętych do projektu, wszystkich mikrousług. To jest w ogóle niemożliwe w obecnej fazie rozwoju AI.

Fajnie to wygląda dla gawiedzi, jak AI klepie proste kompletne stronki, albo gierki jako malutki zamknięty projekt, ale do poważnej pracy to się nadaje na razie tylko jako booster naszej obecnej roboty co najwyżej i przyspieszacz.

Już nie pamiętam kiedy zaglądnąłem do dokumentacji. Także głównie przyspiesza mi robotę jako interaktywna dokumentacja do wszystkich technologii z jakimi pracuję.

tefu napisał(a):

Problem tych czatbotów AI jest taki, że one coś wyplują ale same nie widza co to jest bo nie mogą tego same skompilować ani uruchomić.

To może przestań używać czatbotów XD

Musiałby znać cały kontekst, mieć dostęp do całej wiedzy projektowej, domenowej, biznesowej, do wszystkich usług podpiętych do projektu, wszystkich mikrousług. To jest w ogóle niemożliwe w obecnej fazie rozwoju AI.

Monorepo + wsparcie dla tooli jak Github czy Notion. Zwłaszcza monorepo, bo trzymanie wiedzy w jednym miejscu o dziwo ma też sens dla zwykłych śmiertelników

Problem tych czatbotów AI jest taki, że one coś wyplują ale same nie widza co to jest bo nie mogą tego same skompilować ani uruchomić.

Agentic AI spokojnie ogarnia uruchamianie testów. Taki Claude Code dobrze ogarnia testowanie również poprzez basha

slsy napisał(a):

Taki Claude Code dobrze ogarnia testowanie również poprzez basha

Raczej ogrania wszystko co możesz zrobić na komputerze.

slsy napisał(a):

Agentic AI spokojnie ogarnia uruchamianie testów. Taki Claude Code dobrze ogarnia testowanie również poprzez basha

Ok, tylko czy wszędzie masz pozwolenie by wpuścić agenta na swój sprzęt. Nie każda firma się na to zgodzi. Ja mam u siebie tylko korpo Copilota i nic poza to nie mogę używać.

tefu napisał(a):

slsy napisał(a):

Agentic AI spokojnie ogarnia uruchamianie testów. Taki Claude Code dobrze ogarnia testowanie również poprzez basha

Ok, tylko czy wszędzie masz pozwolenie by wpuścić agenta na swój sprzęt. Nie każda firma się na to zgodzi. Ja mam u siebie tylko korpo Copilota i nic poza to nie mogę używać.

Dajcie spokój. Przecież teraz masz możliwość wyizolować sobie środowisko developerskie, jakiś WSL czy docker. Poza tym w tego typu narzędziach również określasz do czego ma uprawnienia co może robić i gdzie. Polecenia, do których agent nie ma uprawnień musisz ręcznie zatwierdzić.

Zatem bezpieczeństwo to nie jest żaden argument.

150%

Miałem okazje pracować na paru projektach frontowych z claude code/cursorem i ogólnie sporą różnice robi czy repo jest napisane/skonfigurowane pod LLM'y, czyli pliki typu ARCHITECTURE_SUMMARY.md pod llm'y czy .cursorrulers lub podobne dla innych LLM'ow, repo przygotowane pod prace z tymi narzędziami powoduje ze praca jest dużo bardziej efektywna i dokładna. A jak odpaliłem claude code na starym repo które LLM'ow w życiu nie widziało, to dużo błędów robił i częściej zapętlał się.

tefu napisał(a):

Problem tych czatbotów AI jest taki, że one coś wyplują ale same nie widza co to jest bo nie mogą tego same skompilować ani uruchomić.

Nie no, mogą. Tylko często nie chcą. Albo po paru iteracjach się męczą, i twierdzą, że testy nie przechodziły już wcześniej.
A czasem po prostu zmienią kodowanie plików na dysku na windows1252 albo inną Mazovię. Bo kto im zabroni?

Dzisiaj zalogowałem się do Copilota innym mailem, i udało mu się napisać faktycznie działający kod.
Ale w TDD. ;) Najpierw ja napisałem testy, a potem kazałem mu wygenerować kod. Nie wiem czy wyszedł optymalny, bo to Roslyn, a API Rosylna jest zwalone i nieprzeznaczone dla ludzi, więc nawet nie analizowałem.

Ale w ogóle używanie AI do generowania testów do już istniejącego kodu, to jeszcze większe samobójstwo niż używanie ich do generowania pierwotnego kodu.
Testy powstałe po fakcie są na ogół bezwartościowe i nie testują logiki, a jedynie pokrywają linijki kodu.

osobiście obecnie AI (cursor/chat gpt) używam głównie to prostych modułów, poprawek, powtarzalnych rzeczy i analizy kodu. Ewentualnie stworzenia planu działania na podstawie opisu taska. Przy większych akacjach u mnie się nie sprawdza. Zadały mi się złapać na sytuacji że analiza problemu przez AI zajmował 2 razy więcej czasu niż "ręczna" poprawka :D

Zadały mi się złapać na sytuacji że analiza problemu przez AI zajmował 2 razy więcej czasu niż "ręczna" poprawka

No właśnie to jest to. Trzeba napisać prompta z wyjaśnieniem, poczekać i jeszcze przeanalizować co chat wypluł. Czasem szybciej jest napisać coś samemu.

Ja w pracy to już głównie vibecoding.

Z pracy pół na pół, mamy mikroserwisy, więc często sobie nie radzi porządnie. To co wygeneruje też nie zawsze jest poprawne.

Z mojego startupu większość generuję, ale nie wszystko. Ogólnie staram się sprawdzać, najważniejsze jest security i baza danych. Pierwsze wiadomo, drugie bo później lepiej nie poprawiać core'u. Ogólnie i tak wiem, że będzie później refaktor sporej części kodu, jeśli by się udało i zająłbym się tylko tym, ale w startupach to standard. Obecnie kodu jest już całkiem sporo, a im więcej tym gorzej sobie radzi, co jest chyba oczywiste.

100

Ja piszę 100%. Nawet jak AI mi wygeneruje jakiś kawałek, to go przepisuję ręcznie. Jak zabraknie AI to będę miał eldorado, bo wciąż będę w stanie samodzielnie napisać działające rozwiązanie.

Przy okazji mam sporą aktywność w firmowym tool'u AI który sprawdza czy się nie opierdzielam.

Nie wiem ile procent. Pewnie coraz mniej. Zostawiam sobie do pisania strukturę kodu, daję juniorowi (AI) do napisania ciała metod. Jeżeli generuję, to jakieś zadania, gdzie nie bardzo jest co zrąbać. Pewnie będzie tego coraz więcej, wraz ze wzrostem mojego zaufania i umiejętności AI. Zakładam, że nie ma dodatkowych punktów za kod hand made, więc podchodzę do tego w taki sposób, żeby minimalizować użycie mojego czasu.

To trudne pytanie, ponieważ AI generalnie nie potrafi tworzyć zgodnie z architekturą moich programów, ale potrafi podpowiadać rozwiązania lub naprawiać błędy. Więc korzystam z tej funkcji agenta AI w ograniczonym zakresie.
Natomiast w przypadku ukazywania podpowiedzi ‘inline’ zaburzają one częściowo własne myśli o tym, co chce się napisać. Trzeba uważać, co się zatwierdzi. Ale do masowego poprawiania kodu zwykle się nadaje.
Wskaźniki użycia podpowiedzi ‘inline’ AI pokazują około 30%. Widocznie dlatego, że sporo poprawiałem — zwykle pewnie mniej.

Jeszcze mi się nie zdarzyło nawet jednej linii kodu wygenerować, nawet w celu wypróbowania tych całych modeli.