Вибе-кодинг
Вибе-кодинг (vibe coding) — разновидность кодинга, когда используется нейросеть. Причём если в руках грамотного господаря такой кодинг вполне может оказаться полезным и эффективным, то в руках некомпетентного персонажа зачастую используется неадекватно.
Описание[править]
Современные нейросети оказались накачаны разными программами и приобрели возможность писать сравнительно неплохой код. Многие стали применять их для отладки своих программ или же для того, чтобы написать некий код, и хотя иногда в коде появляются ошибки, тем не менее в среднем использование ИИ позволяет писать программы быстрее.
Однако появился и вибе-кодинг, когда человек вообще не разбирается в вопросе написания программ и по каждому мелкому вопросу спрашивает ИИ. Результатом становится крайне низкое качество программ, которые производятся подобным образом, их малая эффективность, так как непонимание архитектуры приводит также и к тому, что нормально сформулировать задачу не могут. А сейчас это стало настолько доступно и просто, что достаточно загрузить расширение в среду разработки, подключить к ней ключ от своей GPT и дать большой умной машине читать, писать и переписывать свой код.
Опагеем данного подхода стал момент, когда программа вызывает ИИ для решения простейших вопросов, например сортировки. Вместо применения процессора формируется запрос к нейросети, которая затем делает сортировку и возвращает результат. На практике это медленнее и затратнее традиционных алгоритмов сортировки, и может спровоцировать провисания или расход денег, бо API практически ото всех ходовых больших LLM идёт в комплекте лишь при покупке подписки. Способ глупый и на практике стократно хуже, чем просто попросить нейронку написать код для выполнения такой задачи.
Хотя на практике обычно до такого абсурда всё-таки не доходит. Тем не менее, важно при написании программ таким образом понимать, что именно они делают, и применять ИИ только как помощника в делах мирских.
Другие проблемы вибе-кодинга[править]
- Вибе-кодер при работе над крупными, хотя бы более тысячи строк кода проектами, вскоре упрётся в лимит токенов памяти модели, так что нейросеть однажды просто перестанет помнить весь код проекта, что отменит возможность адекватной отладки. Решение — держать всё в голове самому, генерировать короткие решения и аккуратно копипастить функции в свой код порционно, как бы модульно выстраивая программу. Требует минимального понимания и вовлечённости в код.
- Нейросеть может замечательно разбираться в синтаксисе языка, базовых и самых ходовых библиотеках, типа Qt5, но стоит попросить её поработать с чем-нибудь менее известным, начнёт немедля галлюцинировать или генерировать индусский код.
- Нейросеть часто не успевает за обновлением библиотек. Забавный пример — GPT плохо понимает, как работать с библиотекой Transformers для Python и использует методы, которые ныне устарели для тренировки LLM.
