ชุมชนนักเขียนโปรแกรมกำลังเผชิญกับผลกระทบในโลกแห่งความเป็นจริงของการเขียนโค้ดด้วยความช่วยเหลือจาก AI เมื่อโปรเจกต์ที่สร้างด้วยเครื่องมืออย่าง Claude และ ChatGPT เข้าสู่สภาพแวดล้อมการใช้งานจริงมากขึ้น ในขณะที่นักพัฒนาบางคนเฉลิมฉลองกับผลผลิตที่เพิ่มขึ้นอย่างมาก นักพัฒนาคนอื่นๆ กลับพบกับความท้าทายด้านการบำรุงรักษาที่สำคัญซึ่งไม่เห็นได้ชัดเจนในระหว่างการพัฒนาเบื้องต้น
เรื่องราวความสำเร็จเกิดขึ้นจากการพัฒนาที่ใช้ AI เป็นหลัก
นักพัฒนาหลายคนได้นำแอปพลิเคชันที่สร้างด้วย AI ไปใช้งานจริงได้สำเร็จพร้อมผลลัพธ์ที่น่าประทับใจ ฟรีแลนซ์คนหนึ่งรายงานว่าสามารถสร้างเครื่องมือภายในที่ทำกำไรได้ในวันเดียวซึ่งเมื่อก่อนจะต้องใช้เวลาหลายสัปดาห์ในการทำให้เสร็จ เครื่องมือเหล่านี้มีส่วนติดต่อผู้ใช้ที่เป็นมืออาชีพและฟังก์ชันการทำงานที่ครอบคลุมซึ่งน่าจะไม่เคยถูกสร้างขึ้นโดยใช้วิธีการแบบดั้งเดิมเนื่องจากข้อจำกัดด้านเวลา
นักพัฒนาอีกคนหนึ่งได้แสดงโปรเจกต์หลายโปรเจกต์ที่สร้างโดยใช้ความช่วยเหลือจาก AI โดยอ้างว่าสามารถพัฒนาฟีเจอร์ได้ 10-15 ฟีเจอร์ต่อวันโดยใช้แนวทางการพัฒนาที่อิงตามข้อกำหนดที่มีโครงสร้าง เรื่องราวความสำเร็จเหล่านี้เน้นย้ำถึงศักยภาพของ AI ในการทำให้การพัฒนาซอฟต์แวร์เป็นประชาธิปไตยและเปิดใช้งานการสร้างต้นแบบอย่างรวดเร็ว
ตัวชี้วัดความสำเร็จจากการพัฒนาที่ได้รับความช่วยเหลือจาก AI:
- เครื่องมือภายในองค์กรสร้างเสร็จใน 1 วัน เทียบกับระยะเวลาเดิม 1-2 สัปดาห์
- นักพัฒนาคนหนึ่งอ้างว่าสามารถพัฒนาฟีเจอร์ได้ 10-15 ฟีเจอร์ต่อวัน
- ทีมเล็กๆ ที่ใช้ AI ในการเขียนโค้ดสามารถสร้างรายได้รายเดือนแบบต่อเนื่องมากกว่า 70,000 USD
- ส่งมอบ UI แบบมืออาชีพและฟังก์ชันการทำงานที่ครอบคลุมได้เร็วกว่าวิธีการแบบดั้งเดิม
- การเขียน PostgreSQL client ใหม่เสร็จสิ้นใน 3 สัปดาห์ พร้อมด้วย structured concurrency และ channel binding
ต้นทุนที่ซ่อนเร้นปรากฏขึ้นในขั้นตอนการบำรุงรักษา
อย่างไรก็ตาม ชุมชนยังรายงานความท้าทายที่สำคัญกับฐานโค้ดที่สร้างด้วย AI นักพัฒนาที่ทำงานกับโปรเจกต์ที่สร้างขึ้นด้วยความช่วยเหลือจาก AI อย่างหนักในตอนแรกอธิบายว่าพบกับนรกของโค้ดแม่แบบ - ฐานโค้ดที่มีบรรทัดซ้ำซ้อนหลายร้อยบรรทัดและโซลูชันที่ซับซ้อนเกินไปซึ่งเปลี่ยนปัญหาง่ายๆ ให้กลายเป็นโครงสร้างไดเรกทอรีที่ซับซ้อน
สำหรับทุกฟีเจอร์ที่ฉันพัฒนา ฉันพบฟีเจอร์ที่เสียหาย 1 ถึง 3 ฟีเจอร์เนื่องจากข้อผิดพลาดจากการเขียนโค้ดแบบ vibe ที่ชัดเจน
ตัวอย่างที่โดดเด่นอย่างหนึ่งเกี่ยวข้องกับบริษัทที่พยายามเขียนแพลตฟอร์มอายุ 25 ปีของพวกเขาใหม่โดยใช้ AI ใน 12 เดือน หลังจากผ่านกำหนดเวลาไป 6 เดือน พวกเขาได้จ้างผู้รับเหมาทำความสะอาดโดยไม่มีความหวังในการฟื้นตัวที่ชัดเจน ทำให้สิ่งที่ดูเหมือนจะเป็นโซลูชันประหยัดต้นทุนกลายเป็นความผิดพลาดที่มีราคาแพง
ปัญหาการเขียนโค้ดด้วย AI ที่รายงาน:
- โค้ดแบบ boilerplate ที่บวมเกินจำเป็น (มากกว่าที่จำเป็น 5-10 เท่า)
- โซลูชันที่ซับซ้อนเกินไป (ปัญหาง่ายๆ ที่ควรใช้แค่ 5-6 ขั้นตอน กลับขยายเป็น 4-5 ไดเร็กทอรีพร้อม 20-30 ขั้นตอน)
- ช่องโหว่ SQL injection ในโค้ดที่สร้างขึ้น
- การแยกส่วนประกอบและการแบ่งหน้าที่ความรับผิดชอบที่ไม่ดี
- การสร้างฐานข้อมูลใหม่ทุกครั้งที่โหลดหน้าเว็บในบางการใช้งาน
- พบฟีเจอร์เสีย 1-3 อย่างสำหรับทุกฟีเจอร์ใหม่ที่พัฒนาในโปรเจ็กต์ที่เขียนโค้ดแบบ vibe
การแลกเปลี่ยนระหว่างคุณภาพและความเร็วเริ่มชัดเจน
การอภิปรายเผยให้เห็นความตึงเครียดพื้นฐานระหว่างความเร็วในการพัฒนาและคุณภาพของโค้ด ในขณะที่เครื่องมือ AI สามารถสร้างโค้ดที่ทำงานได้อย่างรวดเร็ว แอปพลิเคชันที่เป็นผลลัพธ์มักจะมีบั๊กที่ละเอียดอ่อน ช่องโหว่ด้านความปลอดภัย และการตัดสินใจด้านสถาปัตยกรรมที่กลายเป็นปัญหาเมื่อขยายขนาด
นักพัฒนาที่มีประสบการณ์สังเกตว่าโค้ดที่สร้างด้วย AI มักจะมีช่องโหว่ SQL injection การแยกส่วนประกอบที่ไม่ดี และการใช้งานที่สร้างฐานข้อมูลทั้งหมดใหม่ในทุกการโหลดหน้า ปัญหาเหล่านี้อาจไม่ปรากฏขึ้นในระหว่างการทดสอบเบื้องต้น แต่สร้างปัญหาร้ายแรงเมื่อแอปพลิเคชันเติบโต
แนวปฏิบัติที่ดีที่สุดเกิดขึ้นจากประสบการณ์ของชุมชน
แม้จะมีความท้าทาย นักพัฒนาหลายคนกำลังค้นหาแนวทางที่สมดุลสำหรับการพัฒนาด้วยความช่วยเหลือจาก AI ผู้ปฏิบัติงานที่ประสบความสำเร็จเน้นย้ำถึงความสำคัญของการเข้าใจโค้ดที่สร้างขึ้นก่อนการนำไปใช้งาน การใช้ AI สำหรับงานเฉพาะแทนที่จะเป็นแอปพลิเคชันทั้งหมด และการรักษาการกำกับดูแลด้านสถาปัตยกรรมที่แข็งแกร่งตลอดกระบวนการพัฒนา
ฉันทามติของชุมชนแนะนำว่า AI ทำงานได้ดีที่สุดเมื่อเสริมความเชี่ยวชาญของมนุษย์แทนที่จะแทนที่อย่างสมบูรณ์ นักพัฒนาที่ปฏิบัติต่อ AI เป็นผู้ช่วยที่ทรงพลังในขณะที่รักษาความเข้าใจทางเทคนิคที่ลึกซึ้งรายงานผลลัพธ์ที่ยั่งยืนที่สุด
การอภิปรายที่กำลังดำเนินอยู่สะท้อนถึงการเปลี่ยนแปลงที่กว้างขึ้นในการพัฒนาซอฟต์แวร์ ซึ่งอุตสาหกรรมยังคงเรียนรู้วิธีการใช้ประโยชน์จากความสามารถของ AI ในขณะที่หลีกเลี่ยงข้อผิดพลาด เมื่อโปรเจกต์ที่สร้างด้วย AI เข้าสู่การใช้งานจริงมากขึ้น ประสบการณ์ในโลกแห่งความเป็นจริงเหล่านี้น่าจะกำหนดแนวปฏิบัติการพัฒนาในอนาคตและการออกแบบเครื่องมือ
อ้างอิง: Vibe Coding Is Making Programmers Dumber
 |
|---|
| นักพัฒนากำลังไตร่ตรองถึงความสมดุลระหว่างความช่วยเหลือจาก AI และการรักษาแนวทางปฏิบัติในการเขียนโค้ดที่แข็งแกร่ง |