เอไอโค้ดดิ้งเอเจนต์จุดประเด็นถกเถียงนักพัฒนา: ความก้าวหน้าทางผลิตภาพหรือกับดักหนี้เทคนิค?

ชุมชนการพัฒนาซอฟต์แวร์แตกออกเป็นสองฝ่ายอย่างชัดเจนเกี่ยวกับการเกิดขึ้นของเอไอโค้ดดิ้งเอเจนต์ โดยบางส่วนอ้างว่าสามารถทำงานแบบอัตโนมัติเกือบ 100% ขณะที่อีกฝ่ายเตือนถึงปัญหาโค้ดคุณภาพต่ำที่สร้างโดยเอไอ การอภิปรายล่าสุดเผยให้เห็นความกังวลเกี่ยวกับคุณภาพโค้ด ทักษะนักพัฒนา และการจัดการเอไอหลายตัวพร้อมกันว่าจะเป็นความก้าวหน้าหรือเพียงสิ่งรบกวน

คำสัญญาของการเขียนโค้ดแบบอัตโนมัติเต็มรูปแบบ

นักพัฒนาบางส่วนรายงานว่ามีผลิตภาพเพิ่มขึ้นอย่างน่าทึ่งจากการใช้เอไอโค้ดดิ้งเอเจนต์ นักพัฒนาคนหนึ่งอ้างว่าเอไอเขียนโค้ดให้เกือบ 100% สำหรับแอปพลิเคชัน TypeScript React ขนาด 300,000 บรรทัด โดยใช้เอไอเอเจนต์หลายตัวทำงานพร้อมกันในราคาประมาณ 1,000 ดอลลาร์สหรัฐต่อเดือน ผู้สนับสนุนวิธีนี้อธิบายเวิร์กโฟลว์ที่พวกเขาจัดการเอไอเอเจนต์ 3-8 ตัวพร้อมกัน โดยมองว่ากระบวนการนี้คล้ายกับการดูแลทีมงานมากกว่าการเขียนโปรแกรมแบบดั้งเดิม

ฉันเลือกผลลัพธ์จากพวกมันมากกว่านักพัฒนาโดยทั่วไปทุกวันและสองครั้งในวันอาทิตย์

ผู้สนับสนุนอ้างว่าวิธีนี้ทำให้พวกเขาสามารถโฟกัสที่สถาปัตยกรรมระดับสูงและการออกแบบระบบ ในขณะที่ทำให้รายละเอียดการนำไปใช้อัตโนมัติ เวิร์กโฟลว์เกี่ยวข้องกับการให้คำสั่งสั้นๆ บางครั้งเพียง 1-2 ประโยค และปล่อยให้เอไอวิเคราะห์ฐานโค้ดเพื่อทำความเข้าใจบริบทและความต้องการ

ต้นทุนและขนาดของการเขียนโค้ดด้วย AI ที่มีการรายงาน

• ต้นทุนรายเดือน: ประมาณ $1,000 USD
• ขนาดของ codebase: ประมาณ 300,000 LOC แอป TypeScript React
• จำนวน agent ที่ทำงานพร้อมกัน: 3-8 ตัวพร้อมกัน
• ส่วนประกอบของโปรเจกต์: แอป Expo, แอป Tauri, เครื่องมือ CLI, ส่วนขยาย Chrome

กราฟที่แสดงเส้นโค้งความซับซ้อนของการเขียนโปรแกรมแบบ agentic ซึ่งแสดงถึงบทบาทที่พัฒนาไปของ AI ในงานพัฒนาซอฟต์แวร์

ความกังวลเรื่องคุณภาพและการเตือนเรื่องโค้ดไร้คุณภาพ

ผู้สงสัยตั้งคำถามอย่างจริงจังเกี่ยวกับคุณภาพของโค้ดที่สร้างโดยเอไอ ผู้แสดงความคิดเห็นหลายคนตั้งข้อสงสัยว่าโค้ด 300,000 บรรทัดที่สร้างโดยเอไอแสดงถึงการพัฒนาที่มีประสิทธิภาพหรือเป็นหนี้เทคนิคที่กำลังก่อตัว ผู้วิจารณ์เสนอว่าโค้ดที่เขียนโดยมนุษย์อาจกระชับและบำรุงรักษาได้ดีกว่าอย่างมีนัยสำคัญ

คำว่า AI slop ปรากฏบ่อยครั้งในการอภิปราย อธิบายถึงโค้ดที่เยิ่นเย้อ ไม่มีประสิทธิภาพ ที่แก้ปัญหาง่ายๆ ด้วยความซับซ้อนที่มากเกินไป นักพัฒนาคนหนึ่งระบุว่าเอไอเอเจนต์มีแนวโน้มที่จะทำแบบสูงสุดโดยค่าเริ่มต้น เลือกวิธีแก้ปัญหาขนาด 250 บรรทัด ในขณะที่การเปลี่ยนแปลงหนึ่งบรรทัดก็เพียงพอ สิ่งนี้ทำให้เกิดคำถามเกี่ยวกับการบำรุงรักษาในระยะยาว และว่าผู้พัฒนาจะสามารถเข้าใจและให้เหตุผลเกี่ยวกับโค้ดที่พวกเขากำลังจัดการได้หรือไม่

ข้อกังวลทั่วไปของนักพัฒนาเกี่ยวกับโค้ดที่สร้างโดย AI

• โค้ดที่ยาวเกินไปและไม่มีประสิทธิภาพ ("AI slop")
• ความยากลำบากในการดูแลรักษาและทำความเข้าใจโค้ดที่เขียนโดย AI
• เวลาที่ใช้ในการตรวจสอบและปรับปรุงผลลัพธ์จาก AI
• ความเสี่ยงที่ทักษะของนักพัฒนาจะลดลง
• คำถามเกี่ยวกับความสามารถในการดูแลรักษาในระยะยาว

ปัจจัยมนุษย์ในการพัฒนาที่ขับเคลื่อนโดยเอไอ

นักพัฒนาที่มีประสบการณ์รายงานว่าการโค้ดดิ้งด้วยเอไอที่สำเร็จต้องการการกำกับดูแลจากมนุษย์และความรู้โดเมนอย่างมาก ผู้แสดงความคิดเห็นหลายคนที่มีประสบการณ์ 25+ ปี ระบุว่าวินัยในการเขียนโปรแกรมของพวกเขาช่วยให้พวกเขานำทางเอไอเอเจนต์ได้อย่างมีประสิทธิภาพ พวกเขาเน้นว่าเอไอทำงานได้ดีที่สุดสำหรับรูปแบบและ เอพีไอ ที่เข้าใจดี ในขณะที่ยังคงมีปัญหากับการเปลี่ยนแปลงอัลกอริทึมที่ซับซ้อนหรือการตัดสินใจออกแบบระบบ

การอภิปรายเผยให้เห็นว่าความชอบส่วนตัวของผู้พัฒนามีบทบาทสำคัญในการเลือกเครื่องมือ นักพัฒนาบางส่วนชอบ Claude Code อย่างมากเพราะธรรมชาติที่ให้ความร่วมมือ ในขณะที่บางคนชอบ Codex สำหรับความละเอียดถี่ถ้วนและความเต็มใจที่จะโต้แย้งคำขอที่สงสัยได้ สิ่งนี้ชี้ให้เห็นว่าเครื่องมือโค้ดดิ้งเอไออาจมีบุคลิกที่แตกต่างกันซึ่งดึงดูดสไตล์การทำงานที่แตกต่างกัน

การแลกเปลี่ยนทางเศรษฐกิจและผลิตภาพ

เศรษฐศาสตร์ของเอไอโค้ดดิ้งเอเจนต์แสดงผลลัพธ์ที่หลากหลาย ในขณะที่ 1,000 ดอลลาร์สหรัฐต่อเดือนดูเหมือนจะแพงเมื่อเทียบกับเครื่องมือดั้งเดิม ผู้สนับสนุนแย้งว่ามันถูกกว่าการจ้างนักพัฒนาเพิ่ม อย่างไรก็ตาม ผู้วิจารณ์ตั้งคำถามว่าการใช้เวลาในการจัดการเอเจนต์ ตรวจสอบผลลัพธ์ และแก้ไขข้อผิดพลาดนั้นช่วยประหยัดเวลาเมื่อเทียบกับการเขียนโค้ดโดยตรงหรือไม่

นักพัฒนาบางส่วนรายงานว่าใช้เวลาอย่างมากในการอนุญาตและทำความสะอาดโค้ดที่สร้างโดยเอไอ โดยประมาณการว่าพวกเขาใช้เวลาประมาณ 20% กับงานบำรุงรักษาที่เอไอไม่สามารถจัดการได้อย่างมีประสิทธิภาพ ซึ่งรวมถึงการลบโค้ดที่ซ้ำซ้อน กำจัดโค้ดที่ตายแล้ว อัปเดต dependencies และปรับโครงสร้างไฟล์ที่ใหญ่เกินไป

การจัดสรรเวลาที่รายงานในการพัฒนาซอフต์แวร์ด้วยความช่วยเหลือจาก AI

• ใช้เวลา 20% ในการบำรุงรักษาและทำความสะอาดโค้ด
• ลงทุนเวลาอย่างมากในการออกแบบ prompt และการจัดการ agent
• ต้องใช้เวลาในการตรวจสอบโค้ดอย่างละเอียดก่อนที่จะรวมการเปลี่ยนแปลงที่สร้างโดย AI
• การสลับบริบทระหว่าง agent หลายตัวที่ทำงานแบบขนาน

อนาคตของการพัฒนาซอฟต์แวร์

ชุมชนดูเหมือนจะแบ่งออกระหว่างสองวิสัยทัศน์ของอนาคตการพัฒนาซอฟต์แวร์ บางส่วนมองว่าเอไอเอเจนต์เป็นเครื่องมือที่จะปลดปล่อยนักพัฒนาจากงานโค้ดดิ้งซ้ำซ้อน ทำให้สามารถโฟกัสที่สถาปัตยกรรมและประสบการณ์ผู้ใช้ได้มากขึ้น อีกฝ่ายกังวลเกี่ยวกับการสึกหรอของทักษะและการสร้างฐานโค้ดที่บำรุงรักษาไม่ได้ ซึ่งมีเพียงเอไอที่สร้างมันขึ้นมาเท่านั้นที่เข้าใจ

สิ่งที่ปรากฏชัดเจนคือการโค้ดดิ้งด้วยความช่วยเหลือของเอไอที่สำเร็จต้องการความรู้พื้นฐานการเขียนโปรแกรมที่แข็งแกร่ง นักพัฒนาที่รายงานผลลัพธ์ที่ดีที่สุดคือผู้ที่สามารถรับรู้เมื่อเอไอใช้แนวทางที่ผิดและนำมันกลับไปสู่โซลูชันที่ดีกว่า ดังที่ผู้แสดงความคิดเห็นคนหนึ่งระบุ การเขียนซอฟต์แวร์ที่ดียังคงเป็นเรื่องยากแม้เมื่อเอไอเป็นผู้เขียนโค้ด — การออกแบบระบบ dependencies และประสบการณ์ผู้ใช้ยังคงต้องการการตัดสินใจของมนุษย์

การอภิปรายยังคงดำเนินต่อไปในขณะที่เครื่องมือพัฒนาขึ้น แต่ฉันทามติชี้ให้เห็นว่าเอไอโค้ดดิ้งเอเจนต์มีประสิทธิภาพสูงสุดเมื่อถูกปฏิบัติเป็นผู้ช่วยขั้นสูง แทนที่จะเป็นตัวแทนความเชี่ยวชาญและการคิดเชิงวิพากษ์ของผู้พัฒนา

อ้างอิง: Just Talk To It – the no-bs Way of Agentic Engineering