Berita
Codev memungkinkan organisasi menghindari pemborosan pengkodean dengan menggunakan tim agen yang membuat dan mendokumentasikan kode tersebut
Bagi banyak pengembang perangkat lunak yang menggunakan AI generatif, Pengodean suasana Ini adalah pedang bermata dua.
Proses ini menyediakan pembuatan prototipe yang cepat namun sering kali meninggalkan jejak kode yang rapuh dan tidak terdokumentasi sehingga menimbulkan hutang teknis yang besar.
Platform sumber terbuka baru, KodevDia mengatasi hal ini dengan mengusulkan perubahan mendasar: memperlakukan percakapan bahasa alami dengan AI sebagai Bagian dari kode sumber sebenarnya.
Codev didasarkan pada SP(IDE)R, kerangka kerja yang dirancang untuk Ubah percakapan pengkodean dinamis menjadi aset terstruktur, dapat diidentifikasi, dan dapat diaudit yang menjadi bagian dari penyimpanan kode.
Apa itu codef?
Pada intinya, Codev adalah metodologi yang memperlakukan konteks bahasa alami sebagai bagian integral dari siklus hidup pengembangan dan bukan artefak sekali pakai seperti halnya pengkodean vanilla.
Menurut salah satu pendiri Walid Qadous, tujuannya adalah untuk mencerminkan alur kerja teknik pada umumnya.
"Salah satu prinsip inti Codev adalah dokumen menyukai spesifikasi Kami adalah Kode sebenarnya dari sistem," Dia mengatakan kepada VentureBeat. "Seolah-olah bahasa alami sedang dikompilasi menjadi TypeScript oleh agen kami."
Pendekatan ini menghindari kesalahan umum dalam membuat dokumen setelah kejadiannya, jika memang dokumen tersebut dibuat.
Protokol utamanya SP(IDE)R menyediakan arsitektur yang ringan namun formal untuk membangun program. Prosesnya dimulai dengan untuk mengaturtempat manusia dan beberapa agen AI berkolaborasi untuk mengubah permintaan tingkat tinggi menjadi kriteria penerimaan yang konkret. Selanjutnya, masuk Dia berencana Pada titik ini, AI menyarankan implementasi bertahap, yang ditinjau kembali.
Untuk setiap tahap, kecerdasan buatan masuk lingkaran IDE: dia – dia Habis kode, Dia membela Melawan kesalahan dan regresi melalui pengujian komprehensif, dan berada Hasil bertentangan dengan spesifikasi. Langkah terakhir adalah tinjauanTim mendokumentasikan pembelajaran untuk memperbarui dan meningkatkan protokol SP(IDE)R itu sendiri untuk proyek masa depan.
Perbedaan utama antara kerangka kerja ini adalah penggunaan berbagai faktor dan tinjauan manusia secara eksplisit pada tahapan yang berbeda. Qadous menunjukkan bahwa setiap agen membawa kekuatan unik dalam proses peninjauan.
"Gemini adalah Semaksimal mungkin Pandai mengatasi masalah keamanan," katanya, menunjukkan kelemahan skrip lintas situs (XSS) yang serius dan bug lainnya "Kunci OpenAI API akan dibagikan kepada pelanggan, dan biayanya bisa mencapai ribuan dolar."
Sementara itu, "GPT-5 sangat baik dalam memahami cara menyederhanakan desain." Tinjauan terstruktur ini, dengan persetujuan akhir manusia di setiap tahap, mencegah jenis otomatisasi tak terkendali yang menyebabkan kode rusak.
Filosofi AI asli platform ini juga mencakup komposisinya. Tidak ada penginstal yang rumit; Sebaliknya, pengguna menginstruksikan agen AI mereka untuk menerapkan repositori Codev GitHub untuk menyiapkan proyek. Pengembang "Aplikasi demo" Kerangka kerja mereka, menggunakan Codev untuk membangun Codev.
“Intinya di sini adalah bahwa bahasa alami kini dapat dieksekusi, dengan agen yang menjadi penerjemahnya,” kata Kadus. “Ini bagus karena ini berarti ini bukan integrasi Codev yang ‘buta’, melainkan agen dapat memilih cara terbaik untuk mengintegrasikannya dan dapat mengambil keputusan dengan cerdas.”
Studi kasus Codev
Untuk menguji efektivitas kerangka kerja tersebut, pembuatnya membuat perbandingan langsung antara vanilla dan Codev. Mereka memberi Penutupan usaha 4.1 Aplikasi untuk membuat task manager modern berbasis web. Upaya pertama menggunakan obrolan dan enkripsi. Hasilnya adalah demo yang tampak masuk akal. Namun, analisis otomatis oleh tiga klien AI independen menemukan bahwa AI tersebut mengimplementasikan 0% dari fungsionalitas yang diperlukan, tidak menyertakan pengujian, dan tidak memiliki database atau API.
Upaya kedua menggunakan model dan vektor AI yang sama tetapi menerapkan protokol SP(IDE)R. Kali ini, AI menghasilkan aplikasi siap produksi yang berisi 32 file sumber, 100% fungsionalitas ditentukan, lima rangkaian pengujian, database SQLite, dan RESTful API lengkap.
Selama proses ini, pengembang manusia melaporkan bahwa mereka tidak pernah mengedit satu baris kode sumber pun secara langsung. Meski merupakan percobaan tunggal, Kadus memperkirakan dampaknya signifikan.
"Secara pribadi, rasanya saya tiga kali lebih produktif dengan Codev dibandingkan tanpa Codev." Dia bilang. Kualitasnya juga berbicara sendiri. "Saya menggunakan MBA sebagai wasit, dan seseorang menggambarkan hasilnya mirip dengan apa yang akan dihasilkan oleh tim teknik yang berperalatan lengkap. Inilah yang saya tuju."
Meskipun proses ini sangat berguna, proses ini mengubah peran pengembang dari pemrogram langsung menjadi insinyur dan peninjau sistem. Menurut Quddus, setiap tahap spesifikasi dan rencana awal dapat memakan waktu mulai dari 45 menit hingga dua jam kolaborasi terfokus.
Hal ini berbeda dengan kesan yang diberikan oleh banyak platform biocoding, di mana satu proses cepat dan beberapa menit akan memberi Anda aplikasi yang berfungsi penuh dan dapat diskalakan.
"Semua nilai yang saya tambahkan ada pada pengetahuan dasar yang saya terapkan pada spesifikasi dan rencana," Dia menjelaskan. Dia menekankan bahwa kerangka kerja ini dirancang untuk menambah talenta berpengalaman, bukan menggantikannya. "Orang-orang yang akan melakukan yang terbaik… adalah insinyur senior ke atas karena mereka tahu jebakannya… hanya diperlukan insinyur senior yang sudah Anda miliki dan itu membuat mereka lebih produktif."
Masa depan kerjasama antara manusia dan kecerdasan buatan
Kerangka kerja seperti Codev menandakan pergeseran di mana tindakan kreatif inti pengembangan perangkat lunak beralih dari menulis kode ke menyusun spesifikasi dan rencana yang tepat dan dapat dibaca mesin. Untuk tim perusahaan, ini berarti kode yang dihasilkan AI dapat diaudit, dipelihara, dan diandalkan. Dengan menangkap seluruh percakapan pengembangan dalam kontrol versi dan menerapkannya dengan CI, proses ini mengubah obrolan singkat menjadi aset teknis yang tahan lama.
Codev mengusulkan masa depan di mana AI tidak bertindak sebagai asisten yang kacau, melainkan sebagai kolaborator yang disiplin dalam alur kerja yang terstruktur dan digerakkan oleh manusia.
Meski demikian, Kadous mengakui pergeseran ini menimbulkan tantangan baru bagi dunia kerja. "Insinyur senior yang sepenuhnya menolak AI akan kalah dengan insinyur senior yang menerimanya." Dia memperkirakan. Ia juga mengungkapkan keprihatinannya terhadap pengembang junior yang mungkin tidak mendapatkan kesempatan tersebut "Untuk membangun karya arsitektur mereka sendiri," Ini adalah keterampilan yang menjadi lebih penting ketika mengarahkan kecerdasan buatan.
Hal ini menyoroti tantangan utama yang dihadapi industri ini: memastikan bahwa selain meningkatkan kinerja, AI juga menciptakan jalur untuk mengembangkan talenta generasi berikutnya.