Контролируйте идеи, а не код
@ai_longreadsantirez объясняет, почему в эпоху LLM чтение сгенерированного кода стало неоптимальным занятием: гораздо важнее владеть идеями и дизайном софта, заниматься QA и описывать замысел на человеческом языке. Он честно признаёт, что сам всё ещё вычитывает код Redis — но считает это данью уважения к пользователям, а не полезной работой.
Это AI-перевод статьи, сделанный каналом Про AI: Лучшие Статьи и Исследования.
Контролируйте идеи, а не код
Control the ideas, not the code Автор: antirez Оригинальный текст:
Посмотрите на прошлую историю этого блога. Здесь много постов о программировании с AI, некоторые из них датируются январём 2024 года (например, вот этот: https://antirez.com/news/140). В конце концов, я довольно уважаемый программист. У меня нет нужды оставаться «в теме» как у старика, который ищет актуальности: я недавно вернулся в Redis, а сейчас ещё и разрабатываю новое open-source ПО для локального inference LLM, которое было хорошо принято сообществом. Почему я продолжаю это делать — говорить то, что люди не хотят слышать? Почему я продолжаю объявлять, каким по умолчанию будет программирование будущего? Потому что я чувствую потребность смягчить удар для людей, менее подготовленных к переменам, чем я, — часто более молодых, чем я, и которые, в отличие от меня, не видели, как многое из этого надвигалось (в 2022 году, ещё до появления ChatGPT, я опубликовал книгу, предвосхищавшую многое из того, что теперь случилось, и другие вещи, которые, как я считаю, ещё случатся, — так что, полагаю, я могу говорить это, не звуча эгоцентрично).
Так что мой приём — это трюк. Люди всё сильнее чувствуют, что программирование полностью изменено AI, и не знают, что им делать, могут ли они и правда начать писать код совершенно иначе, не глядя особо на код как на свой главный результат. Им кажется, что они предают собственную профессию. Поэтому мой замысел — прийти и сказать: «посмотрите на меня, я умею писать код, понимаете, я не прячусь за AI: и всё же всё изменилось, это не ваша слабость, это не то, что вы AI-зависимы. Просто наша область развивается в невероятном и болезненном (но также радостном) направлении».
Именно поэтому вчера в X я сказал, что, по моему мнению, многие программисты сейчас оказывают меньше влияния, чем могли бы, потому что они смотрят на код. Я искренне в это верю. И заметьте, это не значит вайб-кодить что-то, просто попросив конечный продукт. Суть в следующем: если вы контролируете идеи своего софта, смотреть на сам код — неоптимально и часто бессмысленно. По следующим причинам:
- Теперь вы можете генерировать очень много кода, даже не учитывая многословность кода от LLM (что тоже следствие неумения хорошо их инструктировать, по большей части). Как вы собираетесь ревьюить 5 тысяч строк кода каждый день?
- LLM очень хороши в написании локально оптимального кода и хуже (но становятся лучше) справляются с большими идеями. Какой смысл сканировать функцию за функцией, строку за строкой? Вместо этого вам следует промптить тот дизайн, который у вас в голове, иногда спрашивать «а какой именно дизайн у этой части? Как она работает?» — и оценивать, правильная ли это модель. Это гораздо быстрее.
- Рабочий день длится 8 часов. Если вы читаете код, это компромисс. Вы меньше занимаетесь тем, что сегодня является самой важной частью вашей работы, а именно — задаёте себе вопросы: что я делаю с этим софтом? Какие новые направления я хочу выбрать? А также думаете о новых идеях, фичах, приёмах оптимизации. И много занимаетесь QA.
Контролировать идеи. Помните эту формулировку из «Мифического человеко-месяца»? Что ж, книга 1970-х говорит нам о нынешней софтверной эпохе больше, чем многое из того, что говорилось с 2000 по 2020 год. Почему люди, которые сейчас протестуют против AI, не были в ужасе от состояния софта в последнее десятилетие? Уровень слопа, которого мы достигли за последние годы, ещё до AI, невероятен. Скажу вам ещё кое-что. Что такое слоп? С DwarfStar я реализовал inference для двух LLM (DeepSeek v4 и GLM 5.2) полностью автоматизированным способом, но: попробуйте сами — вы обнаружите, что нельзя просто сказать «реализуй XYZ» и увидеть, как это работает. Вам нужно понимать, как всё устроено, какой дизайн лучший, как достичь определённого уровня производительности. Затем я сравнил реализацию на корректность с другими системами и обнаружил, что другие реализации иногда содержали больше ошибок. Я исследовал дальше и выяснил, что мир локального inference полон тонких ошибок, которые накапливаются и портят выход модели: проблемы в реализации attention, вызывающие просадки производительности после того, как контекст превышает определённый предел, потому что индексированные реализации attention сломаны (например, делают больше работы, чем должны), и так далее. Это результат домена, который очень сложен в обращении, быстро меняется, где модели, слегка отличающиеся друг от друга в inference-графе, выходят каждый день. Это нечестная игра для разработчиков. Так вот: AI сильно с этим помогает. Есть много доменов, где строгая инженерия (на стороне дизайна) и тестирование намного лучше, чем написание GPU-ядра вручную (или его чтение). Так уверены ли мы, что большая часть этого сопротивления — не идеология?
Маттео Коллина вчера спросил меня в ответ на мой твит: но разве ты не говорил, что проверяешь весь AI-сгенерированный код для Redis? И это действительно хороший вопрос. Да, проверяю, но на данный момент это то, что мне нужно делать, хотя я считаю это по большей части бессмысленным — отчасти уже с выходом GPT 5.5, а теперь, с Fable и GPT 5.6 Sol, ещё более. Да: я нахожу вещи, реализация которых мне не нравится, но если я открою другие файлы Redis, написанные другими контрибьюторами Redis, там намного хуже — и не потому, что они плохие кодеры, а потому, что это вопрос вкуса. Я пишу очень чистый код, потому что хочу, чтобы он был читаемым, поэтому во время реализации Redis Arrays я вносил правки. Я делаю это снова для оптимизации sorted sets с экономией памяти на 50% — PR, который я скоро отправлю. Но я не чувствую, что это больше полезно. Никто больше не должен смотреть на этот код — только на идеи, которые код содержит. Я продолжал это делать из уважения к пользователям. Redis на данный момент — общеполезная вещь, и многие программисты будут открывать файлы и править что-то руками. Но если бы у меня были развязаны руки, знаете, что бы я делал вместо этого? Использовал бы всё то время, которое у меня отнимает ревью, чтобы делать больше QA, чтобы думать над следующей идеей оптимизации и применять её, и чтобы с помощью LLM писать файл DESIGN.md, где каждая структура данных описана человеческим языком — с идеями, которые она содержит, приёмами реализации, дизайном. Вот это в будущем будет гораздо полезнее. Хотите изменить sorted sets? Вы открываете файл, читаете дизайн — и вот вы владеете идеями. Вы можете открыть своего агента и спросить у него, что делать, имея правильную ментальную модель. Это гораздо полезнее, чем ревьюить код.
Ревью от Fable и GPT 5.6 для оптимизации памяти sorted sets найдут куда больше ошибок и тонких состояний гонки, чем обнаружит моё ревью. И всё же я его сделаю. Но для большинства софтверных проектов всё это больше не имеет смысла. Сосредоточьтесь вместо этого на контроле над идеями. Сосредоточьтесь на качестве, тестировании и на понимании того, какой софт вы хотите выпустить. Мир изменился, и это болезненно, но также полно возможностей улучшить софтверный мир, который и без того был совершенно прогнившим.
У меня есть сомнение только относительно молодых программистов, у которых недостаточно опыта и которые не могут построить ментальную модель. Мы пока не знаем, потребуется им или нет очень хорошо понимать, как работает тот или иной кусок кода, но я считаю, что они должны научиться писать программы. И всё же я не уверен, что проверять выход LLM — это то, чем им следует заниматься. Возможно, гораздо полезнее будет, если они выучат какой-нибудь язык программирования и реализуют небольшой интерпретатор, небольшую базу данных, хеш-таблицу и так далее. Ревьюить какой-то JavaScript какого-то сайта для заказчика? Чёрт возьми, нет, не тратьте время на это дерьмо.
Подпишитесь на канал и каждый день читайте лучшие материалы про AI переведенные на русский!
Нашли интересную статью для перевода? Пришлите нашему боту: @ailongreadsbot