ソフトウェアエンジニアリングでLLMを大量に使用してコーディングと生産性向上を図っています。グリーンフィールドプロジェクトでは効果的ですが、重い依存関係、強い結合、技術的負債を持つレガシーコードベースでは品質が急激に低下します。モデルは概念の不一致したスペリングを発明し、必要のないアダプタを記述したり、必要なところでアダプタを呼び出したりします。これはコードベース内の混乱と共有言語の欠如から来ています。

Brownfieldプロジェクトには2つのレイヤーがあります：技術的深さとその下の混乱。モデルはシステムが重要な質問に答えられないため誤って推測します。準備は段階的に構築できます。ソフトウェアエンジニアリングの初期段階では、技術的負債だけが懸念事項でした。チームは速やかに納品し、トレードオフを支払います。通常の答えは、10-20%の予算をクリーンアップに費やすことですが、何を変更するかを決定するのは高価であり、LLMの登場により実装は安くなりました。

私は戦略的作業と戦術的作業に著作者権を分割しました。戦略的作業はシステムの読み取り、何が変わる必要があるかの決定、および整合性の確保を含みます。戦術的作業は決定をファイルに持ち込みます。戦略的作業は深いシステム理解を必要とします；戦術的作業は now コスト効率が良いです。私は汎用的なコードベース分析のためにGitHubの問題を作成し、その後、スキルとサブエージェントを持つAIシステムを使用してそれらに対処します。スキルは一貫した実行を保証するMarkdownプロシージャです。