Я активно использую LLM в инженерии программного обеспечения для кодинга и прироста производительности. Хотя они эффективны в зеленых проектах, качество резко падает в遗留 кодовых базах с тяжелыми зависимостями, сильным связыванием и техническим долгом. Модель придумывает несоответствующие написания концептов, пишет адаптеры, где они не нужны, или вызывает через где требуются адаптеры. Это происходит из-за путаницы и отсутствия общего языка в кодовой базе.

Проекты brownfield имеют две слои: техническая глубина и путаница ниже. Модель угадывает неправильно, потому что система не отвечает на ключевые вопросы. Готовость можно построить инкрементально. В начале инженерии программного обеспечения единственной проблемой была техническая долг. Команды доставляют быстро, платя Trade-offs. Обычный ответ — тратить 10-20% бюджета на чистку, но решение того, что менять, дорого, а реализация стала дешевой с LLMs.

Я разделяю авторство на стратегическую и тактическую работу. Стратегическая включает чтение системы, определение того, что нужно изменить, и обеспечение согласованности. Тактическая работа переносит решения в файлы. Стратегическая работа требует глубокого понимания системы; тактическая работа теперь выгодна. Я создаю проблемы GitHub для анализа кодовых баз в общем случае, затем решаю их с помощью ИИ-систем, использующих навыки и под-агенты. Навыки — это markdown-процедуры, обеспечивающие последовательное выполнение.

Ключевые сущности: Люди: John Ousterhout