7 étapes pour maîtriser le codage de l’ambiance

Image de l’auteur | Chatte

De tous les mots à la mode à émerger de l’explosion récente de l’intelligence artificielle, le « codage d’ambiance » pourrait être le plus évocateur et le plus polarisant. Inventée par AI luminaire Andrej Karpathy, le terme capture parfaitement le sentiment d’un nouveau paradigme de programmation: un où les développeurs peuvent simplement exprimer une idée, une «ambiance» et regarder une IA la traduit en logiciel fonctionnel. Il suggère un avenir où le frottement entre le concept et la création est lissé par des algorithmes intelligents.

C’est une perspective puissante et excitante. Pour les nouveaux arrivants, il représente une faible barrière sans précédent à l’entrée. Pour les développeurs chevronnés, il promet d’accélérer le prototypage et d’automatiser le code de chauffeur fastidieux. Mais qu’est-ce que cela signifie maître Cette approche naissante? Si l’ambiance est tout ce dont vous avez besoin, il reste-t-il quelque chose à maîtriser?

La vérité est que la maîtrise du codage d’ambiance ne consiste pas à apprendre à écrire des invites plus paresseuses. Au lieu de cela, il s’agit d’évoluer d’un destinataire passif du code généré par l’AI en un conducteur qualifié de développement alimenté par l’IA. C’est un voyage de simplement « vibrer » à la collaboration stratégiquement avec un partenaire incroyablement puissant, mais parfois imparfait,.

Ce guide décrit, en sept étapes, ce qui est nécessaire pour transformer votre utilisation de l’ambiance codant d’une nouveauté amusante en superpuissance professionnelle.

Étape 1: Embrassez « l’ambiance » comme point de départ

Avant de pouvoir maîtriser le codage d’ambiance, vous devez d’abord l’embrasser. L’expérience initiale et quasi magique de la rédaction d’une simple invite et de la réception d’un logiciel de travail (si vous avez tellement de chance lors de votre première tentative) est le fondement de toute cette pratique. Ne le réduisez pas et ne vous précipitez pas après cette étape; Utilisez-le comme un bac à sable créatif. Pensez à une application Web simple, à un script de visualisation de données ou à un court script utilitaire, et invitez votre IA de choix pour la créer. Cette phase initiale est cruciale pour comprendre le potentiel brut et les limites inhérentes de la technologie.

Dans cette étape, votre objectif est d’avoir une idée de ce qui fonctionne et de ce qui ne fonctionne pas. Vous découvrirez rapidement que de larges invites vagues comme « Build Me a Social Media Site » échoueront de façon spectaculaire. Cependant, une invite plus contenue comme « Créer une application Python Flask avec une seule page qui a une zone de texte et un bouton; lorsque le bouton est cliqué, affichez le texte dans tous les capuchons en dessous » aura une bien meilleure chance de réussir. Cette phase d’expérimentation vous apprend l’art du possible et vous aide à construire une intuition pour l’échelle et la spécificité que les modèles d’IA d’aujourd’hui peuvent gérer efficacement. Traitez cela comme votre phase de prototypage, un moyen d’obtenir de zéro à un avec une vitesse sans précédent.

Vous pouvez également vérifier Cet aperçu d’ambiance codant pour plus d’informations préliminaires.

Étape 2: Cultivez l’ingénierie rapide comme discipline

Une fois que vous avez dépassé la nouveauté initiale, la prochaine étape vers la maîtrise est de traiter la création rapide non pas comme une «ambiance» décontractée, mais comme une discipline d’ingénierie délibérée. La qualité de votre sortie est (au moins, théoriquement) directement proportionnelle à la qualité de votre entrée. Un maître du développement assisté par l’IA comprend qu’une invite bien conçue est comme une fiche de spécification détaillée fournie à un développeur junior. Il doit être clair, spécifique et sans ambiguïté.

Cela signifie aller au-delà des commandes à une seule sensation. Commencez à structurer vos invites avec des sections distinctes: définissez l’objectif, énumérez les exigences de base, spécifiez les technologies et les bibliothèques à utiliser et fournissez des exemples d’entrée et de sortie souhaitée. Par exemple, au lieu de « écrire une fonction pour nettoyer les données », une invite plus disciplinée serait la suivante:

Écrivez une fonction Python à l’aide de la bibliothèque Pandas appelée `Clean_dataframe`. Il doit accepter un DataFrame en entrée. La fonction doit effectuer les actions suivantes dans l’ordre:

1. Déposez toutes les lignes avec plus de deux valeurs manquantes.
2. Pour la colonne «Age», remplissez les valeurs manquantes restantes avec l’âge médian.
3. Pour la colonne «catégorie», remplissez toutes les valeurs manquantes avec la chaîne «inconnue».
4. Renvoyez le Nettrated DataFrame.

Ce niveau de détail transforme l’IA d’un devineur en un outil guidé.

Une approche de la définition des exigences pour le codage des ambiances consiste à utiliser un modèle de langue pour aider à produire un document d’exigences de production (PRD). Ce PRD est essentiellement une version étoffée de ce qui est suggéré dans l’invite ci-dessus, et si vous connaissez l’ingénierie logicielle ou la gestion des produits, vous connaissez probablement déjà un PRD.

Étape 3: passer de la génération à la conversation

Une erreur courante consiste à traiter le codage de l’ambiance comme une seule transaction monolithique: une invite, un dernier bloc de code. La maîtrise nécessite un changement fondamental dans cet état d’esprit – de la génération à la conversation. Votre partenaire de codage AI n’est pas un oracle; C’est un outil interactif. Le flux de travail le plus efficace est itératif et incrémentiel, décomposant un gros problème en une série de dialogues plus petits et gérables. Au lieu de demander à l’IA de créer une application entière à la fois, guidez-la dans le processus.

Par exemple, vous pouvez commencer par lui demander de générer l’échafaudage du projet et la structure du répertoire. Ensuite, invitez-le à écrire le code du chauffeur pour le point d’entrée principal. Ensuite, passez à la génération de fonctions individuelles, une à la fois. Après avoir généré une fonction, demandez-lui d’écrire des tests unitaires pour cette fonction spécifique. Cette approche conversationnelle donne non seulement un meilleur code plus précis, mais rend également le processus beaucoup plus gérable. Il vous permet d’inspecter, de vérifier et de corriger la sortie de l’IA à chaque étape, en veillant à ce que le projet reste sur la bonne voie et s’aligne sur votre vision.

N’oubliez pas: vous ne voulez pas que un modèle génére du code pour vous qui est essentiellement une boîte noire. Si vous en faites un processus interactif comme indiqué ci-dessus, vous aurez une bien meilleure compréhension du code, comment cela fonctionne et où chercher si et quand quelque chose ne va pas. Manque de ces idées, à quoi bon avoir un morceau de code généré par l’IA?

Étape 4: Vérification maître et tests rigoureux

L’étape la plus critique dans l’obtention du diplôme du codeur d’ambiance amateur à un professionnel est d’adopter le mantra: « Ne faites pas confiance, vérifiez. » Le code généré par l’AI, en particulier à partir d’une ambiance simple, est notoirement sujet aux bogues subtils, aux vulnérabilités de sécurité et à la logique « hallucinée » qui semble plausible mais qui est fondamentalement incorrecte. Accepter et exécuter du code sans comprendre et le tester pleinement est une recette de dette technique et de catastrophe potentielle.

La maîtrise dans ce contexte signifie que votre rôle de développeur se déplace fortement vers celui d’un expert en assurance de la qualité. L’IA peut générer du code à une vitesse incroyable, mais vous êtes le gardien ultime de la qualité. Cela implique plus que l’exécution du code pour voir si cela lance une erreur. Cela signifie lire chaque ligne pour comprendre sa logique. Cela signifie rédiger votre propre suite complète de tests unitaires, des tests d’intégration et des tests de bout en bout pour valider son comportement dans diverses conditions. Votre valeur n’est plus uniquement dans l’écriture du code, mais en garantissant l’exactitude, la sécurité et la robustesse du code produit par l’IA.

À partir de ce moment, si vous utilisez du code généré par AI et les outils qui permettent sa génération, vous gérez un développeur junior ou une équipe de développeurs juniors. Traitez l’intégralité du processus de codage de l’ambiance comme tel.

Étape 5: Apprenez à «parler» le code que vous vibe

Vous ne pouvez pas vérifier efficacement ce que vous ne pouvez pas comprendre. Alors que le codage d’ambiance ouvre la porte pour les non-programmaires, la véritable maîtrise vous oblige à apprendre la langue que dit l’IA. Cela ne signifie pas que vous devez être en mesure d’écrire chaque algorithme à partir de zéro, mais vous devez développer la possibilité de lire et de comprendre le code génère par l’IA. C’est peut-être l’écart le plus important de la définition occasionnelle du codage de l’ambiance.

Utilisez la sortie de l’IA comme outil d’apprentissage. Lorsqu’il génère du code à l’aide d’une bibliothèque ou d’un motif de syntaxe que vous ne connaissez pas, ne l’acceptez pas seulement. Demandez à l’IA d’expliquer cette partie spécifique du code. Recherchez la documentation des fonctions qu’il a utilisées. Ce processus crée une boucle de rétroaction puissante: l’IA vous aide à produire du code, et le code qu’elle produit vous aide à devenir un meilleur programmeur. Au fil du temps, cela réduit l’écart entre votre intention et votre compréhension, vous permettant de déboguer, de refacter et d’optimiser le code généré en toute confiance. Vous améliorerez également vos compétences d’interaction pour votre prochain projet de codage d’ambiance.

Étape 6: Intégrez l’IA dans une chaîne d’outils professionnelle

Le codage d’ambiance dans une interface de chat basée sur le Web est une chose; Le développement de logiciels professionnels en est un autre. La maîtrise de cette compétence signifie intégrer l’assistance IA de manière transparente dans votre chaîne d’outils existante et robuste. Le développement moderne repose sur une suite d’outils pour le contrôle des versions, la gestion des dépendances, la conteneurisation et l’intégration continue. Un flux de travail efficace assisté par l’IA doit compléter, pas le contournement, ces systèmes. En fait, certains de ces outils sont maintenant plus importants que jamais.

Cela signifie utiliser des outils d’IA directement dans votre environnement de développement intégré (IDE) – que ce soit le copilote GitHub dans le code vs, les gemini en void ou une autre pile entièrement – où il peut fournir des suggestions de contexte. Cela signifie demander à votre IA de générer un Dockerfile pour votre nouvelle application ou un docker-compose.yml dossier pour votre architecture multi-services. Vous pouvez l’inviter à rédiger des messages Git Commit qui suivent les normes conventionnelles ou générer de la documentation au format Markdown pour le fichier de réadme de votre projet. En intégrant l’IA dans votre environnement professionnel, il cesse d’être un générateur de nouveauté et devient un multiplicateur de productivité puissant et intégré. De cette façon, vous apprendrez rapidement quand et quand ne pas utiliser ces outils et dans quelles situations, ce qui vous fera gagner du temps et vous rendra encore plus productif à long terme.

Étape 7: Développer une vision architecturale et une surveillance stratégique

C’est l’étape finale et la plus cruciale. Une IA peut écrire une fonction, une classe ou même une petite application. Ce qu’il ne peut pas faire, du moins pas encore, est de posséder une véritable vision architecturale. Il ne comprend pas les compromis à long terme entre les différentes conceptions de systèmes. Il ne saisit pas les exigences commerciales subtiles qui dictent pourquoi un système devrait être évolutif, maintenable ou hautement sécurisé. C’est là que le maître humain offre le plus de valeur.

Votre rôle transcende celui d’un codeur pour devenir celui d’un architecte et d’un stratège. Vous êtes celui qui conçoit le système de haut niveau, définit les microservices, prévoit le schéma de base de données et établit les protocoles de sécurité. Vous fournissez la grande vision et vous utilisez l’IA comme un outil hyper efficace pour implémenter les composantes bien définies de cette vision. L’IA peut construire les briques à une vitesse étonnante, mais vous êtes celui qui conçoit la cathédrale. Cette surveillance stratégique est ce qui sépare un codeur simple d’un véritable ingénieur et garantit que le produit final n’est pas seulement fonctionnel, mais aussi robuste, évolutif et construit pour durer.

Conclusion

Le codage du voyage vers la maîtrise de l’ambiance est, en substance, un voyage de maîtrise une nouvelle forme de collaboration. Il commence par l’étincelle simple et créative de la traduction d’une « ambiance » en réalité et progresse à travers la discipline, la vérification et la compréhension profonde. En fin de compte, il se termine dans un partenariat stratégique où l’humain fournit la vision et l’IA fournit la vitesse.

La montée du codage de l’ambiance ne signale pas la fin du programmeur. Il signale plutôt une évolution du rouleau du programmeur, loin des minuties de la syntaxe et vers les domaines les plus critiques de l’architecture, de l’assurance qualité et de la conception stratégique. En suivant ces sept étapes, vous pouvez vous assurer que vous n’êtes pas remplacé par cette nouvelle vague de technologie, mais que vous êtes plutôt habilité par celui-ci, devenant un développeur plus efficace et plus précieux à l’ère de l’intelligence artificielle.

Matthew Mayo (@ Mattmayo13) est titulaire d’une maîtrise en informatique et d’un diplôme d’études supérieures en exploration de données. En tant que rédacteur en chef de Kdnuggets & Statologieet rédacteur en chef à Maîtrise de l’apprentissage automatiqueMatthew vise à rendre les concepts de science des données complexes accessibles. Ses intérêts professionnels incluent le traitement du langage naturel, les modèles de langue, les algorithmes d’apprentissage automatique et l’exploration de l’IA émergente. Il est motivé par une mission pour démocratiser les connaissances dans la communauté des sciences des données. Matthew est codant depuis l’âge de 6 ans.