Većini programera ne treba još jedan alat za automatsko dovršavanje. Potrebna im je pomoć pri premošćivanju neurednih praznina između zadatka, baze koda, paketa testova, cjevovoda za implementaciju i ishoda okrenutog korisnicima. Tu AI agenti postaju zanimljivi.

AI agent nije jednostavno model koji odgovara na pitanje. To je sustav koji može protumačiti cilj, koristiti odobrene alate, promatrati rezultat i poduzeti sljedeći smislen korak unutar definiranih granica. U razvoju softvera to može značiti čitanje prijave problema, pronalaženje relevantnih datoteka, predlaganje zakrpe, pokretanje testova, sažimanje neuspjeha i otvaranje promjene spremne za pregled kako bi je čovjek mogao pregledati.

Važna riječ je kopilot. Koristan agent smanjuje trenje i proširuje kapacitet tima; ne uklanja potrebu za inženjerskom prosudbom. Najbolji rezultati dolaze kada timovi agente tretiraju kao sposobne, brze suradnike čiji rad i dalje mora odgovarati istim standardima dizajna, sigurnosti, testiranja i odgovornosti.

Od upita do radnog tijeka

Pomoćnik za razgovor obično je reaktivan: postavite pitanje, primite odgovor. Agent radi kroz radni tijek. Nosi ograničen cilj, ima pristup odabranom kontekstu i alatima te može koristiti povratne informacije za nastavak rada.

Razmotrite uobičajenu prijavu greške: “Sažetak naplate prikazuje netočan ukupni porez nakon ažuriranja količine.” Programer će možda morati reproducirati problem, pronaći put izračuna, pregledati nedavne promjene, dodati test koji ne prolazi, implementirati ispravak i objasniti rizik. Agent može pomoći u velikom dijelu mehaničke istrage, dok programer zadržava kontrolu nad donošenjem odluka.

Dobro osmišljen tijek mogao bi izgledati ovako:

1. Pročitajte prijavu problema i utvrdite nedostajuće pojedinosti za reprodukciju.
2. Pretražite repozitorij za kod izračuna poreza i ažuriranja količine.
3. Sažmite vjerojatni put izvršavanja i relevantne testove.
4. Predložite usmjereni test koji obuhvaća prijavljeno ponašanje.
5. Izradite nacrt minimalne zakrpe i pokrenite dopuštene naredbe za provjeru.
6. Predstavite diff, izlaz testova, pretpostavke i neriješena pitanja za pregled.

To je vrijednije od traženja od modela da “ispravi grešku” i nadanja najboljem. Agent ima jasan cilj, ograničeno okruženje i izričite kontrolne točke na kojima čovjek može intervenirati.

Gdje agenti stvaraju praktičnu prednost

Prvi snažni slučajevi upotrebe rijetko su dramatični. To su ponavljajući zadaci s mnogo konteksta koje iskusni inženjeri već znaju raditi, ali ih ne moraju svaki put obavljati ručno.

• Snalaženje u repozitoriju: mapiranje usluge, praćenje puta zahtjeva ili objašnjavanje kako konfiguracija dolazi do komponente.
• Održavanje testova: prepoznavanje netestiranih grana, izrada nacrta fixturea i ažuriranje tvrdnji nakon namjernih promjena ponašanja.
• Priprema za pregled koda: sažimanje promjene, uočavanje zahvaćenih sučelja i navođenje područja koja zaslužuju pažnju pregledavatelja.
• Operativna trijaža: organiziranje zapisnika, povezivanje upozorenja s nedavnim izdanjima i izrada sažete vremenske crte incidenta.
• Održavanje dokumentacije: pretvaranje provjerenih pojedinosti implementacije u napomene za postavljanje, operativne priručnike i sažetke izdanja.

Ovi zadaci imaju koristi od brzine, ali njihova je prava vrijednost dosljednost. Agent može svaki put slijediti ponovljiv kontrolni popis: pregledati promjenu, utvrditi ovisnosti, pokrenuti odobrene provjere i prijaviti dokaze. To stvara pouzdanije polazište za ljudski rad.

Postavite granice agentima prije nego što im date moć

Agent sa širokim pristupom i nejasnim uputama može mali zahtjev pretvoriti u rizičan eksperiment. Sigurniji je pristup njegove operativne granice učiniti vidljivima i prema zadanim postavkama uskim.

Definirajte cilj i točku zaustavljanja

“Istražite zašto ovaj test ne prolazi i prijavite najmanji vjerojatni ispravak” bolji je zadatak od “učinite da izgradnja prođe.” Prva izjava objašnjava cilj i zadržava točku odlučivanja. Druga može potaknuti agenta da oslabi tvrdnje, preskoči testove ili promijeni nepovezani kod samo da bi zadovoljio provjeru statusa.

Odvojite pristup za čitanje od pristupa za pisanje

Mnogi korisni zadaci za agente zahtijevaju samo pristup za čitanje: pretraživanje koda, pregledavanje zapisnika, uspoređivanje konfiguracije ili izradu sažetka za pregled. Dodijelite pristup za pisanje samo kada ga zadatak zahtijeva, a osjetljive sustave poput produkcijske infrastrukture, spremišta tajni i kontrola naplate držite izvan uobičajenog dosega agenta.

Tražite dokaze, a ne samopouzdanje

Uglancano objašnjenje nije dokaz. Zatražite od agenta da pokaže datoteke koje je promijenio, naredbe koje je pokrenuo, rezultate testova koje je promatrao i pretpostavke koje je napravio. Ako naredba nije uspjela, izvješće to treba jasno navesti umjesto da neuspjeh prikriva uvjerljivom pričom.

Zadatak: Dodajte regresijski test za problem 482.

Ograničenja:
- Nemojte mijenjati produkcijski kod.
- Koristite postojeće testne konvencije.
- Pokrenite samo naredbu za jedinični test dokumentiranu u repozitoriju.
- Zaustavite se ako ponašanje koje ne prolazi nije moguće reproducirati.
- Prijavite promijenjene datoteke, sažetak izlaza naredbe i otvorena pitanja.

Ovakva vrsta upute nije birokracija. Ona agentu daje definiciju uspjeha koja je usklađena s odgovornim inženjerstvom.

Kvaliteta konteksta važnija je od domišljatih upita

Agenti donose odluke na temelju konteksta koji mogu vidjeti. Ako repozitorij sadrži zastarjelu dokumentaciju, nejasno vlasništvo, nedosljedne testove ili skrivena pravila implementacije, agent će se susresti s istom dvosmislenošću kao novi član tima. Možda će tu dvosmislenost čak učiniti uvjerljivijom stvaranjem tečnog izlaza.

Timovi bi stoga trebali poboljšavati radno okruženje usporedno s agentom. Održavajte upute za izgradnju ažurnima. Dokumentirajte lokalne naredbe za provjeru. Pojasnite koji se direktoriji generiraju ili su nedostupni. Zabilježite vlasništvo nad uslugama i putove eskalacije. Održavajte testove koji opisuju važno ponašanje umjesto da samo jure pokrivenost.

Dobar kontekst također znači selektivan kontekst. Davanje agentu cijele interne baze znanja organizacije za mali zadatak u kodu nije automatski korisno. Može povećati šum, nepotrebno izložiti informacije i otežati provjeru rezultata. Osigurajte najmanje konteksta potrebnog za posao, a zatim ga proširite samo kada dokazi pokažu nedostatak.

Zadržite odgovornost ljudi za odluke koje su važne

Neki se inženjerski poslovi lako automatiziraju jer je željeni ishod uočljiv. Formatiranje koda, ažuriranje generiranih klijenata ili prikupljanje bilješki o izdanju često se mogu automatski provjeriti. Drugi poslovi ovise o kompromisima koji se ne mogu svesti na naredbu koja prolazi.

Arhitektura, sigurnosni položaj, zadržavanje podataka, korisničko iskustvo i strategija uvođenja zaslužuju izričito ljudsko vlasništvo. Agent može iznijeti mogućnosti i posljedice, ali ne bi trebao potajno odlučiti koje podatke korisnika zadržati, koje pravilo autorizacije ublažiti ili je li migraciju sigurno pokrenuti na aktivnom sustavu.

Praktično je pravilo jednostavno: što je veći radijus utjecaja i što je vraćanje teže, to bi put pregleda i odobrenja trebao biti snažniji. Agenti mogu ubrzati pripremu, ali ne bi trebali zamagliti odgovornost.

Mjerite usvajanje prema ishodima, a ne aktivnosti

Primamljivo je brojiti generirane retke koda, pokretanja agenata ili zatvorene zadatke. Te je brojke lako prikupiti i lako pogrešno protumačiti. Bolje je pitanje je li radni tijek postao sigurniji, brži, jasniji ili manje ometajući za ljude koji obavljaju posao.

Tražite konkretne pokazatelje: kraće vrijeme za razumijevanje promjene, manje ponavljajućih komentara pri pregledu, bržu reprodukciju nedostataka, potpuniju pokrivenost testovima oko ispravaka ili jasniju predaju tijekom incidenata. Također pratite negativne pokazatelje: veće diffove, neobjašnjene promjene ovisnosti, nestabilne testove ili pregledavatelje koji prestaju pažljivo čitati jer izlaz djeluje autoritativno.

Najproduktivniji timovi neće biti oni koji razvoj softvera predaju agentima. Bit će to oni koji redizajniraju rutinski rad oko sposobnog pomoćnika, zadrže promišljene ljudske kontrolne točke i postojano poboljšavaju sustave u kojima rade i ljudi i modeli.

AI agenti postaju novi sloj prednosti u razvoju softvera. Ako se koriste nepažljivo, mogu brže stvarati zbrku. Ako se koriste s jasnim ciljevima, pouzdanim alatima, uskim dozvolama i strogim pregledom, mogu programerima dati više vremena za rad koji i dalje najviše koristi od ljudskog uvida: odlučivanje o tome što treba izgraditi, zašto je to važno i kako to dobro izgraditi.