AI-kodningsværktøjer - Udviklerens perspektiv

I disse dage findes der snesevis, hvis ikke hundredvis, af AI-kodningsassistenter, der alle er designet til at gøre udvikleres liv lettere og fremskynde processen med at bygge softwaresystemer.

Reaktionerne på disse værktøjer er blandede. Nogle udviklere ser dem som kraftfulde ledsagere, der er i stand til at håndtere næsten enhver veldefineret opgave. Andre forbliver mere skeptiske og mener, at vi stadig er langt fra en verden domineret af maskiner.

For at udforske dette yderligere, har vi hos Netminds besluttet at lancere en række interviews med vores ledende ingeniører. De vil dele deres erfaringer med forskellige værktøjer og de reelle resultater, disse værktøjer kan levere – værdifuld indsigt for udviklere, der ikke har prøvet dem endnu. 

Denne artikel er den første i serien. Følg med for at få flere indsigter og erfaringer.

Det er ligesom en juniorudvikler, der rapporterer til dig .

Jeg har arbejdet med Copilot i Visual Studio (både kode og klassisk), og lidt efter lidt er det blevet en integreret del af min arbejdsrutine. Her er nogle af mine erfaringer fra praktisk brug af det. Jeg har brugt det til .NET-projekter skrevet i C# og til Terraform.  

Agenttilstand

En uvurderlig ting, der fremskynder refactoring til lysets hastighed. Andre gode eksempler på brug er, når du skal prototype noget eller udføre en triviel opgave som at tilføje felter til databasen og modeller på tværs af projekter. Men pas på, agenten bruger kontekst fra din løsning, så hvis du har en masse ældre eller "ildelugtende" kode, skal du være forberedt på suboptimale forslag til tilgange, som agenten forsøger. I sådanne situationer bør du være meget specifik med konteksttips, så den ved, hvordan koden skal se ud.

Systemtests

Copilot er normalt et godt værktøj til at tilføje nogle ekstra testcases til eksisterende tests, men hvis du beder den om at oprette tests fra bunden, kan resultaterne være suboptimale, og du kan ende med at bruge den samme mængde tid på at rette dem, som det ville tage at skrive dem i første omgang. Så tænk dig om en ekstra gang.

Forskellige modeller

Mens jeg eksperimenterede med forskellige modeller som Gemini , Claude og GPT, fandt jeg ud af, at Claude producerer de mest præcise resultater i både Ask- og Agent-tilstandene, men jeg opfordrer dig til at eksperimentere med dine opgaver; måske er den anden bedre til dine brugsscenarier. Det er virkelig et spørgsmål om trial and error.    

Forkerte svar

I den tid jeg har brugt Copilot, er jeg stødt på tilfælde med ugyldige forslag/svar fra Copilot. Dette sker normalt, når man laver research inden for et felt med en masse tvetydig terminologi eller software, der har mange versioner, og forskellige dokumentationsversioner er bare blevet blandet sammen i Copilots hjerne :). For at løse dette skal man igen bare prøve at være meget specifik i sine prompts. Men i nogle tilfælde er det stadig meget mere produktivt at besøge en dokumentationsside for et bibliotek eller software, man prøver at bruge.

Samlet følelse

At bruge Copilot i agenttilstand føles lidt som at have en personlig juniorudvikler ved siden af ​​dig. Du kan delegere nogle opgaver til den; nogle gange er resultaterne dårlige, men generelt hjælper det virkelig med at aflaste dig og giver dig mulighed for at fokusere på mere komplekse opgaver.

Mykola Piatkovskyi, Senior .NET Engineer at Netminds

AI-assistenter er overvurderede .

Jeg kan ikke benægte AI-assistenternes brugervenlighed, men ud fra min erfaring er de stadig ikke modne endnu. 

Jeg har aktivt testet Windsurf -kodningsassistenten de sidste 3 måneder, og den er virkelig god til at automatisere simple rutiner eller håndtere ligefremme opgaver. Men når man bruger den til lidt mere avancerede scenarier, har den en tendens til at tilnærme og gætte noget uden kontekst.   

Blandt de åbenlyse fordele vil jeg nævne, at det er fantastisk at have en chatfunktion indlejret i dit IDE, hvor du kan stille spørgsmål og få samlet viden fra internettet i et enkelt svar. Det er også ret godt til at tilføje kommentarer og dokumentation, foreslå variabelnavne, analysere JSON-filer, bygge modeller baseret på inputstrukturer (f.eks. DB-tabeller eller JSON-dokumenter), skrive simple enhedstests og genkende mønsteret i det, du laver, og tilbyde at fortsætte på samme måde. 

Men tilbage til mit oprindelige citat - hvorfor "er de overvurderede"? Når man først har prøvet nogle lidt komplicerede scenarier, mislykkes det for det meste. Hvis jeg beder den om at refaktorere noget forretningslogik, får det koden til at se pæn ud, men den virker ofte ikke længere. Windsurf reklamerer med, at den analyserer projektet for at få en bedre kontekst, men når den forsøger at foreslå, hvordan man afslutter det, man er startet på, vil den opfinde felter, der allerede findes (bare navngivet lidt anderledes) eller stole på ting, der aldrig har været der. Så for det meste, selvom forslaget ser legitimt ud, skal du, når du først har accepteret det, normalt justere og rette det for at få det til at virke.

Sjov fakta:  Som bruger af ReSharper-udvidelsen til Visual Studio sammen med Windsurf-udvidelsen, bemærker jeg, at de konstant skændes om, hvem der må komme med forslag, hvilket ofte er i konflikt med hinanden og gør begge forslag ubrugelige.

Yaroslav Pohlod, Senior .NET Engineer, Team Lead at Netminds

Fra og med 3. kvartal 2025 er kunstig intelligens støt ved at vinde sin vej ind i arbejdsgange hos virksomheder på tværs af alle brancher. For IT-branchen er dens rolle for nuværende fortsat stort set støttende: AI kan lette softwareudvikleres arbejdsbyrder, fremskynde rutineopgaver og tilbyde frisk indsigt. Det kræver dog klar vejledning og omhyggelig overvågning for at levere resultater af virkelig høj kvalitet. Om seks til tolv måneder kan billedet dog se meget anderledes ud.

Hvad synes du? Har dine oplevelser med AI-assistenter været ens eller helt anderledes? Del dine tanker i kommentarerne nedenfor.