AI-kodningsværktøjer - Udviklerens perspektiv

I andet bind af vores AI-fokuserede serie satte vi os ned med to Netminds-specialister for at høre om deres praktiske erfaringer med AI-kodningsassistenter. Mød Vitalii, en Senior Java/Python-ingeniør , og Roman, en Senior AQA-ingeniør - holdkammerater, der ikke kun bruger AI i deres daglige kodning og arbejdsgange, men også integrerer AI- og LLM-funktioner direkte i de softwareprodukter, de udvikler.

Jeg bruger ChatGPT og Augment Code i mit daglige arbejde, og de er blevet lige så vigtige for mig som mit IDE.

Augment Codes største styrke er dens dybe forståelse af projektkontekst, hvilket gør det muligt at håndtere gentagne, men vidt distribuerede ændringer i kodebasen med bemærkelsesværdig effektivitet. Denne funktion sparer ikke kun tid, men reducerer også risikoen for at gå glip af små, men vigtige opdateringer spredt på tværs af forskellige moduler. Et andet område, hvor Augment Code udmærker sig, er ved at forenkle processen med at skrive tests, hvilket gør testdækning til en langt mindre kedelig opgave. Jeg bruger også AI som brainstormingpartner – det er fantastisk til at finde alternative løsninger eller tilgange, jeg måske ikke ville have overvejet.

Selvfølgelig har jeg lært, at AI's output altid kræver et nyt kig på grund af "hallucinationer" - situationer, hvor den producerer overbevisende, men faktuelt forkerte eller irrelevante svar.

I mit nuværende projekt bygger vi også vores egne MCP-servere i Java og Python, der integreres direkte med vores tjenester og kan tilgås via LLM'er uden en dedikeret brugergrænseflade. Dette åbner op for spændende nye måder for teams at interagere med interne systemer, men det kommer med sine egne udfordringer. En væsentlig ulempe er behovet for at udarbejde en robust præprompt, da kvaliteten af ​​svarene i høj grad afhænger af dens klarhed.  

Samlet set ser jeg et enormt potentiale for AI-værktøjer inden for softwareudvikling og tror, ​​at de vil blive en standarddel af enhver udviklers værktøjskasse i den nærmeste fremtid.

Vitalii Fedyna, Senior Java/Python Engineer at Netminds 

Som automationsingeniør med 8 års erfaring har jeg opnået omfattende praktisk ekspertise med en række AI-drevne værktøjer, der understøtter både softwareudvikling og testautomatisering. Mit professionelle værktøjssæt inkluderer ChatGPT , Windows Copilot , Copilot til IntelliJ IDEA og AI-drevne automatiseringsplatforme som UiPath med AI , ChatUniTest og ACCELQ Autopilot .

Ud fra min erfaring er Windows Copilot et praktisk produktivitetsværktøj til hverdagsopgaver i Windows-økosystemet. Det hjælper med at strømline arbejdsgange og giver hurtig assistance, men når det kommer til avanceret problemløsning eller kontekstbevidst udvikling, halter det stadig bagefter i forhold til ChatGPT og nyere store sprogmodeller. 

I modsætning hertil skiller ChatGPT sig ud som et mere kraftfuldt værktøj til ræsonnement, kontekstuel forståelse og generering af løsninger af høj kvalitet ud over simpel opgaveudførelse. Tilsvarende er Copilot til IntelliJ IDEA nyttig i kodningsscenarier – især når man skifter mellem forskellige testprojekter – da det hjælper med at huske kontekst og fremskynder implementeringen.

Jeg har også udforsket AI-drevne testautomatiseringsløsninger som ChatUniTest og ACCELQ Autopilot , der sigter mod automatisk at generere og selvreparere testcases. Selvom disse værktøjer er lovende, mener jeg, at de stadig er i en tidlig modenhedsfase. På nuværende tidspunkt føles den genererede kode og den samlede brugervenlighed af disse platforme ofte ubelejlig og ineffektiv sammenlignet med mere etablerede tilgange.

Kort sagt har min erfaring vist mig, at selvom Windows Copilot er nyttigt til generel produktivitet, og Copilot til IntelliJ IDEA hjælper med opgaver på kodeniveau, leverer ChatGPT i øjeblikket den mest pålidelige og avancerede support til kompleks problemløsning. På den anden side er AI-drevne værktøjer til generering af testcases stadig under udvikling og endnu ikke klar til fuldt ud at erstatte traditionelle, velstrukturerede testautomatiseringspraksisser.

Roman Fedun, Senior AQA Engineer at Netminds 

AI har allerede sikret sig sin plads i udvikleres og testeres daglige opgaver. Men det virkelige spørgsmål er: hvad er det næste? Vil det blive en sand "holdkammerat", man ikke kan arbejde uden, eller forblive blot en praktisk assistent?

Hvad synes du - hvilken rolle vil AI spille i dit arbejde om et par år?