SST ತಂಡದ ಹೊಸ ಟರ್ಮಿನಲ್-ನೇಟಿವ್ AI ಕೋಡಿಂಗ್ ಅಸಿಸ್ಟೆಂಟ್ ಆದ OpenCode, ಡೆವಲಪರ್‌ಗಳು ತಮ್ಮ ನೆಚ್ಚಿನ ಎಡಿಟರ್‌ಗಳನ್ನು ಬಳಸಿಕೊಳ್ಳುತ್ತಲೇ ಕೋಡ್ ಜನರೇಷನ್, ರಿಫ್ಯಾಕ್ಟರಿಂಗ್ ಮತ್ತು ಡಿಪೆಂಡೆನ್ಸಿ ಮ್ಯಾನೇಜ್‌ಮೆಂಟ್‌ಗಾಗಿ ಯಾವುದೇ ದೊಡ್ಡ ಲಾರ್ಜ್ ಲ್ಯಾಂಗ್ವೇಜ್ ಮಾಡೆಲ್ (LLM) ಅನ್ನು ಬಳಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. TypeScript ಮತ್ತು Python ಕೋಡ್‌ಬೇಸ್‌ಗಳ ಮೇಲೆ ನಡೆಸಿದ ಎರಡು ವಾರಗಳ ಪ್ರಯೋಗದಲ್ಲಿ, ಈ ಟೂಲ್ ಯಾವುದೇ ಮ್ಯಾನುಯಲ್ ಎಡಿಟ್‌ಗಳಿಲ್ಲದೆ ಕ್ರಾಸ್-ಕಂಪೊನೆಂಟ್ React hook ನಮಕರಣವನ್ನು (rename) ಪೂರ್ಣಗೊಳಿಸಿತು, ಕೆಲಸ ಮಾಡುವ pytest ಫೈಲ್‌ಗಳನ್ನು ಜನರೇಟ್ ಮಾಡಿತು ಮತ್ತು npm ಪ್ಯಾಕೇಜ್‌ಗಳನ್ನು ಅಪ್‌ಡೇಟ್ ಮಾಡಿತು, ಇದರಿಂದ ತಂಡದ ಸ್ಪ್ರಿಂಟ್‌ನಿಂದ ಸುಮಾರು ಒಂದು ಗಂಟೆಯ ಕೆಲಸ ಉಳಿತಾಯವಾಯಿತು.

ಟರ್ಮಿನಲ್-ಫಸ್ಟ್ AI ಏಕೆ ಮುಖ್ಯ

ದಿನದ ಹೆಚ್ಚಿನ ಸಮಯವನ್ನು ಶೆಲ್‌ನಲ್ಲಿ (shell) ಕಳೆಯುವ ಡೆವಲಪರ್‌ಗಳು, ಸಂದರ್ಭದ ಬದಲಾವಣೆಯನ್ನು (context switch) ಬಯಸುವ IDE-ಕೇಂದ್ರಿತ AI ಎಕ್ಸ್‌ಟೆನ್ಶನ್‌ಗಳನ್ನು ನೋಡಿ ಅಸಮಾಧಾನ ವ್ಯಕ್ತಪಡಿಸುತ್ತಾರೆ. OpenCode ಪ್ರಾಜೆಕ್ಟ್ ಫೋಲ್ಡರ್‌ನ ಒಳಗೇ ಒಂದು ಸರಳ ಕಮಾಂಡ್-ಲೈನ್ ಪ್ರಕ್ರಿಯೆಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ, ಫೈಲ್‌ಗಳನ್ನು ಓದುವ ಮತ್ತು ಬರೆಯುವ, ಶೆಲ್ ಕಮಾಂಡ್‌ಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಮತ್ತು ಟೆಸ್ಟ್ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುವ ಕೆಲಸವನ್ನು ಮಾಡುತ್ತದೆ—ಇವೆಲ್ಲವೂ ಟರ್ಮಿನಲ್ ಬಿಟ್ಟು ಹೊರಬರದೆ ಸಾಧ್ಯವಾಗುತ್ತದೆ. ಈ ವಿನ್ಯಾಸವು ವೇಗ, ಪುನರಾವರ್ತಿಸುವಿಕೆ (reproducibility) ಮತ್ತು ತಮ್ಮ ಸಾಮಾನ್ಯ ಬಿಲ್ಡ್ ಟೂಲ್‌ಗಳ ಜೊತೆಗೆ AI ಕ್ರಿಯೆಗಳನ್ನು ಸ್ಕ್ರಿಪ್ಟ್ ಮಾಡುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಗೌರವಿಸುವ ಟರ್ಮಿನಲ್-ಫಸ್ಟ್ ಎಂಜಿನಿಯರ್‌ಗಳ ಬೆಳೆಯುತ್ತಿರುವ ಗುಂಪನ್ನು ಗುರಿಯಾಗಿಸಿಕೊಂಡಿದೆ.

ಈ ಮ್ಯಾಜಿಕ್ ಹಿಂದಿನ ಕಾರ್ಯವಿಧಾನ

  1. ಗುರಿ ಇನ್‌ಪುಟ್ (Goal input) – ಬಳಕೆದಾರರು "rename the useData hook in all components" ನಂತಹ ಸರಳ ಇಂಗ್ಲಿಷ್ ವಿನಂತಿಯನ್ನು ಟೈಪ್ ಮಾಡುತ್ತಾರೆ.
  2. ಯೋಜನಾ ಹಂತ (Planning phase) – ಏಜೆಂಟ್ ಹಂತ-ಹಂತದ ಯೋಜನೆಯನ್ನು ಸಿದ್ಧಪಡಿಸಿ ಬಳಕೆದಾರರಿಗೆ ತೋರಿಸುತ್ತದೆ.
  3. ಅನುಮೋದನೆ ಮತ್ತು ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆ (Approval & execution) – ಬಳಕೆದಾರರು ಅನುಮೋದಿಸಿದ ನಂತರ, ಏಜೆಂಟ್ ಹಂತಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುತ್ತದೆ, ಕೋಡ್ ಸಲಹೆಗಳಿಗಾಗಿ ಆಯ್ದ LLM ಅನ್ನು ಕರೆಯುತ್ತದೆ, ಫೈಲ್ ಸಿಸ್ಟಮ್‌ಗೆ ಬದಲಾವಣೆಗಳನ್ನು ಬರೆಯುತ್ತದೆ ಮತ್ತು ಪ್ರತಿ ಮಾರ್ಪಾಡನ್ನು ಪರಿಶೀಲಿಸಲು ಪ್ರಾಜೆಕ್ಟ್‌ನ ಟೆಸ್ಟ್ ಸುಯಿಟ್ ಅನ್ನು ರನ್ ಮಾಡುತ್ತದೆ.

ಏಜೆಂಟ್ ಟೆಸ್ಟ್ ಫೀಡ್‌ಬ್ಯಾಕ್ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿರುವುದರಿಂದ, ಇದು ವೇಗವಾದ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹ ಸ್ವಯಂಚಾಲಿತ ಟೆಸ್ಟ್‌ಗಳನ್ನು ಹೊಂದಿರುವ ಪ್ರಾಜೆಕ್ಟ್‌ಗಳೊಂದಿಗೆ ಉತ್ತಮವಾಗಿ ಕೆಲಸ ಮಾಡುತ್ತದೆ. ಈ ಟೂಲ್ ಎಂದಿಗೂ ಆಟೋ-ಕಮಿಟ್ ಮಾಡುವುದಿಲ್ಲ; ಬದಲಾವಣೆಗಳನ್ನು ಪರಿಶೀಲಿಸಲು ಅಥವಾ ಹಿಂದಕ್ಕೆ ಪಡೆಯಲು (revert) ಡೆವಲಪರ್‌ಗಳು Git ಅನ್ನು ಬಳಸಲೇಬೇಕು, ಇದು ಸುರಕ್ಷತಾ ಜಾಲವನ್ನು ಕಾಯ್ದುಕೊಳ್ಳುತ್ತದೆ.

ನಾವು ಪರೀಕ್ಷಿಸಿದ ನೈಜ-ಪ್ರಪಂಚದ ವರ್ಕ್‌ಫ್ಲೋಗಳು

  • ಕೋಡ್‌ಬೇಸ್‌ನಾದ್ಯಂತ ರಿಫ್ಯಾಕ್ಟರಿಂಗ್ – OpenCode ಹನ್ನೊಂದು ಕಂಪೊನೆಂಟ್‌ಗಳಲ್ಲಿ React hook ಅನ್ನು ಮರುನಾಮಕರಣ ಮಾಡಿತು, ಎಲ್ಲಾ ಇಂಪೋರ್ಟ್ ಸ್ಟೇಟ್‌ಮೆಂಟ್‌ಗಳನ್ನು ಅಪ್‌ಡೇಟ್ ಮಾಡಿತು ಮತ್ತು ಟೆಸ್ಟ್ ಸುಯಿಟ್ ಅನ್ನು ಮರು-ಚಲಾಯಿಸಿತು.
  • ಟೆಸ್ಟ್ ಸ್ಕ್ಯಾಫೋಲ್ಡಿಂಗ್ ಜನರೇಟ್ ಮಾಡುವುದು – ಒಂದು Python ಪ್ರಾಜೆಕ್ಟ್‌ನಲ್ಲಿ, ಅಸಿಸ್ಟೆಂಟ್ ಮೊದಲ ಪ್ರಯತ್ನದಲ್ಲೇ ಪಾಸಾದ pytest ಫೈಲ್‌ಗಳನ್ನು ರಚಿಸಿತು. ಟೆಸ್ಟ್‌ಗಳನ್ನು ಮ್ಯಾನುಯಲ್ ಆಗಿ ಬರೆಯುವುದಕ್ಕೆ ಹೋಲಿಸಿದರೆ ಸುಮಾರು ಒಂದು ಗಂಟೆ ಉಳಿತಾಯವಾಯಿತು ಎಂದು ತಂಡ ಅಂದಾಜಿಸಿದೆ.
  • ಡಿಪೆಂಡೆನ್ಸಿ ಹೈಜೀನ್ (Dependency hygiene) – ಏಜೆಂಟ್ npm audit ವರದಿಯನ್ನು ವಿಶ್ಲೇಷಿಸಿತು, ದುರ್ಬಲ ಪ್ಯಾಕೇಜ್‌ಗಳನ್ನು ಅಪ್‌ಗ್ರೆಡ್ ಮಾಡಿತು ಮತ್ತು ಬ್ರೇಕಿಂಗ್ ಚೇಂಜಸ್‌ಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಟೆಸ್ಟ್‌ಗಳನ್ನು ಮರು-ಚಲಾಯಿಸಿತು.

ಓಪನ್ ಸೋರ್ಸ್ vs ಕ್ಲೋಸ್ಡ್ ಪರ್ಯಾಯಗಳು

Anthropic ನ ಮಾಡೆಲ್‌ಗಳಿಗಾಗಿ ನಿರ್ಮಿಸಲಾದ ಪ್ರೊಪ್ರೈಟರಿ ಅಸಿಸ್ಟೆಂಟ್ ಆದ Claude Code, ತಕ್ಷಣವೇ ಕೆಲಸ ಮಾಡುತ್ತದೆ ಆದರೆ ಬಳಕೆದಾರರನ್ನು ಒಂದೇ ವೆಂಡರ್‌ಗೆ ಸೀಮಿತಗೊಳಿಸುತ್ತದೆ. OpenCode ನ ಓಪನ್-ಸೋರ್ಸ್ ಸ್ವಭಾವವು OpenAI API ಫಾರ್ಮ್ಯಾಟ್ ಅನ್ನು ಬಳಸುವ ಯಾವುದೇ LLM ಅನ್ನು ಬದಲಾಯಿಸಲು ಅವಕಾಶ ನೀಡುತ್ತದೆ—ಅಂದರೆ OpenAI, Google, DeepSeek ಅಥವಾ Ollama ಮೂಲಕ ನೀಡಲಾಗುವ ಲೋಕಲ್ ಮಾಡೆಲ್‌ಗಳನ್ನು ಬಳಸಬಹುದು. ದಿನನಿತ್ಯದ ಕೆಲಸಗಳಿಗಾಗಿ, ತಂಡಗಳು ಅಗ್ಗದ, ಆನ್-ಪ್ರೆಮಿಸ್ ಮಾಡೆಲ್‌ಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡಿಕೊಳ್ಳಬಹುದು, ಇದು ಡೇಟಾ ಮತ್ತು ಮಾಡೆಲ್ ಅಪ್‌ಡೇಟ್‌ಗಳ ಮೇಲೆ ಸಂಪೂರ್ಣ ನಿಯಂತ್ರಣವನ್ನು ಕಾಯ್ದುಕೊಳ್ಳುತ್ತಲೇ ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.

ನಮ್ಯತೆಯ ಬೆಲೆ

ಇಲ್ಲಿನ ಹೊಂದಾಣಿಕೆ (trade-off) ಕಾನ್ಫಿಗರೇಶನ್ ಆಗಿದೆ. Claude Code ತಕ್ಷಣವೇ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ; ಆದರೆ OpenCode ಗೆ ಏಜೆಂಟ್ ಯಾವ ಫೈಲ್‌ಗಳು ಅಥವಾ ಡೈರೆಕ್ಟರಿಗಳನ್ನು ಪರಿಗಣಿಸಬೇಕು ಎಂದು ಪಟ್ಟಿ ಮಾಡುವ CONTEXT.md ಫೈಲ್ ಅಗತ್ಯವಿದೆ. ಈ ಫಿಲ್ಟರ್ ಇಲ್ಲದಿದ್ದರೆ, ಮಾಡೆಲ್ ಬಿಲ್ಡ್ ಆರ್ಟಿಫ್ಯಾಕ್ಟ್‌ಗಳು ಅಥವಾ node_modules ಮೇಲೆ ಟೋಕನ್‌ಗಳನ್ನು ವ್ಯರ್ಥ ಮಾಡುತ್ತದೆ, ಇದರಿಂದ API ವೆಚ್ಚ ಹೆಚ್ಚಾಗುತ್ತದೆ ಮತ್ತು ಔಟ್‌ಪುಟ್ ಅಸ್ಪಷ್ಟವಾಗುತ್ತದೆ. ನಮ್ಮ ಪರೀಕ್ಷೆಗಳಲ್ಲಿ, ಪ್ರಾಜೆಕ್ಟ್ ನಿಯಮಗಳೊಂದಿಗೆ CONTEXT.md ಫೈಲ್ ಅನ್ನು ಸೇರಿಸುವುದು ಗುಣಮಟ್ಟವನ್ನು ಗಣನೀಯವಾಗಿ ಸುಧಾರಿಸಿತು.

ಗಮನಿಸಿದ ಇತರ ಅನಾನುಕೂಲಗಳು:

  • ಪೋಲಿಶ್ (Polish) – Cursor ನ ಸ್ಲಿಕ್ ಪ್ಯಾನಲ್‌ಗಳು ಅಥವಾ Claude Code ನ ಇನ್‌ಲೈನ್ ಸಲಹೆಗಳಿಗೆ ಹೋಲಿಸಿದರೆ ಕಮಾಂಡ್-ಲೈನ್ UI ಸ್ವಲ್ಪ ಕಚ್ಚಾ ಅನುಭವ ನೀಡುತ್ತದೆ.
  • ವೇಗ – ಪ್ರತಿ ಹಂತಕ್ಕೂ ಟೂಲ್ ಪೂರ್ಣ LLM ವಿನಂತಿಯನ್ನು ರನ್ ಮಾಡುತ್ತದೆ ಮತ್ತು ನಂತರ ಪ್ರಾಜೆಕ್ಟ್‌ನ ಟೆಸ್ಟ್ ಸುಯಿಟ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವುದರಿಂದ, ಎಡಿಟರ್‌ನ ಒಳಗೇ ಎಡಿಟ್ ಮಾಡುವ ಎಡಿಟರ್‌ಗಳಿಗಿಂತ ಇದರ ಕಾರ್ಯನಿರ್ವಹಣೆ ಸ್ವಲ್ಪ ನಿಧಾನವಾಗಿರುತ್ತದೆ.
  • ಸೆಟಪ್ ಓವರ್‌ಹೆಡ್ – ತಂಡಗಳು ಒಂದು ಮಾಡೆಲ್ ಅನ್ನು ನಿರ್ಧರಿಸಬೇಕು, API ಕೀಗಳನ್ನು ಕಾನ್ಫಿಗರ್ ಮಾಡಬೇಕು ಮತ್ತು ಕಾನ್ಟೆಕ್ಸ್ಟ್ ಫೈಲ್ ಅನ್ನು ನಿರ್ವಹಿಸಬೇಕು, ಇದು ಆರಂಭಿಕ ಅಡಚಣೆಯನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ.

ಯಾರು ಪ್ರಯೋಜನ ಪಡೆಯಬಹುದು

  • ಗೌಪ್ಯತೆಗೆ ಆದ್ಯತೆ ನೀಡುವ ತಂಡಗಳು – ಮಾಡೆಲ್‌ಗಳನ್ನು ಸ್ಥಳೀಯವಾಗಿ (locally) ಹೋಸ್ಟ್ ಮಾಡುವ ಸಂಸ್ಥೆಗಳು ತಮ್ಮ ಪ್ರೊಪ್ರೈಟರಿ ಕೋಡ್ ಅನ್ನು ಬಾಹ್ಯ ಸೇವೆಗಳಿಂದ ದೂರವಿಡಬಹುದು.
  • ಟರ್ಮಿನಲ್ ಉತ್ಸಾಹಿಗಳು – ಈಗಾಗಲೇ ತಮ್ಮ ವರ್ಕ್‌ಫ್ಲೋ ಅನ್ನು ಸ್ಕ್ರಿಪ್ಟ್ ಮಾಡುವ ಎಂಜಿನಿಯರ್‌ಗಳಿಗೆ CLI ಇಂಟಿಗ್ರೇಷನ್ ಸುಲಭವಾಗಿ ಕಂಡುಬರುತ್ತದೆ.
  • ಬಜೆಟ್ ಬಗ್ಗೆ ಕಾಳಜಿ ಇರುವ ಡೆವಲಪರ್‌ಗಳು – ಸರಳ ಎಡಿಟ್‌ಗಳಿಗಾಗಿ ಅಗ್ಗದ ಮಾಡೆಲ್‌ಗಳಿಗೆ ಬದಲಾಯಿಸುವ ಸಾಮರ್ಥ್ಯವು ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡಬಹುದು.

ಯಾರು ಇದನ್ನು ಬಿಟ್ಟುಬಿಡಬಹುದು

  • ಯಾವುದೇ ಸೆಟಪ್ ಬಯಸದವರು – ಯಾವುದೇ ಕಾನ್ಫಿಗರೇಶನ್ ಇಲ್ಲದೆ ತಕ್ಷಣದ ಅಸಿಸ್ಟೆಂಟ್ ಬಯಸುವ ಡೆವಲಪರ್‌ಗಳು Claude Code ಅಥವಾ ಇತರ IDE ಪ್ಲಗಿನ್‌ಗಳತ್ತ ವಾಲಬಹುದು.
  • IDE-ಕೇಂದ್ರಿತ ಬಳಕೆದಾರರು – ಟೈಪ್ ಮಾಡುವಾಗ ಇನ್‌ಲೈನ್ ಸಲಹೆಗಳನ್ನು ಇಷ್ಟಪಡುವವರಿಗೆ ಟರ್ಮಿನಲ್‌ಗೆ ಪದೇ ಪದೇ ಹೋಗುವುದು ಕಷ್ಟವೆನಿಸಬಹುದು.

ಮುಖ್ಯ ಅಂಶ: OpenCode ಒಂದು ಟರ್ಮಿನಲ್-ನೇಟಿವ್ AI, ಡೆವಲಪರ್‌ಗಳನ್ನು ಅವರು ಇಷ್ಟಪಡುವ ಎಡಿಟರ್‌ಗಳಿಂದ ಹೊರಗೆ ತಳ್ಳದೆ ನೈಜ ಪ್ರಪಂಚದ ಕೋಡಿಂಗ್ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸಬಲ್ಲದು ಎಂದು ಸಾಬೀತುಪಡಿಸುತ್ತದೆ. ಇದಕ್ಕೆ ಸ್ವಲ್ಪ ಮಟ್ಟದ ಸೆಟಪ್ ಪ್ರಯತ್ನ ಮತ್ತು ನಿಧಾನಗತಿಯ ಫೀಡ್‌ಬ್ಯಾಕ್ ಲೂಪ್ ಎಂಬ ಬೆಲೆ ಇರಬಹುದು, ಆದರೆ ಮಾಡೆಲ್ ಆಯ್ಕೆ, ಡೇಟಾ ಗೌಪ್ಯತೆ ಮತ್ತು AI ಕ್ರಿಯೆಗಳನ್ನು ಸ್ಕ್ರಿಪ್ಟ್ ಮಾಡುವ ಸಾಮರ್ಥ್ಯಕ್ಕೆ ಮೌಲ್ಯ ನೀಡುವ ತಂಡಗಳಿಗೆ, ಈ ಹೊಂದಾಣಿಕೆಯು ಸಿಗುವ ಲಾಭಕ್ಕೆ ಸಮರ್ಥವಾಗಿದೆ.