AI ஏஜென்ட்களுடன் கோடிங் செய்தல்: அதிக உற்பத்தித்திறன் vs. குறியீட்டுத் தரம்

AI ஏஜென்ட்கள் வேகமாக கோடிங் செய்கின்றன. பிரச்சனை அவை எவ்வளவு வேகமாக எழுதுகின்றன என்பது அல்ல. பிரச்சனை குறியீட்டை (code) சுத்தமாகவும் சீராகவும் வைத்திருப்பதே ஆகும்.

இதை நான் Project Venom-இல் செயல்படுத்தினேன். தரத்தை இழக்காமல் வேகத்திற்காக AI ஏஜென்ட்களைப் பயன்படுத்த முடியுமா என்று நான் பார்க்க விரும்பினேன்.

முடிவுகள்: • AI ஏஜென்ட்களால் எழுதப்பட்ட 138,011 வரிகள் கொண்ட குறியீடு • 1,587 கமிட்கள் (commits) • 92.2% சோதனைத் தாக்கம் (test coverage) • SonarQube-இல் 0 தரப் பிரச்சனைகள் (1,650 பிரச்சனைகளுடன் தொடங்கப்பட்டது)

இதை நான் எப்படி செய்தேன்? நான் ஒரு பைப்லைனை (pipeline) உருவாக்கினேன். AI குறியீட்டை எழுதுகிறது, ஆனால் அந்த குறியீடு அப்படியே இருக்கலாமா என்பதை அந்த செயல்முறைதான் தீர்மானிக்கிறது.

இந்த பணிப்பாய்வு (workflow) பின்வரும் படிகளைப் பின்பற்றுகிறது:

  1. மனிதர் இலக்கு மற்றும் எல்லையை வரையறுக்கிறார்.
  2. AI ஏஜென்ட் மாற்றத்தைத் திட்டமிட்டு செயல்படுத்துகிறது.
  3. உள்ளூர் pre-commit சோதனைகள் static validation மற்றும் சோதனைகளைச் செய்கின்றன.
  4. GitHub Actions CI-ஐ (linting, contract checks, மற்றும் architecture guards) இயக்குகிறது.
  5. SonarQube தொழில்நுட்பக் கடன் (technical debt) மற்றும் சிக்கலான தன்மையைச் சரிபார்க்கிறது.
  6. AI ஏஜென்ட்கள் மற்றும் ஒரு மனிதர் Pull Request-ஐ ஆய்வு செய்கிறார்கள்.
  7. இணைத்தல் (Merge).

இந்த செயல்முறை மூன்று நிலைகளைக் கொண்டுள்ளது.

நிலை 1: வேகம். AI ஏஜென்ட்கள் குறியீடு மற்றும் unit test-களை உருவாக்குகின்றன. இது திட்டத்தை விரைவாக விரிவுபடுத்துகிறது.

நிலை 2: கட்டுப்பாடு. நான் SonarQube-ஐச் சேர்த்தேன். அது 1,650 பிரச்சனைகளைக் கண்டறிந்தது. பின்னர் நான் உள்ளூர் pre-commit கேட்களை (gates) உருவாக்கினேன். இந்த கேட்களைத் தாண்டாத வரை AI ஏஜென்ட்களால் ஒரு பணியை முடிக்க முடியாது.

நிலை 3: நிலைத்தன்மை. இந்த பைப்லைன் அன்றாட வேலையின் ஒரு பகுதியாக மாறியது. தரம் என்பது இறுதிக் கட்டச் சோதனை அல்ல; அது ஒரு தொடர்ச்சியானத் தேவையாக இருந்தது.

உங்கள் குழுவிற்கான முக்கியக் கருத்து: எந்த AI ஏஜென்ட் சிறந்தது என்று கேட்பதை நிறுத்துங்கள். சிறந்த ஏஜென்ட் ஒவ்வொரு வாரமும் மாறிக்கொண்டே இருக்கும்.

அதற்குப் பதிலாக இதைக் கேளுங்கள்: AI குறியீட்டைப் பாதுகாப்பாக ஏற்றுக்கொள்வதற்கான ஒரு செயல்முறையை நாம் எப்படி உருவாக்குவது?

உங்களுக்குத் தேவையான குறைந்தபட்சக் கருவிகள்:

  • GitHub repository மற்றும் Pull Requests
  • Pre-commit hooks
  • Unit tests
  • GitHub Actions
  • SonarQube அல்லது SonarCloud
  • உங்கள் ஏஜென்ட்களுக்கான தெளிவான அறிவுறுத்தல்கள்
  • மனித மற்றும் AI ஆய்வுகள்

பைப்லைன் இல்லாத AI கோடிங் என்பது வெறும் ஒரு சோதனை மட்டுமே. பைப்லைன் கொண்ட AI கோடிங் என்பது ஒரு தொழில்முறை செயல்முறை.

ஏஜென்ட் குறியீட்டை எழுதுகிறது. பைப்லைன் திட்டத்தைப் பாதுகாக்கிறது.

நீங்கள் AI ஏஜென்ட்களுடன் எப்படி வேலை செய்கிறீர்கள்? அவற்றை வெறும் உதவியாளர்களாகப் பயன்படுத்துகிறீர்களா, அல்லது உங்கள் செயல்முறையில் அவற்றுக்கெனத் தனிப்பட்ட கட்டுப்பாடுகளும் (gates) அறிவுறுத்தல்களும் உள்ளனவா?

ஆதாரம்: https://dev.to/maciej_p_3d3c100f085a/coding-with-ai-agents-between-high-throughput-and-code-quality-136g

விருப்பமான கற்றல் சமூகம்: https://t.me/GyaanSetuAi