Между компаниями все чаще используют LLMS в процессе разработки, такими как Microsoft, пишущая до 30% своей кодовой базы с использованием искусственного интеллекта, и SRES, внедряющими вибридование инцидентов, становится ясно, что практика программного обеспечения развивается. Несмотря на то, что производители моделей выдвигают повествование о том, что полностью автономные агенты по развитию ИИ придут очень скоро, остается консенсус, что наличие человека в петле является здесь, чтобы остаться, по крайней мере, в течение некоторого времени. Так будет ли ИИ подпитывать ренессанс разработчика?
Переход к многоагентным рабочим процессам
Недавно я модерировал панель Rootly AI Labs по теме. Соломон Хикс, генеральный директор Dagger и основатель Docker, утверждал, что, хотя отрасль была занята выяснением подходов с одним агентом, многопользовательские установки представляют собой следующую границу.
Например, стартаповая фабрика представила «дроиды», программные агенты, предназначенные для выполнения параллельных задач разработки. Один агент может управлять рефакторией кода, в то время как другой может провести проверку кода, а другой может обрабатывать отставание задачи на линейном, расстановленном с приоритетом и назначением билетов. Эти настройки переключают роль разработчика с прямых технических задач на управление и проверку работы этих агентов, превращая разработчиков в инженерных менеджеров.
Недавно Anpropic выпустил план по созданию многоагентных систем, основанных на уроках из своей исследования, которая координирует несколько агентов Claude для изучения сложных тем. В отчете подчеркивается, что в агентских системах небольшие проблемы, которые были бы незначительными в традиционном программном обеспечении, могут полностью усугубить и сорвать рабочие процессы, что делает разрыв между прототипом и производством шире, чем ожидалось. Получение многоагентных систем для надежности превращает «последнюю милю» в большую часть пути, и разработчики-это те, кто ответственен за это.
Роли разработчика расширяются
По мере того, как разработчики переходят в управляющие команды агентов ИИ, их роли, естественно, расширяются за пределы чисто технических задач. Малика Обакирова, партнер команды по инфраструктуре искусственного интеллекта в Андреессен Горовиц, подчеркнула рост единорогов Нано; Быстрорастущие стартапы с высоким доходом с небольшими командами, такими как курсор, которые достигли 300 миллионов долларов всего за 20 сотрудников. Она заметила последовательные модели этих компаний. Во-первых, они дополняют свои команды агентами искусственного интеллекта в рамках инженерии, разработки продуктов и функций, обращенных к клиентам. В этой модели ИИ не является боковым инструментом; Он рассматривается как инфраструктура и имеет решающее значение для того, как выполняется работа. Во -вторых, эти стартапы часто используют универсалов, а не специалистов. Например, в таких средах инженеры не ограничиваются бэкэнд или задачами Они будут вносить свой вклад в течение всего жизненного цикла приложения и даже помогать с инициативами GTM. Этот сдвиг переопределяет командные структуры, инструменты и то, что значит масштабировать современную компанию -разработчика программного обеспечения.
Эта тенденция не ограничивается стартапами; Это также разыгрывается внутри крупных, известных технологических компаний. Старший инженерный лидер в LinkedIn, который попросил остаться анонимным, отметил, что ожидания ролей значительно расширились. Ожидается, что инженеры будут работать по нескольким функциям, действуя не только как разработчики, но и в качестве менеджеров проектов, ученых данных и SRE, одновременно используя агенты ИИ для выполнения этих доменов. Хотя фактическая полезность LLMS все еще обсуждается, одно можно сказать наверняка: инженеров просят сделать больше с меньшими затратами.
Проблемы для надежности и команд SRE
Несмотря на повышение производительности от агентов искусственного интеллекта, их принятие создает проблемы достоверности. Кевин Ван Ганди, генеральный директор Hypermode и бывшего COO в Vercel, подчеркивает, что нетерминистический характер LLM, который может производить галлюцинации, вызывает очень необычные инциденты. Обработка инцидентов в детерминированных системах была уже сложной; Теперь представьте, что вы делаете это, когда самой системе нельзя доверять, чтобы вести себя так же дважды.
Хикс отметил, что по мере того, как LLM становятся встроенными на каждом этапе SDLC, от авторизации кода приложения и создания других агентов, до проведения тестов, подготовки инфраструктуры и мониторинга обработки, количество мест, где все может пойти не так, увеличивается. SRES, как последняя линия защиты между здравомыслием и хаосом, может потребоваться обеспокоен объемом и сложностью инцидентов, направляющихся к их пути. Хорошая новость, однако, заключается в том, что они также станут более востребованными талантами, и команды платформы, в частности, будут держать ключи к предоставлению инфраструктуры для этих агентских рабочих процессов в масштабе.
Навигация на рынке ИИ: навыки для разработчиков
Итак, что должны делать инженеры, чтобы оставаться в курсе? Ван Ганди призывает инженеров продолжать строительство, используя самые последние и горячие инструменты, такие как Repit и Quare. Основное внимание должно быть сосредоточено на расширении за пределами чисто технических навыков и разработке интуиции сильной продукции и опыта UX. Одни только быстрое развитие не гарантирует успех без полированного продукта.
И наоборот, Майк Чамберс, специалист по разработчику машинного обучения в AWS, рекомендует, чтобы разработчики глубоко понимали основную технологию, стоящую за LLMS. Изучение основополагающих концепций ИИ, таких как трансформаторы, может значительно повысить эффективность инженеров при использовании этих инструментов. Как и в любой другой системе, у LLMS есть прочные и слабые стороны, и вы не должны использовать молоток для винта.
Разработчик Ренессанс идет
Панно -консенсус заключался в том, что LLM действительно предлагают потенциальный ренессанс для разработчиков, значительно расширяя свои роли. Успех в эту новую эпоху, вероятно, будет очень основываться на смешивании человеческого надзора с возможностями искусственного интеллекта, сбалансировав техническую глубину с чувствительностью продукта. В будущем обзоры производительности инженеров могут быть сосредоточены меньше на индивидуальном исполнении и больше на том, как эффективно управляют инженеры и направляют свою рабочую силу агента.
Trending Stories youtube.com/thenewstack Tech движется быстро, не пропустите эпизод. Подпишитесь на наш канал YouTube, чтобы транслировать все наши подкасты, интервью, демонстрации и многое другое. Группа подпишитесь с эскизом. Sylvain Kalache — технический предприниматель и инженер -программист. Будучи руководителем AI Labs в Rootly, он курирует отношения разработчиков и инициативы AI. Ранее он основал школу разработки программного обеспечения, выпускники которых были наняты такими организациями, как Apple, Google, … Подробнее от Sylvain Kalache
