EVERYTHING
За даними I-programmer, Dave Rensin, Distinguished Engineer у Google, запропонував унікальний фреймворк для інтеграції AI у життєвий цикл розробки. Основна ідея полягає в тому, щоб використовувати особливості сучасних LLM для створення структурованого «джерела істини», яке потім проходить сувору валідацію іншими моделями.
Методологія створення «слона»
Перший етап роботи передбачає навчання AI-інструменту специфіці конкретного проекту. Rensin називає цей процес створенням «слона», оскільки модель має «ніколи не забувати» наданий контекст. Розробник відкриває нову сесію, підключає до неї відповідні дизайн-документи або дерево вихідного коду та просить створити високорівневий опис системи. Важливо, щоб на цьому етапі AI не писав код, а ставив уточнюючі запитання та кидав виклик припущенням інженера.
Автор рекомендує активно сперечатися з моделлю, оскільки вона часто стає «нестерпним підлестим», намагаючись бути максимально корисною замість того, щоб вказувати на помилки. Коли технічний підхід узгоджується, AI має запропонувати реалізацію у вигляді прозового тексту та блокових діаграм. На основі цього створюється Markdown-документ, який стає основним гайдлайном для подальшої розробки.
Валідація через «золоту рибку»
Для перевірки якості створеної документації Rensin пропонує метод «золотої рибки». Це абсолютно нова сесія AI, яка не має жодних знань про проект. До неї передається лише створений Markdown-документ із запитом пояснити систему на його основі.
- Якщо модель не може пояснити архітектуру, значить у документації бракує контексту.
- Додаються деталі до документа і процес повторюється до успішного результату.
- Наступна сесія «золотої рибки» використовується для отримання рекомендацій щодо покращення тексту.
За словами Dave Rensin, приблизно 30% таких порад виявляються надзвичайно цінними, що робить цей цикл перевірки ефективним інструментом контролю якості перед фінальним прев'ю живою людиною.
Масштабування на великі кодові бази
Критичним питанням є робота з системами, що містять мільйони рядків коду. Rensin стверджує, що навчання «слона» займає близько тижня, якщо подавати інформацію дрібними порціями — як «горох та сіно». Це означає створення стислих, висококонцентрованих фрагментів контексту для кожного підрозділу проекту. Розробникам рекомендується призначити кожному окремі директорії та попросити AI згенерувати файли readme.md, що пояснюють призначення кожної папки та вміст файлів у ній.
Після завершення роботи над окремими вузлами можна переходити до створення загальних документів вищого рівня. Такий ітеративний підхід дозволяє структурувати величезні системи без втрати точності контексту.