Вайб-кодинг (Vibe coding)

Вопрос тут скорее в том, какой смысл «объяснять агенту, как объяснить компилятору», если можно сразу объяснять компилятору, притом на гораздо более простом языке.

Советую попробовать, а так комментом раньше ответ Вайб-кодинг (Vibe coding) (комментарий)

https://path.kilo.ai/engineers/getting-started/

Модель реально не понимает обсуждаемое, она просто подбирает текст по вероятностям. Даже если ей дать огромные базы знаний, то она не способна безопасно принимать решения.

https://blog.kilo.ai/p/minimum-every-developer-must-know-about-ai-models

Почему никто не хочет поговорить о вайб-аналитике и вайб-проектировании? Я вот на прошлой неделе задание по преобразованию нескольких громоздких формул в одну, пригодную для расчётов, скормил Дипсику. Тот справился блестяще, показал логическую цепочку, как он это вывел. Я проверил корректность, сделал тестовые вычисления, всё совпало.

А подставить полученную формулу в программный код мне и самому несложно. :P

Почему никто не хочет поговорить о вайб-аналитике и вайб-проектировании?

Особо не о чем говорить. Если общая формула была в датасете – сеть справится. Если неизвестна – сеть сгаллюцинирует.

На текущий момент по математике больше всего прокачан Gemini, за ним идет Claude.

В проектировании все гораздо хуже, сети выдают усредненный популярный вариант не учитывая специфики проектов. Если же самому описать скелет системы тогда уже сеть подхватит и в деталях сделает.

Ленивый я решил погонять DeepSeek. До этого пользовался им только для аналитики/постановки задач.

Во вторник закинул ему гитхаб-ссылку на класс диалога псевдонимов и попросил написать аналогичный класс для подкатегорий. Дал подсказку, какая это таблица и где на гитхабе для неё найти DDL. ИИ выдал .h и .cpp и даже с удобными ссылками для скачивания, копипастить не надо. После 11 итераций получился пригодный для коммита вариант. В целом осталось ощущение, что я справился бы за это же время, но душу греет мысль, что таких диалогов в программе будет ещё несколько, и там дело пойдёт быстрее.

В среду решил дать задачку посложнее в реализации и попроще в формулировке. :) Озадачил написанием класса иерархической модели, которая собирает информацию из 4 таблиц (окошко набросал сам). Честно говоря, ожидал, что DeepSeek родит наследника QSqlQueryModel с трёхэтажным запросом, но он сделал по-своему. И даже объяснил мне, почему наследоваться от QSqlQueryModel было плохой идеей (кратко – сделать можно, но слишком много велосипедить, что практически обесценивает смысл наследования). В итоге я сильно порадовался, что возложил эту задачу на ИИ – сам бы я пошёл по пути с QSqlQueryModel, а потом долго накладывал заплатки.

В четверг я обнаружил, что полученная модель совместима с QSortFilterProxyModel, но фильтр работает только по верхнему уровню иерархии. DeepSeek предложил несколько путей решения, мне больше всего понравилось создание наследника от QSortFilterProxyModel. Это оказалось самой трудной задачей – ИИ упорно выдавал неработающий код, который либо пропускал через фильтр все записи, либо не пропускал ни одной. Но после большого количества уточнений таки сделал относительно универсальный класс (предупредил при этом, что текущая реализация фильтрует только первый столбец, но мне пока больше и не надо).

В целом мне понравилось. И это я тупо чат через браузер пинал (хотя подозреваю, что локальных моделей сравнимого уровня сообразительности мне никто не даст, если ошибаюсь – поправьте).

Это оказалось самой трудной задачей – ИИ упорно выдавал неработающий код, который либо пропускал через фильтр все записи, либо не пропускал ни одной. Но после большого количества уточнений таки сделал относительно универсальный класс (предупредил при этом, что текущая реализация фильтрует только первый столбец, но мне пока больше и не надо).

Ты его через агента лучше используй, пускай сам без твоего участия с компилятором и тестами сражается. Ревьювить код который не компилится или не работает это бесполезная трата времени.