Saya bukan encoder. Saya tidak bisa menulis satu line Python, JavaScript atau C ++. Kecuali untuk periode singkat di masa remaja saya ketika saya membangun situs web dan bermain dengan animasi flash, saya tidak pernah menjadi insinyur perangkat lunak, saya juga tidak menjadi tuan rumah ambisi untuk meninggalkan jurnalisme untuk karier di industri teknologi.
Namun, dalam beberapa bulan terakhir, saya telah mengkode badai.
Di antara kreasi saya: alat yang menyalin dan merangkum podcast panjang, alat untuk mengatur penanda media sosial saya dalam database pencarian, sebuah situs web yang memberi tahu saya jika furnitur furnitur akan masuk ke dalam bagasi mobil saya dan aplikasi yang disebut Buddy Lunchbox, yang menganalisis konten lemari es saya dan membantu saya memutuskan apa yang harus dilakukan makan siang di sekolah saya.
Kreasi -kreasi ini dimungkinkan berkat kecerdasan buatan, dan tren baru “vibecoding”.
Vibecoding, istilah yang dipopulerkan oleh peneliti IA Andrej KarpathyIni adalah tafigrafi yang berguna untuk cara di mana alat saat ini memungkinkan penggemar non -teknis untuk membangun aplikasi dan situs web yang berfungsi sepenuhnya, hanya menulis indikasi dalam gambar teks. Anda tidak perlu tahu cara mengkodekan vibecode, hanya memiliki ide dan sedikit kesabaran biasanya cukup.
“Ini tidak benar -benar penyandian,” Mr. Karpathy menulis Bulan ini. “Saya hanya melihat hal -hal, saya mengatakan hal -hal, melaksanakan hal -hal dan menyalin hal -hal yang akan dipukul, dan itu bekerja terutama.”
Eksperimen vibecoding saya sendiri telah bertujuan melakukan apa yang saya sebut “perangkat lunak untuk satu”: Aplikasi kecil sudah mengukur masalah spesifik dalam hidup saya. Ini bukan jenis alat yang akan dibangun oleh perusahaan teknologi besar. Tidak ada pasar nyata bagi mereka, karakteristik mereka terbatas dan beberapa dari mereka hanya bekerja.
Tetapi membangun perangkat lunak dengan cara ini, menggambarkan masalah dalam satu atau dua doa, kemudian melihat model yang kuat untuk bekerja dengan membangun alat yang dipersonalisasi untuk menyelesaikannya, adalah pengalaman yang luar biasa. Menghasilkan sensasi AI VertigoMirip dengan apa yang saya rasakan setelah menggunakan chatgpt untuk pertama kalinya. Dan itu adalah cara terbaik yang saya temukan untuk menunjukkan kepada para skeptis keterampilan model AI saat ini, yang sekarang dapat mengotomatiskan fragmen pemrograman komputer dasar besar, dan segera dapat mampu melakukan prestasi serupa di bidang lain.
Alat pengkodeannya telah ada selama bertahun -tahun. Yang sebelumnya, seperti GitHub Copilot, dirancang untuk membantu encoder profesional bekerja lebih cepat, sebagian di akhir baris kode mereka dengan cara yang sama seperti chatgpt menyelesaikan kalimat. Saya masih perlu tahu cara membuat kode untuk memanfaatkannya dan campur tangan ketika AI macet.
Tetapi selama satu atau dua tahun terakhir, alat -alat baru telah dibangun untuk memanfaatkan model paling kuat yang bahkan memungkinkan orang baru untuk memprogram sebagai profesional.
Alat -alat ini, yang meliputi kursor, replis, baut dan levable, bekerja dengan cara yang sama. Dengan pesan pengguna, alat ini menyajikan desain, memutuskan paket perangkat lunak terbaik dan bahasa pemrograman untuk digunakan, dan mulai bekerja dengan membangun produk. Sebagian besar produk memungkinkan penggunaan gratis terbatas, dengan pembayaran yang membuka karakteristik yang lebih baik dan kemampuan untuk membangun lebih banyak hal.
Untuk non -programmer, vibecoding bisa terasa seperti sihir. Setelah menulis baris kode Anda yang cepat dan misterius, dan beberapa detik kemudian, jika semuanya berjalan dengan baik, prototipe kerja muncul. Pengguna dapat menyarankan penyesuaian dan ulasan, dan ketika mereka senang dengan itu, mereka dapat mengimplementasikan produk baru mereka di web atau menjalankannya di komputer mereka. Proses ini hanya membutuhkan beberapa menit, atau hingga beberapa jam, tergantung pada kompleksitas proyek.
Beginilah penampilan saya ketika saya meminta Bolt untuk membangun aplikasi yang dapat membantu saya mengemas makan siang sekolah untuk anak saya, menurut foto yang dimuat dengan konten kulkas saya:
Aplikasi pertama kali menganalisis tugas dan memecahnya menjadi komponen. Kemudian mulai bekerja. Ini menghasilkan antarmuka web dasar, memilih alat pengenalan gambar untuk mengidentifikasi makanan di lemari es saya dan mengembangkan algoritma untuk merekomendasikan makanan berdasarkan artikel tersebut.
Jika AI perlu membuat keputusan, apakah saya ingin aplikasi untuk membuat daftar fakta gizi makanan yang direkomendasikan, misalnya, saya perlu beberapa opsi. Maka itu akan keluar dan menyandikan sedikit lebih banyak. Ketika dia menabrak halangan, dia mencoba memurnikan kodenya sendiri atau mundur ke kecepatan sebelum dia terjebak dan membuktikan metode yang berbeda.
Kira -kira 10 menit setelah memasuki peringatan saya, Buddy Lunchbox, itulah yang telah diputuskan AI untuk memanggil aplikasi saya, sudah siap. Dia menyarankan sandwich kalkun generik. Anda dapat mencobanya sendiri Di Sini. (Versi yang saya buat menggabungkan alat pengenalan gambar AI yang membutuhkan biaya untuk digunakan; untuk versi web publik ini, saya telah menggantinya dengan fungsi pengenalan gambar yang disimulasikan agar tidak mengumpulkan faktur besar).
Tidak semua eksperimen vibecoding saya berhasil. Saya telah berjuang selama berminggu -minggu untuk membangun alat “Mobil Baki Masuk” yang mampu menanggapi email saya secara otomatis, dengan gaya penulisan saya. Saya telah menemukan hambatan ketika saya mencoba mengintegrasikan alur kerja AI dalam aplikasi seperti Google Photos dan The Voice Note of iOS, yang tidak dirancang untuk bermain dengan baik dengan aksesori pihak ketiga.
Dan, tentu saja, AI sesekali membuat kesalahan. Suatu ketika, ketika saya mencoba membangun situs web untuk toko ban di lingkungan saya, AI membentuk kritik palsu dari halaman Yelp toko dan menambahkannya ke halaman testimonial. Pada kesempatan lain, ketika saya mencoba mengubah sejarah panjang yang telah saya tulis di situs web interaktif, AI memasukkan sekitar setengah dari teks dan meninggalkan setengah lainnya.
Vibecoding, dengan kata lain, masih mendapat manfaat dari memiliki manusia yang mengawasi robot, atau setidaknya mengambang di dekatnya. Dan mungkin lebih baik untuk proyek hobbing, bukan tugas penting.
Itu mungkin tidak benar lebih lama. Banyak perusahaan AI bekerja pada agen rekayasa perangkat lunak yang sepenuhnya dapat menggantikan programmer manusia. Sudah, dia mencapai Skor Kelas Dunia Dalam tes pemrograman kompetitif, dan beberapa perusahaan teknologi besar, termasuk Google, telah mensubkontrakkan sebagian besar pekerjaan teknik mereka untuk sistem kecerdasan buatan. (Sundar Pichai, Direktur Eksekutif Google, Dia baru -baru ini berkata Kode yang dihasilkan oleh AI merupakan lebih dari seperempat dari semua kode baru yang diimplementasikan di Google).
Jika saya seorang programmer junior, jenis AI tampaknya lebih mungkin untuk diganti, saya bisa panik tentang perspektif tenaga kerja saya. Tapi saya hanya seorang pria yang suka bermain dan membangun alat yang meningkatkan hidup saya dengan cara kecil. Dan vibecoding, atau pengkodean nyata, adalah area di mana AI meningkat secara tidak sengaja.
Sejak dia berbicara tentang pengalaman vibecoding saya Di podcast saya minggu laluSaya mendengar lusinan orang lain yang telah membangun alat mereka sendiri dengan bantuan AI. Rekan -rekannya telah memberi tahu saya tentang aplikasi nutrisi yang telah mereka buat untuk membantu mereka memenuhi diet mereka, atau alat yang mereka gunakan untuk meringkas buletin email yang mereka peroleh. Pembaca telah mengirim situs web tempat mereka membangun Pemantauan Harga Teluratau daftar sores zillow di Los Angeles a Temukan contoh sewa Setelah Palisades Fire.
Beberapa alat ini mengubah dunia untuk hak mereka sendiri. Hal baru dan luar biasa adalah bahwa dengan beberapa kunci kunci, kipas sekarang dapat membangun produk yang sebelumnya dibutuhkan oleh para insinyur.
Saya tidak Pollyannaish pada AI, atau buta atas efek yang dapat dimiliki oleh aplikasi pengkodean dalam masyarakat jika mereka terus meningkat. Saya pikir mungkin saja AI yang mengotomatiskan pembuatan perangkat lunak yang bermanfaat juga dapat mengotomatiskan pembuatan kode jahat, atau bahkan menyebabkan serangan cyber yang otonom. Dan saya khawatir bahwa rekayasa perangkat lunak hanyalah profesi kerah putih pertama yang mengalami efek penggantian kerja alat AI.
Tetapi untuk saat ini, membangun aplikasi untuk mengotomatiskan tugas -tugas yang menjengkelkan atau yang membutuhkan banyak waktu dalam hidup saya sepertinya penggunaan AI yang baik seperti yang lain. Jadi saya akan terus bergetar, setidaknya sampai anak saya dapat mengemas makan siangnya sendiri.
