Sự phát triển của các công cụ lập trình hỗ trợ bởi AI đang tạo ra một tác dụng phụ bất ngờ: các lập trình viên đang viết nhiều tài liệu hơn bao giờ hết. Khi các mô hình ngôn ngữ lớn (LLMs) trở thành trung tâm của quy trình phát triển phần mềm, các lập trình viên thấy mình phải dành thời gian đáng kể để tạo ra các tệp ngữ cảnh, thông số kỹ thuật chi tiết và tài liệu có cấu trúc để giúp các công cụ AI hiểu dự án của họ tốt hơn.
Sự thay đổi này đại diện cho một thay đổi cơ bản trong cách các lập trình viên tiếp cận công việc của họ. Thay vì lao thẳng vào việc lập trình, nhiều người hiện đang đầu tư hàng giờ để viết các hướng dẫn rõ ràng, nguyên tắc dự án và tài liệu toàn diện mà AI có thể phân tích hiệu quả.
 |
|---|
| Tầm quan trọng ngày càng tăng của viết kỹ thuật trong phát triển AI và sự thay đổi trong thực tiễn của nhà phát triển hướng tới việc tạo ra tài liệu chi tiết |
LLMs gặp khó khăn với các thay đổi API gần đây
Một trong những thách thức lớn nhất mà việc phát triển hỗ trợ bởi AI phải đối mặt là khả năng không thể xử lý các cập nhật API gần đây và những thay đổi đột phá của các mô hình. Các lập trình viên báo cáo những vấn đề liên tục khi làm việc với các thư viện đã phát triển kể từ ngày cắt huấn luyện của các mô hình AI. Các framework phổ biến như Angular, React và các thư viện Python mới hơn thường nhận được các gợi ý cho các phương thức đã lỗi thời hoặc các thực hành cũ.
Việc chuyển đổi từ Python 2 sang Python 3, do đã được thiết lập tốt trong dữ liệu huấn luyện, hiếm khi gây ra vấn đề. Tuy nhiên, những thay đổi gần đây hơn khiến các lập trình viên cảm thấy thất vọng khi các công cụ AI gợi ý mã đơn giản là không hoạt động với các phiên bản hiện tại.
API: Giao diện lập trình ứng dụng - một tập hợp các quy tắc cho phép các ứng dụng phần mềm khác nhau giao tiếp với nhau
Các vấn đề phổ biến của LLM với các API gần đây:
- Bazel : Đề xuất các giải pháp WORKSPACE đã lỗi thời thay vì Bzlmod
- Dart / Flutter : Khuyến nghị Text.textScaleFactor đã lỗi thời và các thực hành cũ
- Google 's genai client: Gặp khó khăn với các cập nhật phương thức kể từ thời điểm cắt dữ liệu huấn luyện
- MoviePy 2.x: Được huấn luyện chủ yếu trên v1.x với các thay đổi đột phá
- OpenTofu / IaC : Yêu cầu kết nối MCP đến tài liệu để đảm bảo độ chính xác
Tài liệu trở thành nút thắt cổ chai trong phát triển
Trong khi những người ủng hộ lập luận rằng tài liệu tốt hơn có lợi cho tất cả mọi người, thực tế trên thực địa lại kể một câu chuyện khác. Nhiều lập trình viên thấy mình bị mắc kẹt trong một nghịch lý năng suất - dành nhiều thời gian viết về mã hơn là thực sự viết mã.
Điều chúng ta thấy thú vị (hack mã), AI đang làm và điều chúng ta từng ghét làm (viết tài liệu) giờ chúng ta làm điều đó.
Sự mỉa mai không bị bỏ qua trong cộng đồng phát triển. AI được cho là sẽ xử lý các nhiệm vụ tầm thường để con người có thể tập trung vào công việc sáng tạo. Thay vào đó, các lập trình viên giờ dành thời gian để tạo ra các tệp ngữ cảnh chi tiết và duy trì các cấu trúc tài liệu phức tạp chỉ để các công cụ AI hoạt động đúng cách.
Sự thay đổi trong phân bổ thời gian của nhà phát triển:
- Truyền thống: Dành nhiều thời gian hơn cho việc lập trình, ít thời gian hơn cho việc tài liệu hóa
- Hỗ trợ bởi AI: Dành nhiều thời gian hơn cho việc tài liệu hóa/tạo ngữ cảnh, AI xử lý việc lập trình
- Nghịch lý năng suất: Các công cụ được tạo ra để tiết kiệm thời gian thường đòi hỏi đầu tư thiết lập đáng kể
- Tỷ lệ thành công: ~95% các thay đổi hoạt động tốt, nhưng 5% còn lại có thể mất nhiều ngày để giải quyết
Cuộc chạy đua cửa sổ ngữ cảnh
Khi các mô hình AI khoe khoang về các cửa sổ ngữ cảnh lớn hơn - lượng thông tin chúng có thể xử lý cùng một lúc - các lập trình viên cảm thấy áp lực phải cung cấp cho chúng ngày càng nhiều tài liệu. Một cửa sổ ngữ cảnh một triệu token có thể nghe có vẻ ấn tượng, nhưng việc lấp đầy nó bằng thông tin liên quan và chính xác đòi hỏi nỗ lực đáng kể từ con người.
Một số lập trình viên báo cáo việc bắt đầu lại dự án hoàn toàn sau nhiều giờ vật lộn với mã do AI tạo ra đã đi sai hướng. Lời hứa về phát triển nhanh chóng thường tan biến thành các phiên gỡ lỗi dài và chu kỳ tinh chỉnh ngữ cảnh.
So sánh Cửa sổ Ngữ cảnh:
- 1 triệu token = Toàn bộ bộ ba Lord of the Rings + The Hobbit + The Silmarillion
- Cửa sổ ngữ cảnh lớn hơn tạo ra áp lực phải cung cấp nhiều tài liệu hơn
- Ngữ cảnh nhiều hơn không phải lúc nào cũng dẫn đến kết quả tốt hơn nếu không có sự tuyển chọn phù hợp
Kiểm tra thực tế về việc áp dụng AI
Bất chấp những tuyên bố táo bạo về việc áp dụng rộng rãi các thực hành tài liệu được tối ưu hóa cho AI, thực tế có vẻ khiêm tốn hơn. Nhiều người trong cộng đồng viết kỹ thuật đặt câu hỏi liệu hầu hết các tổ chức có thực sự triển khai các chiến lược tích hợp AI tiên tiến này hay không. Khoảng cách giữa sự cường điệu tiếp thị và việc triển khai thực tế vẫn còn đáng kể.
Đối với các lập trình viên có kinh nghiệm làm việc trên các codebase lớn, đã được thiết lập, các công cụ AI thường mang lại lợi ích giảm dần. Sự phức tạp của các hệ thống phần mềm thực tế khiến việc chưng cất ngữ cảnh có ý nghĩa mà AI có thể sử dụng hiệu quả trở nên khó khăn mà không có sự hướng dẫn rộng rãi từ con người.
Tình trạng hiện tại của việc phát triển hỗ trợ bởi AI dường như hoạt động tốt nhất cho những người mới bắt đầu xây dựng các dự án đơn giản hoặc bằng chứng khái niệm, nơi độ chính xác và tuân thủ các thực hành tốt nhất ít quan trọng hơn việc có được thứ gì đó hoạt động nhanh chóng. Đối với công việc sản xuất nghiêm túc, vẫn chưa có kết luận về việc liệu chi phí tài liệu có biện minh cho những lợi ích năng suất tiềm năng hay không.
Tham khảo: # Al must RTFM: Why technical writers are becoming context curators