Cộng đồng developer đang trải qua một sự phân chia thú vị. Trong khi một số lập trình viên báo cáo về những cải thiện năng suất đáng kể khi sử dụng các công cụ lập trình AI, những người khác lại cảm thấy thất vọng và tự hỏi liệu họ có đang bỏ lỡ điều gì đó cơ bản. Sự phân chia này đã khơi dậy những cuộc thảo luận sôi nổi về hiệu quả thực tế của các mô hình ngôn ngữ lớn (LLM) trong phát triển phần mềm.
Mối quan ngại ban đầu đến từ một developer cảm thấy bị bỏ lại phía sau mặc dù đã thử nhiều công cụ AI khác nhau. Họ mô tả việc dành hàng giờ với các trợ lý AI chỉ để nhận ra rằng họ có thể hoàn thành các tác vụ bằng tay trong 25 phút. Tuy nhiên, họ vẫn tiếp tục thấy những câu chuyện thành công từ các developer được kính trọng, tạo ra một sự ngắt kết bối rối giữa kỳ vọng và thực tế.
Công Cụ và Ngữ Cảnh Quan Trọng Hơn Dự Kiến
Phản hồi từ cộng đồng cho thấy việc lựa chọn mô hình AI và môi trường phát triển tạo ra những trải nghiệm khác biệt đáng kể. Nhiều developer báo cáo rằng các phiên làm việc độc lập với ChatGPT tạo ra kết quả không ấn tượng, trong khi các môi trường phát triển tích hợp như Cursor hoặc Claude Code mang lại kết quả tốt hơn đáng kể. Sự khác biệt chính nằm ở việc cung cấp cho các công cụ AI quyền truy cập vào toàn bộ codebase, hệ thống build và ngữ cảnh dự án thay vì làm việc với các đoạn code riêng lẻ.
Một developer có kinh nghiệm đã chia sẻ cách họ quay lại lập trình sau 12 năm nghỉ và thấy các công cụ AI vô cùng hữu ích cho việc xử lý các tác vụ thiết lập, framework cấu hình và sửa lỗi biên dịch. AI không viết toàn bộ dự án của họ, nhưng nó loại bỏ công việc boilerplate tẻ nhạt có thể tiêu tốn thời gian đáng kể.
Các công cụ AI lập trình hiệu quả nhất theo danh mục:
- IDE tích hợp: Cursor , Claude Code (với khả năng truy cập toàn bộ codebase)
- Mô hình độc lập: Claude 3.5 Sonnet , GPT-4 (cho các tác vụ cụ thể)
- Ít hiệu quả hơn: ChatGPT độc lập, GPT-4o cho lập trình phức tạp
Tính Đặc Thù Của Lĩnh Vực Tạo Ra Kết Quả Hoàn Toàn Khác Nhau
Loại công việc lập trình ảnh hưởng mạnh đến hiệu quả của AI. Phát triển frontend, ứng dụng web và các tác vụ quản trị phổ biến có tỷ lệ thành công đáng chú ý. Các developer báo cáo có thể tái tạo kiểu cho website, tạo bảng điều khiển quản trị và tạo boilerplate code trong khi xem tivi. Tuy nhiên, các lĩnh vực chuyên biệt như driver GPU, robotics hoặc codebase C++ cũ thường tạo ra kết quả thất vọng.
Tôi làm việc trên một compiler GPU cpp. Tất cả các LLM đều vô dụng. Trớ trêu thay, compiler mà tôi làm việc được sử dụng rất nhiều cho các workload LLM.
Mô hình này cho thấy các công cụ AI xuất sắc trong các tác vụ được đại diện tốt trong dữ liệu huấn luyện của chúng nhưng gặp khó khăn với các lĩnh vực kỹ thuật ngách hoặc công nghệ tiên tiến chưa được tài liệu hóa rộng rãi trực tuyến.
Các Lĩnh Vực Lập Trình Theo Hiệu Quả của AI:
- Thành Công Cao: Phát triển frontend, ứng dụng web, bảng điều khiển quản trị, tạo mã boilerplate
- Thành Công Trung Bình: Công việc backend tổng quát, tích hợp API, tài liệu hướng dẫn
- Thành Công Thấp: Driver GPU, robotics, codebase C++ cũ, lập trình phần cứng chuyên dụng
Vấn Đề Không Nhất Quán
Có lẽ đánh giá trung thực nhất từ cộng đồng thừa nhận rằng các công cụ lập trình AI đôi khi hoạt động và đôi khi thất bại. Cùng một developer có thể có những trải nghiệm hoàn toàn khác nhau với các tác vụ tương tự, dẫn đến điều mà một số người so sánh với hành vi cờ bạc hoặc máy đánh bạc. Sự không nhất quán này khiến việc phát triển quy trình làm việc đáng tin cậy hoặc đặt kỳ vọng phù hợp trở nên khó khăn.
Một số developer mô tả việc học sử dụng các công cụ AI như một kỹ năng đòi hỏi đầu tư đáng kể, tương tự như việc thành thạo một trình soạn thảo văn bản phức tạp. Họ nhấn mạnh tầm quan trọng của việc học cách hướng dẫn và huấn luyện AI thay vì mong đợi nó hoạt động tự động. Tuy nhiên, những người chỉ trích đặt câu hỏi liệu việc thay thế lập trình đơn giản bằng tác vụ phức tạp hơn là quản lý đầu ra AI không thể đoán trước có thể đại diện cho tiến bộ thực sự.
Các Yếu Tố Thành Công Chính Được Xác Định:
- Truy cập đầy đủ ngữ cảnh codebase thay vì các đoạn code riêng lẻ
- Lựa chọn nhiệm vụ phù hợp (boilerplate so với logic phức tạp)
- Học cách hướng dẫn/huấn luyện AI thay vì mong đợi làm việc tự chủ
- Sử dụng AI cho các công nghệ được tài liệu hóa tốt thay vì các lĩnh vực tiên tiến
Yếu Tố FOMO
Nỗi sợ bỏ lỡ đóng vai trò quan trọng trong lo lắng của developer về các công cụ AI. Nhiều người lo lắng rằng việc không áp dụng những công nghệ này sẽ khiến họ bị thiệt thòi về mặt nghề nghiệp. Tuy nhiên, những tiếng nói có kinh nghiệm trong cộng đồng cho rằng bối cảnh thay đổi nhanh chóng khiến việc chờ đợi sự ổn định thay vì liên tục theo đuổi những phát triển mới nhất là hợp lý.
Cuộc thảo luận tiết lộ rằng phần lớn sự cường điệu về lập trình AI hiện tại có thể được thúc đẩy bởi các chiến lược marketing được thiết kế để tạo ra sự cấp bách và gây áp lực lên các developer để áp dụng trước khi công nghệ đã trưởng thành đủ để sử dụng hàng ngày một cách đáng tin cậy.
Kết Luận
Những trải nghiệm hỗn hợp của cộng đồng developer với các công cụ lập trình AI phản ánh một công nghệ vẫn đang trong quá trình phát triển nhanh chóng. Thành công dường như phụ thuộc rất nhiều vào việc chọn công cụ phù hợp, làm việc trong các lĩnh vực thích hợp và phát triển các kỹ năng mới cho sự hợp tác giữa con người và AI. Trong khi một số developer đạt được những cải thiện năng suất đáng chú ý, những người khác thấy các phương pháp truyền thống đáng tin cậy và hiệu quả hơn.
Thay vì việc áp dụng hoặc từ chối toàn diện, bằng chứng cho thấy một tương lai tinh tế hơn nơi các công cụ lập trình AI xuất sắc trong các ngữ cảnh cụ thể trong khi vẫn không phù hợp cho những ngữ cảnh khác. Các developer có thể được hưởng lợi từ việc thử nghiệm với những công cụ này mà không có áp lực phải ngay lập tức biến đổi toàn bộ quy trình làm việc của họ, cho phép công nghệ và các thực hành tốt nhất trưởng thành hơn nữa trước khi đưa ra những cam kết đáng kể.
Tham khảo: GPTs and feeling left behind