Sự gia tăng của các trợ lý lập trình AI đã tạo ra một thách thức bất ngờ tại nơi làm việc: các developer gửi những pull request khổng lồ chứa đầy code do AI tạo ra mà họ chưa xem xét kỹ lưỡng. Hiện tượng này, được gọi là vibe coding, xảy ra khi các lập trình viên tạo code bằng công cụ AI nhưng bỏ qua bước quan trọng là kiểm tra kỹ đầu ra trước khi yêu cầu đồng nghiệp xem xét.
Vấn Đề Pull Request
Các nhóm phát triển phần mềm ngày càng cảm thấy bực bội với những đồng nghiệp đổ hàng trăm dòng code do AI tạo ra vào pull request mà không xác thực đúng cách. Những bài nộp này thường chứa các lỗi rõ ràng, cách triển khai không hiệu quả và code không tuân theo tiêu chuẩn dự án. Một số developer thậm chí đã bắt đầu đánh dấu bài nộp của họ bằng thẻ [vibe], về cơ bản thừa nhận rằng họ chưa xác minh công việc của mình.
Thực hành này đã tạo ra hiệu ứng lan tỏa trên các nhóm phát triển. Những người xem xét code thấy mình phải dành quá nhiều thời gian để xác định các vấn đề cơ bản mà lẽ ra phải được phát hiện trước khi nộp. Nhiều người hiện đang thực hiện chính sách từ chối ngay lập tức đối với code do AI tạo ra mà rõ ràng chưa được kiểm tra, với một số trưởng nhóm đang cân nhắc hành động kỷ luật đối với những người vi phạm tái diễn.
Các Vấn Đề Lập Trình AI Thường Gặp Được Báo Cáo:
- Pull request trên 400 dòng với những lỗi hiển nhiên
- Triển khai code không hiệu quả cần được tối ưu hóa
- Đầu ra không xác định ngay cả với các tham số cố định
- Độ trễ chuyển đổi ngữ cảnh làm giảm lợi ích năng suất
- Lỗ hổng bảo mật trong code được tạo ra
Tình Trạng Khó Xử Trong Việc Giám Sát
Một vấn đề cốt lõi nổi lên khi các developer phải liên tục giám sát đầu ra của AI trong giờ làm việc. Không giống như các công cụ tự động hóa khác xử lý đáng tin cậy các tác vụ thường quy, các trợ lý lập trình AI hiện tại yêu cầu giám sát liên tục để ngăn chặn lỗi. Điều này tạo ra một nghịch lý khi công cụ được thiết kế để tăng năng suất lại thực sự đòi hỏi nhiều sự chú ý hơn so với các phương pháp lập trình truyền thống.
Tình huống trở nên phức tạp hơn khi các nhóm cố gắng triển khai các AI agent để xem xét code. Những hệ thống này có xu hướng tạo ra phản hồi bất kể có cần thiết hay không, tạo ra các kết quả dương tính giả làm lãng phí thêm thời gian. Một số tổ chức báo cáo rằng AI xem xét code do AI tạo ra tạo nên các vòng lặp lặp đi lặp lại bí ẩn khiến ý định ban đầu bị mất trong các sửa đổi tự động liên tiếp.
Quản Lý Tích Hợp AI
Các nhóm có tầm nhìn xa đang phát triển các cách tiếp cận có cấu trúc cho việc phát triển hỗ trợ bởi AI. Các triển khai thành công nhất bao gồm việc tạo ra các tệp tài liệu dự án chi tiết cung cấp cho các công cụ AI bối cảnh phù hợp về tiêu chuẩn lập trình, yêu cầu bảo mật và logic kinh doanh. Cách tiếp cận này có lợi cho cả những người đóng góp nhân tạo và con người bằng cách thiết lập các hướng dẫn rõ ràng.
Tuy nhiên, trách nhiệm cơ bản vẫn thuộc về từng developer. Tích hợp AI thành công đòi hỏi việc đối xử với những công cụ này như các trợ lý thay vì thay thế cho phán đoán của con người. Các developer năng suất nhất sử dụng AI để xử lý các tác vụ thường quy trong khi duy trì sự giám sát tích cực đối với đầu ra.
AI mang lại những vấn đề riêng nhưng tôi nghĩ một số người chỉ đơn giản là không muốn nghe về lợi ích ròng mà nó mang lại.
Các Thực Hành Tích Hợp AI Được Khuyến Nghị:
- Tạo các tệp AGENTS.md với ngữ cảnh dự án và tiêu chuẩn lập trình
- Duy trì giám sát tích cực trong quá trình tạo mã bằng AI
- Triển khai kiểm thử phù hợp trước khi gửi pull request
- Sử dụng AI cho các tác vụ thường xuyên trong khi vẫn bảo tồn khả năng phán đoán của con người
- Thiết lập các tiêu chuẩn trách nhiệm rõ ràng cho công việc được hỗ trợ bởi AI
Sự Chia Rẽ Thế Hệ
Một động lực thú vị đang nổi lên giữa các developer có kinh nghiệm tiếp cận AI một cách thận trọng và các lập trình viên mới lớn lên cùng với những công cụ này. Trong khi các veteran lo lắng về chất lượng code và hiểu biết cơ bản, các developer trẻ thường thể hiện sự tích hợp trợ giúp AI vào quy trình làm việc của họ một cách trực quan hơn.
Sự khác biệt chính dường như nằm ở cách mỗi nhóm tiếp cận việc xác minh và trách nhiệm. Việc áp dụng AI thành công đòi hỏi duy trì các tiêu chuẩn chất lượng giống nhau bất kể code được tạo ra như thế nào. Các nhóm thiết lập các biện pháp trách nhiệm giải trình rõ ràng có xu hướng thấy kết quả tốt hơn so với những nhóm đối xử với code do AI tạo ra như vốn dĩ khác với code do con người viết.
Ngành công nghiệp vẫn đang học cách cân bằng sự hỗ trợ của AI với trách nhiệm nghề nghiệp. Khi những công cụ này trở nên tinh vi hơn, thách thức sẽ là duy trì chất lượng code trong khi nắm bắt những lợi ích năng suất khiến việc áp dụng AI trở nên hấp dẫn ngay từ đầu.
Tham khảo: Karen Hao on the Empire of AI, ASI evangelists, and the cost of belief!