Cuộc tranh luận về code được tạo bởi AI đã chuyển từ những dự đoán lý thuyết sang những câu chuyện triển khai thực tế. Người tạo ra Flask , Armin Ronacher , gần đây đã chia sẻ kinh nghiệm xây dựng một hệ thống production mà AI tạo ra khoảng 90% code, gây ra cuộc thảo luận sôi nổi về tình trạng hiện tại và những hạn chế của việc phát triển có sự hỗ trợ của AI.
Thực Tế Production vs. Sự Cường Điệu
Dự án của Ronacher bao gồm việc xây dựng một dịch vụ email dựa trên Go với 40.000 dòng code, có REST APIs và các trình tạo SDK tùy chỉnh. Mặc dù anh đã đạt được mốc 90% code được tạo bởi AI, phản hồi từ cộng đồng developer lại cho thấy một bức tranh phức tạp hơn. Việc triển khai đòi hỏi giám sát liên tục, giám sát kiến trúc và xem xét cẩn thận từng dòng code - về cơ bản là coi AI như một developer cấp thấp cần sự hướng dẫn có kinh nghiệm.
Cộng đồng phản đối những số liệu đơn giản hóa quá mức, với một số người chỉ ra rằng việc đo lường thành công chỉ bằng khối lượng code là hoàn toàn sai lầm. Sự so sánh giữa code được tạo bởi AI và spam newsletter làm nổi bật mối quan ngại về chất lượng hơn số lượng trong phát triển phần mềm.
Thông số kỹ thuật dự án (Triển khai của Ronacher)
- Ngôn ngữ: Go với các phụ thuộc tối thiểu
- API: REST API tương thích OpenAPI
- Chức năng cốt lõi: Dịch vụ gửi/nhận email
- Các thành phần được tạo: SDK Python và TypeScript
- Tổng số dòng: ~40,000 (Go, YAML, Pulumi, mã SDK)
- Đóng góp của AI: ~90% khối lượng mã
- Công cụ sử dụng: Claude Code và Codex cho các tác vụ khác nhau
Những Hạn Chế Kỹ Thuật Xuất Hiện Trong Các Tình Huống Phức Tạp
Thử nghiệm thực tế cho thấy những khoảng trống đáng kể trong khả năng của AI khi xử lý các quy trình phát triển phức tạp. Các thành viên cộng đồng báo cáo rằng AI gặp khó khăn với các cấu hình cấp độ production liên quan đến nhiều công nghệ, containerization, giao thức bảo mật và pipeline triển khai. Các tác vụ đòi hỏi phối hợp giữa cấu hình TypeScript , kết nối cơ sở dữ liệu, chứng chỉ SSL , pipeline CI/CD và các biện pháp bảo mật thường vượt quá khả năng hiện tại của AI.
Tuy nhiên, những người ủng hộ lưu ý rằng những tình huống phức tạp này không nên được thử nghiệm như những prompt đơn lẻ. Chìa khóa nằm ở việc chia nhỏ các tác vụ phức tạp thành những phần có thể quản lý được, tương tự như cách các developer con người tiếp cận các dự án lớn thông qua các commit và pull request tăng dần.
TypeScript: Một ngôn ngữ lập trình thêm tính an toàn kiểu dữ liệu vào JavaScript CI/CD: Continuous Integration/Continuous Deployment - các thực hành phát triển phần mềm tự động
Điểm mạnh và hạn chế của AI
Lĩnh vực AI xuất sắc:
- Tạo SQL thô và di chuyển cơ sở dữ liệu
- Tạo đặc tả OpenAPI
- Thiết lập hạ tầng ( AWS , Pulumi )
- Code boilerplate và scaffolding
- Thiết lập hạ tầng kiểm thử
- Tạo mẫu nhanh và thử nghiệm
Lĩnh vực AI gặp khó khăn:
- Threading và concurrency (goroutines)
- Quyết định kiến trúc hệ thống
- Chi tiết triển khai rate limiting
- Thực hành tốt nhất cho xử lý lỗi
- Các cân nhắc về bảo mật
- Cấu hình phức tạp đa dịch vụ
Thách Thức Đường Cong Học Tập Cho Các Developer Mới
Một mối quan ngại đáng kể nổi lên từ cuộc thảo luận tập trung vào việc tạo code bằng AI ảnh hưởng như thế nào đến giáo dục developer và phát triển kỹ năng. Theo truyền thống, các lập trình viên học bằng cách viết code, nhận phản hồi và dần dần cải thiện kỹ năng của họ. Mô hình mới mong đợi các developer junior xem xét và quản lý code được tạo bởi AI trong khi đồng thời học các nguyên tắc cơ bản của lập trình.
Điều này tạo ra một khoảng trống kỹ năng tiềm tàng nơi các lập trình viên mới có thể trở nên phụ thuộc vào AI mà không phát triển sự hiểu biết sâu sắc cần thiết để thiết kế kiến trúc hệ thống, debug các vấn đề phức tạp hoặc đưa ra các quyết định kỹ thuật quan trọng. Cộng đồng lo lắng về một thế hệ developer có thể prompt AI hiệu quả nhưng thiếu kiến thức nền tảng để đánh giá kết quả một cách phê phán.
Lợi Ích Thực Tế Trong Các Trường Hợp Sử Dụng Cụ Thể
Bất chấp những hạn chế, các developer báo cáo những cải thiện năng suất thực sự trong một số lĩnh vực nhất định. Thiết lập cơ sở hạ tầng, tạo boilerplate code, viết SQL query và tạo mẫu nhanh cho thấy tiềm năng nhất. Các tác vụ trước đây đòi hỏi nhiều ngày nghiên cứu và triển khai giờ đây có thể hoàn thành trong vài giờ với sự hỗ trợ của AI.
Công nghệ này đặc biệt xuất sắc trong việc xử lý các tác vụ tẻ nhạt nhưng được hiểu rõ như migration cơ sở dữ liệu, scaffolding API và tạo file cấu hình. Các developer đánh giá cao khả năng thử nghiệm các cách tiếp cận khác nhau một cách nhanh chóng, cho phép các quy trình thiết kế lặp lại nhiều hơn và khám phá kiến trúc.
Kết Luận
Mốc 90% code được tạo bởi AI đại diện cho cả thành tựu và câu chuyện cảnh báo. Trong khi công nghệ thể hiện khả năng ấn tượng trong các bối cảnh cụ thể, sự đồng thuận của cộng đồng cho thấy rằng sự giám sát của con người có kinh nghiệm vẫn cần thiết cho các hệ thống production. Tương lai có thể sẽ bao gồm AI như một công cụ tăng tốc phát triển mạnh mẽ hơn là thay thế cho phán đoán kỹ thuật có kỹ năng.
Thành công với code được tạo bởi AI dường như phụ thuộc rất nhiều vào khả năng của developer trong việc cung cấp hướng dẫn kiến trúc phù hợp, duy trì các tiêu chuẩn chất lượng code và nhận biết khi nào các đề xuất của AI nên bị từ chối. Khi công nghệ tiếp tục phát triển, thách thức sẽ là đảm bảo rằng những cải thiện năng suất không đến với cái giá của độ tin cậy hệ thống hoặc phát triển kỹ năng developer.
Tham khảo: 90%