Sepertinya tidak masalah jika ada upaya untuk menganalisis dan memahami kode yang dihasilkannya.
Compiler agak berbeda sebagai konsep; karena ia menghasilkan assembly berbasis aturan, itu berada di ranah deterministik, sehingga setelah ditinjau sekali biasanya masalah yang sama tidak terulang. Namun LLM berada di ranah probabilistik, jadi selalu ada kemungkinan masalah yang sama muncul lagi.
Mungkin akurasi probabilistik ini nantinya akan berkembang hingga mendekati 100 persen, tetapi jika permintaan dalam bahasa alami itu sendiri tidak presisi, pada akhirnya hasilnya juga akan tidak presisi, jadi menurut saya hasil akhir yang baik pada akhirnya tetap bergantung pada manusia.
Pada akhirnya, saat mendalami pengembangan, pasti akan tiba saatnya kita perlu memahami bagian dalam dari lapisan abstraksi
Kesenjangan antara prompt bahasa alami dan kode yang dihasilkan terlalu besar, jadi tampaknya sulit untuk masuk dari prompt ke dalam lapisan abstraksi LLM
Saat ini, kita menyampaikan konsep spesifikasi yang ada di kepala kita ke LLM lewat prompt, lalu membaca ulang kode yang ditulis untuk memverifikasinya
Jadi ini terasa lebih seperti meninjau kode yang ditulis orang lain, bukan seperti masuk ke bagian dalam abstraksi
Saya juga khawatir dengan para junior yang sudah mengenal LLM sejak masih mahasiswa. Saya juga merasa pool perekrutan junior belakangan ini sedikit memburuk, tapi itu pun sulit dibuktikan...
Ini pertanyaan yang terus terlintas, tetapi bagi orang yang sudah terbiasa dengan coding manual, mengawasi LLM memang bagus; namun untuk orang yang baru belajar, rasanya akan sulit menilai apakah ini benar atau tidak jika mereka hanya menatap kode yang dibuat LLM.
Dulu, apakah orang yang menulis dengan assembler juga berpikir seperti, bagaimana mungkin bisa percaya compiler yang mengeluarkan output assembly yang kacau saat compiler pertama kali muncul?
Mungkin saat itu juga, meski menulis dengan C, mereka tetap coding sambil mengarahkan agar output assembly-nya keluar sesuai yang mereka inginkan.
Saya juga penasaran apakah di era AI, jika teknologinya makin maju, hasil akhir yang lengkap nantinya benar-benar bisa keluar dengan baik hanya lewat bahasa alami tanpa pengawasan manusia.
Namun, pengelolaan terhadap pengujian atau kode mati tetap diperlukan, dan detail tentang kasus uji serta kondisi keberhasilan pengujian juga dibutuhkan. Pengelolaan mengenai apa yang harus dikerjakan dan sampai sejauh mana itu penting. Untuk itu, bukan hanya rencana, tetapi juga arsitektur yang menyediakan harness serta pengaturan seperti Rules perlu terus diperbarui.
Saya sangat setuju. Dalam proyek terbaru, saya telah meng-commit sekitar 100 ribu baris (jumlah kode sebenarnya lebih banyak) dan rata-rata menggunakan 2–3 agen. Sepertinya sekitar 95% ditulis oleh agen.
Sepertinya ada permintaan terkait merek dagang dari Anthropic. Tampaknya mereka menanganinya dengan cukup santai lalu menggantinya.
Karena lobster mengalami molt (ganti kulit), sekarang namanya menjadi Moltbot. Judulnya juga sudah saya perbarui.
Betul. Kita bisa memasang hook agar ketika implementasi selesai spesifikasinya juga diperbarui, dan kalau tidak begitu pun tinggal menambahkan command atau skill untuk memperbarui spesifikasi secara manual wkwk
Saya rasa itu hal yang terpisah.
Tentu saja, seseorang bisa saja berusaha menjadi berguna karena berpikir, 'kalau aku tidak berguna, tidak akan ada yang mencintaiku',
tetapi saya masih muda, tinggi, tampan, dan juga punya banyak uang, namun saya termotivasi dari orang lain yang menyukai produk saya.
Justru orang-orang yang harga dirinya rendah sering kali lebih pelit memberi bantuan, lebih defensif, dan tampaknya lebih mementingkan pencapaian yang terlihat dari luar.
Sepertinya tidak masalah jika ada upaya untuk menganalisis dan memahami kode yang dihasilkannya.
Compiler agak berbeda sebagai konsep; karena ia menghasilkan assembly berbasis aturan, itu berada di ranah deterministik, sehingga setelah ditinjau sekali biasanya masalah yang sama tidak terulang. Namun LLM berada di ranah probabilistik, jadi selalu ada kemungkinan masalah yang sama muncul lagi.
Mungkin akurasi probabilistik ini nantinya akan berkembang hingga mendekati 100 persen, tetapi jika permintaan dalam bahasa alami itu sendiri tidak presisi, pada akhirnya hasilnya juga akan tidak presisi, jadi menurut saya hasil akhir yang
baikpada akhirnya tetap bergantung pada manusia.Pada akhirnya, saat mendalami pengembangan, pasti akan tiba saatnya kita perlu memahami bagian dalam dari lapisan abstraksi
Kesenjangan antara prompt bahasa alami dan kode yang dihasilkan terlalu besar, jadi tampaknya sulit untuk masuk dari prompt ke dalam lapisan abstraksi LLM
Saat ini, kita menyampaikan konsep spesifikasi yang ada di kepala kita ke LLM lewat prompt, lalu membaca ulang kode yang ditulis untuk memverifikasinya
Jadi ini terasa lebih seperti meninjau kode yang ditulis orang lain, bukan seperti masuk ke bagian dalam abstraksi
Perangkat yang didukung
Apple Watch Series 9 dan model setelahnya atau Apple Watch Ultra 2 dan model setelahnya.
Rasanya OpenAI masih belum bisa menentukan arah dengan jelas.
Lho, bukannya cuma siaran Ddiyong yang kembali? Ini apaan, tim tanpa Hongcheol di tim Hongcheol..
Kimi, model visual SOTA-agentic open-source Kimi K2.5 dirilis
Lihat juga versi ringkasan AI
Saya juga khawatir dengan para junior yang sudah mengenal LLM sejak masih mahasiswa. Saya juga merasa pool perekrutan junior belakangan ini sedikit memburuk, tapi itu pun sulit dibuktikan...
Tampaknya juga telah dirilis versi skills yang meningkatkan cara kerja Claude Code berdasarkan isi tulisan ini.
Karpathy-Inspired Claude Code Guidelines : https://github.com/forrestchang/andrej-karpathy-skills
Ini pertanyaan yang terus terlintas, tetapi bagi orang yang sudah terbiasa dengan coding manual, mengawasi LLM memang bagus; namun untuk orang yang baru belajar, rasanya akan sulit menilai apakah ini benar atau tidak jika mereka hanya menatap kode yang dibuat LLM.
Dulu, apakah orang yang menulis dengan assembler juga berpikir seperti, bagaimana mungkin bisa percaya compiler yang mengeluarkan output assembly yang kacau saat compiler pertama kali muncul?
Mungkin saat itu juga, meski menulis dengan C, mereka tetap coding sambil mengarahkan agar output assembly-nya keluar sesuai yang mereka inginkan.
Saya juga penasaran apakah di era AI, jika teknologinya makin maju, hasil akhir yang lengkap nantinya benar-benar bisa keluar dengan baik hanya lewat bahasa alami tanpa pengawasan manusia.
Begitu ya. Seperti dugaan, kebenaran dan pencerahan memang cukup dalam satu kalimat.
Namun, pengelolaan terhadap pengujian atau kode mati tetap diperlukan, dan detail tentang kasus uji serta kondisi keberhasilan pengujian juga dibutuhkan. Pengelolaan mengenai apa yang harus dikerjakan dan sampai sejauh mana itu penting. Untuk itu, bukan hanya rencana, tetapi juga arsitektur yang menyediakan harness serta pengaturan seperti Rules perlu terus diperbarui.
Saya sangat setuju. Dalam proyek terbaru, saya telah meng-commit sekitar 100 ribu baris (jumlah kode sebenarnya lebih banyak) dan rata-rata menggunakan 2–3 agen. Sepertinya sekitar 95% ditulis oleh agen.
> Coding dengan LLM akan membagi engineer menjadi mereka yang menyukai aktivitas coding itu sendiri dan mereka yang menyukai membangun sesuatu.
Kalau saya juga merangkum cerita-cerita yang saya dengar dari sekitar, pada akhirnya memang terasa terbagi seperti ini.
https://laravel-news.com/clawdbot-rebrands-to-moltbot-after-trademark-…
Sepertinya ada permintaan terkait merek dagang dari Anthropic. Tampaknya mereka menanganinya dengan cukup santai lalu menggantinya.
Karena lobster mengalami molt (ganti kulit), sekarang namanya menjadi Moltbot. Judulnya juga sudah saya perbarui.
Betul. Kita bisa memasang hook agar ketika implementasi selesai spesifikasinya juga diperbarui, dan kalau tidak begitu pun tinggal menambahkan command atau skill untuk memperbarui spesifikasi secara manual wkwk
Perbarui spesifikasi.
Ah, aku tidak mau menua.
Saya rasa itu hal yang terpisah.
Tentu saja, seseorang bisa saja berusaha menjadi berguna karena berpikir, 'kalau aku tidak berguna, tidak akan ada yang mencintaiku',
tetapi saya masih muda, tinggi, tampan, dan juga punya banyak uang, namun saya termotivasi dari orang lain yang menyukai produk saya.
Justru orang-orang yang harga dirinya rendah sering kali lebih pelit memberi bantuan, lebih defensif, dan tampaknya lebih mementingkan pencapaian yang terlihat dari luar.
Konsep vibe coding bahkan belum genap setahun sejak diciptakan, apaan gaya sok ala SNS begini wkwk
Tes ombak??