Linux Landlock adalah modul keamanan bawaan kernel yang memungkinkan proses tanpa hak istimewa melakukan sandbox pada dirinya sendiri - tetapi tidak ada yang memakainya karena API-nya ... sulit!
Saya baru pertama kali mendengar tentang Landlock, tapi ini menarik.
Yang saya rasakan saat ngoding bersama AI adalah, kalau kita memecah unit dengan nuansa prinsip tanggung jawab tunggal + TDD agar AI bisa memahami konteks hanya dengan diberi sebagian kode, ternyata kita memang harus menyusunnya sedemikian rupa sehingga tidak perlu membaca konteks besar, dan konteks parsial saja sudah cukup untuk menangkapnya.
Saya paling sering memakai AI untuk hobi membuat game web, dan saya setuju. Begitu skalanya melewati tingkat tertentu, ada titik di mana AI tampak mengalami penurunan yang cukup jelas pada aspek yang bisa dibilang sebagai tingkat fokusnya. Saya memanfaatkannya dengan cara berikut: seluruh tree dan source code dalam game saya gabungkan menjadi satu file yang mencakup TOC, lalu saat membuat thread baru saya mengunggah file tersebut dan melanjutkan pekerjaan. Dan ketika mengajukan pertanyaan, saya selalu secara eksplisit menyebutkan nama project saat ini sambil meminta jawaban. Meski begitu, masih ada bagian-bagian yang belum memuaskan... tetapi saya sangat puas dengan kenyataan bahwa saya bisa menyelesaikan hobi yang dulu, karena sibuk dengan kehidupan nyata, bahkan tak berani saya mulai, dalam waktu yang relatif singkat.
Untuk pemecahan masalah tingkat tinggi, LLM termasuk deep research masih belum berguna. (misalnya pengembangan algoritma setingkat makalah)
Coding yang menuntut optimisasi ekstrem serta pemahaman atas beragam karakteristik sistem dan isu teknis juga masih sama-sama membutuhkan campur tangan manusia. Pengembang bukan sekadar programmer, melainkan pemecah masalah. Suatu hari nanti mungkin pemecahan masalah end-to-end juga akan menjadi mungkin, tetapi untuk sekarang ini terlihat positif dari sisi produktivitas karena bisa menghemat waktu untuk mengetik dan pemrograman sederhana, lalu menginvestasikannya pada pendekatan untuk masalah yang lebih sulit.
Sebagai tech lead, saya cukup sering melakukan pekerjaan seperti ini. Mencoba kuantifikasi berbasis story point juga mirip, tetapi untungnya karena perusahaan kami tidak terlalu besar, para anggota termasuk para eksekutif memahami peran saya, jadi untuk saat ini sepertinya belum menimbulkan masalah.
Kalau organisasinya membesar, sepertinya saya juga perlu memikirkan metode kuantifikasinya.
Rasanya seperti pernah membaca cerita ini di suatu tempat.. ternyata ini tulisan tahun 2023
Ternyata artikel yang sama pernah naik 2 tahun lalu https://id.news.hada.io/topic?id=10680
Saya mencoba berbagai hal, tetapi batasan memori jelas ada. Untuk tingkat PoC, ini bagus. Dari sisi kemungkinan/kegunaan yang bisa dicapai dengan cepat, ini juga bagus.
Masalahnya, justru semakin membutuhkan orang yang berpengalaman.
Sudah masuk ke JDK23.
Setelah dicoba, meskipun versi JDK proyek di bawah 23, tetap berfungsi normal jika IDE atau alat export Javadoc mendukungnya.
Ada banyak wawasan yang tersirat di dalamnya. Terima kasih.
Bagian "tingkat saat ini" itu yang paling menarik perhatian saya. Bukankah kita sedang melihat LLM dengan konsep waktu milik manusia?
Sepertinya itu sudah dimasukkan ke dalam standar.
Linux Landlock adalah modul keamanan bawaan kernel yang memungkinkan proses tanpa hak istimewa melakukan sandbox pada dirinya sendiri - tetapi tidak ada yang memakainya karena API-nya ... sulit!
Saya baru pertama kali mendengar tentang Landlock, tapi ini menarik.
Yang saya rasakan saat ngoding bersama AI adalah, kalau kita memecah unit dengan nuansa prinsip tanggung jawab tunggal + TDD agar AI bisa memahami konteks hanya dengan diberi sebagian kode, ternyata kita memang harus menyusunnya sedemikian rupa sehingga tidak perlu membaca konteks besar, dan konteks parsial saja sudah cukup untuk menangkapnya.
Saya paling sering memakai AI untuk hobi membuat game web, dan saya setuju. Begitu skalanya melewati tingkat tertentu, ada titik di mana AI tampak mengalami penurunan yang cukup jelas pada aspek yang bisa dibilang sebagai tingkat fokusnya. Saya memanfaatkannya dengan cara berikut: seluruh tree dan source code dalam game saya gabungkan menjadi satu file yang mencakup TOC, lalu saat membuat thread baru saya mengunggah file tersebut dan melanjutkan pekerjaan. Dan ketika mengajukan pertanyaan, saya selalu secara eksplisit menyebutkan nama project saat ini sambil meminta jawaban. Meski begitu, masih ada bagian-bagian yang belum memuaskan... tetapi saya sangat puas dengan kenyataan bahwa saya bisa menyelesaikan hobi yang dulu, karena sibuk dengan kehidupan nyata, bahkan tak berani saya mulai, dalam waktu yang relatif singkat.
Judulnya benar-benar bikin terpancing, ya. Hehe, saya setuju~~
Untuk pemecahan masalah tingkat tinggi, LLM termasuk deep research masih belum berguna. (misalnya pengembangan algoritma setingkat makalah)
Coding yang menuntut optimisasi ekstrem serta pemahaman atas beragam karakteristik sistem dan isu teknis juga masih sama-sama membutuhkan campur tangan manusia. Pengembang bukan sekadar programmer, melainkan pemecah masalah. Suatu hari nanti mungkin pemecahan masalah end-to-end juga akan menjadi mungkin, tetapi untuk sekarang ini terlihat positif dari sisi produktivitas karena bisa menghemat waktu untuk mengetik dan pemrograman sederhana, lalu menginvestasikannya pada pendekatan untuk masalah yang lebih sulit.
Pola membuatnya secara kasar lalu merapikan sisa detailnya sangat bagus.
Menurut saya, bukan hanya individu yang tidak boleh takut, tetapi organisasi juga perlu mendorong pertanyaan-pertanyaan yang terdengar bodoh (?).
Dalam praktiknya, banyak yang memang menggunakannya seperti itu dengan menetapkan skema lalu menerimanya.
Ternyata vibe coding bukan sekadar meme, melainkan metodologi pengembangan baru.
Ini sepertinya juga bisa membantu pembelajaran jenis lain yang menggunakan notasi mirip kitab suci. Misalnya buku-buku Plato...
Sebagai tech lead, saya cukup sering melakukan pekerjaan seperti ini. Mencoba kuantifikasi berbasis story point juga mirip, tetapi untungnya karena perusahaan kami tidak terlalu besar, para anggota termasuk para eksekutif memahami peran saya, jadi untuk saat ini sepertinya belum menimbulkan masalah.
Kalau organisasinya membesar, sepertinya saya juga perlu memikirkan metode kuantifikasinya.
Waduh.... jangan-jangan dia meninggalkan kita dan masuk nirwana sendirian, ya?
Rasanya seperti pernah membaca cerita ini di suatu tempat.. ternyata ini tulisan tahun 2023
Ternyata artikel yang sama pernah naik 2 tahun lalu https://id.news.hada.io/topic?id=10680
Saya kira Doc As Prompt akan berjalan baik dengan Mistral OCR, tetapi saya juga mengalami masalah serupa. Saya mendapatkan petunjuk dari sini.
Saya mencoba berbagai hal, tetapi batasan memori jelas ada. Untuk tingkat PoC, ini bagus. Dari sisi kemungkinan/kegunaan yang bisa dicapai dengan cepat, ini juga bagus.
Masalahnya, justru semakin membutuhkan orang yang berpengalaman.