Alasan penelitian
- Selain metode seperti prompt atau
.cursorrules, tulisan ini membahas penelitian dan percobaan tentang apakah struktur kode dapat digunakan sebagai konteks yang bisa dipahami AI.
- Saat ini ukuran context yang disediakan sebagian besar model AI sangat kecil dan menimbulkan banyak ketidaknyamanan dalam vibe coding. Jika struktur kode dapat dimanfaatkan sebagai konteks lain yang bisa digunakan AI, diasumsikan hal itu dapat menghasilkan peningkatan besar.
Pengujian
- Disediakan dua kode dengan implementasi yang sama tetapi struktur yang berbeda.
- Kode pertama ditulis secara berorientasi tujuan tanpa terlalu memedulikan struktur.
- Kode kedua adalah versi yang hanya memperbaiki sebagian struktur dari kode pertama.
- Kedua kode tersebut 100% ditulis oleh AI.
- Kepada AI yang sama, hanya kode dasar yang diberikan secara berbeda, lalu diberikan perintah yang sama untuk memodifikasi kode.
Hasil pengujian
- Pada hasil modifikasi kode pertama, AI menambahkan fitur dengan cara menyelipkannya ke dalam kode lama yang tidak memiliki struktur. Dari modifikasi lanjutan setelah itu, fitur-fitur yang sudah ada menjadi sangat mudah rusak.
- Pada hasil modifikasi kode kedua, AI menghormati struktur yang sudah ada dan memodifikasi kode dengan komposisi/struktur/pola yang sama. Bahkan pada modifikasi kode lanjutan, fungsi-fungsi yang sudah ada tidak mudah rusak.
Kesimpulan
- AI memahami struktur kode yang sudah ada, dan di atas struktur yang baik AI menghasilkan kode yang kokoh dan berkualitas baik.
Penilaian pribadi
- Ini adalah penelitian yang sangat menarik, dan saya pikir topik ini bermakna bagi perkembangan AI untuk pengembangan perangkat lunak.
- Tulisan itu sendiri tidak terlalu panjang, tetapi banyak memuat penjelasan tentang lingkungan dan tujuan yang ingin disampaikan.
- Justru isi pengujiannya perlu dipraktikkan langsung oleh pembaca agar bisa dipahami. Saya merasa tulisan ini akan jauh lebih baik jika lebih berfokus pada pengujian, hasilnya, dan maknanya.
Belum ada komentar.