مشکل کد هوش مصنوعی نیست، بلکه ندانستن در مورد معماری یا هدف سیستم است

آخرین به روز رسانی: 28 سپتامبر 2026 توسط Simon Späti · ایجاد: 26 سپتامبر 2026 · 4 دقیقه خوانده شده اخیرا به روز شده تغییرات اخیر 28 سپتامبر امروز منتشر شد · 882 کلمه

اگر فکر می‌کنیم آیا نوشتن کد مرده است و هوش مصنوعی همه پایگاه‌های کد را تولید می‌کند، هنوز فکر می‌کنم مشکل بزرگ‌تر این است که افراد یا تیم‌های کامل دیگر چیزی در مورد معماری سیستم یا هدفی که در پس چرا انتخاب‌های خاص انجام شده است نمی‌دانند.

فکر می‌کنم هوش مصنوعی احتمالا کد متوسطی را می‌نویسد (بسته به کار و اندازه). بنابراین اگر پایه کد شما زیر سطح هوش مصنوعی بود، به راحتی می توانید آن را تا حد متوسط ​​ارتقا دهید. حداقل این چیزی است که من در اینجا مشاهده کرده ام.

برای من، مشکل کد هوش مصنوعی نیست، بلکه این است که هیچ کس چیزی نمی داند و همه فقط از کلود می پرسند. در نهایت هیچ برنامه ای ندارید.

این توییت وضعیت فعلی استارت‌آپ‌های با سرعت بالا یا شرکت‌های بزرگ‌تر یا جایی که مدیریت میانی به شدت به هوش مصنوعی فشار می‌آورد را خلاصه می‌کند:

من با این لعنتی تمام شده ام تمام شده است. وضعیت مهندسی در حال حاضر وحشتناک است. نیم ماه از شروع یک نقش جدید در یک شرکت بزرگ می گذرد. اینجا کسی چیزی نمی داند. مشخصات، کد، تست ها، PRD ها، بلیط ها، وضوح آن بلیط ها، گزارش ها و غیره، همه چیز توسط کلود کد ساخته شده است.

هیچ کس در تیم من این را دوست ندارد. آنها مجبور هستند تا جایی که می توانند کشتی را حمل کنند. من بارها از مدیریت بالاتر شنیده ام که فشار دادن کد یک گلوگاه نیست، پس چرا ما کند هستیم؟ افراد 12 تا 13 ساعت در روز فقط برای فشار دادن اینتر کار می کنند. کسی چیزی نمیخواند انسان ها در شرکت ها به تنهایی کاری انجام نمی دهند.

همه، به معنای واقعی کلمه همه، از یک مهندس L1 تا یک مهندس L7 در اینجا همین کار را انجام می دهند. با کلود صحبت کن هیچ حس پیروزی وجود ندارد. هیچ کس اشکالات را حل نمی کند. در واقع، هیچ کس دیگر فکر نمی کند. همه چیز توسط LLM ها انجام می شود.

خیلی نفس گیره راستش را بخواهید، اگر حداقل به ما فرصت داده شود تا کد را بررسی کنیم و ببینیم چه چیزی به کجا می‌رود، اهمیتی نمی‌دهم. اما نه، هدف فقط ارسال است. مهم نیست چه اتفاقی می افتد. وکسیوم

هویت امرسون اشاره می کند که مهندسی داده متفاوت است:

من فکر می کنم افراد دیتا متفاوت هستند. ما باید از روز اول همه چیز را در مورد محصول/کسب و کار می دانستیم. هوش مصنوعی اکنون اصطکاک را برای ما برطرف می کند. توییت کنید

من فکر می‌کنم افراد داده‌ای که قبل از هوش مصنوعی بزرگ شده‌اند، باید همه چیز را می‌دانستند (یا خیلی چیزها، یا متخصصان حوزه را درگیر می‌کردند) تا متوجه شوند. اما هوش مصنوعی این را منسوخ یا به ظاهر منسوخ می کند.

به همین دلیل است که مردمی که از امروز شروع می‌کنند، یا من نیز، اگر امروز را شروع کنم و در زمینه‌ای جدید بیاموزم، ناگهان آن دانش از دست می‌رود.

من همیشه افراد محصولی را تحسین کرده ام که نمی توانند کدنویسی کنند اما می توانند تیمی را برای دریافت نرم افزار مورد نظر خود مدیریت کنند. دانستن آنچه می خواهید همیشه سخت ترین قسمت بوده است.

می‌توان گفت که یک مدیر محصول خوب اکنون می‌تواند هر چیزی را که می‌خواهد بسازد و بازاری پیدا کند، آن را خوب جلوه دهد، و غیره. اما باز هم، اگر نمی‌توانید کدنویسی کنید، اساسا پایه‌ای بسیار بد برای محصولی ایجاد می‌کنید که نگهداری آن بسیار سخت است (اگرچه هوش مصنوعی در آن نیز بهتر می‌شود، به‌خصوص زمانی که اغلب تکرار می‌کنید، اما همچنان، اگر زبان اشتباه یا مدل ذهنی اشتباهی را انتخاب کنید، از مدل ذهنی اشتباهی استفاده می‌کنید).

در هر صورت، دانستن اصول اولیه کمک می کند: برای برنامه نویسی و طراحی یک محصول، و برای یک PM خوب که می داند چه چیزی لازم است، اما طراحی سیستم و معماری را نیز درک می کند.

تفکر در سیستم ها، یا معماری ها، یا داشتن قصد و طراحی - همه آنها به مهندس نرم افزار بهتری کمک می کنند. امروزه، نوشتن کد با دست ممکن است مرده باشد، اما مطمئنا کمک می کند، و داشتن سلیقه (با هوش مصنوعی) مهمتر از همیشه است.

اما رئیس نهایی، قابلیت نگهداری است و همیشه خواهد بود. هرچه تولید یک خط لوله، برنامه یا داشبورد BI سریعتر آسان‌تر باشد، بیشتر باید نگهداری کنید. و اگر کسی چیزی را نداند، ممکن است واقعا سخت شود.

بله، هوش مصنوعی نمی‌تواند خود را درخواست کند، درست است؟ چرا ما حتی به انسان نیاز داریم؟ برای من، این نشانه روشنی است که هنوز به انسان برای کارگردانی و تنظیم آن نیاز است. همچنین به همین دلیل است که نیت، سلیقه، طراحی و معماری همگی ویژگی‌های قاتل در دنیای امروز هستند.

اما هنگامی که اینها وجود نداشته باشند، یا حتی بدتر، اساسی باشند، گم شوند، واقعا خطرناک است. امروز خواندم که این یک مشکل خودساخته است، و اگر ما هنوز هم جوانان را استخدام می‌کردیم، این مشکل پیش نمی‌آمد. اما بله، به همین راحتی هم نیست.

منبع: ویدیوی اولیه و محدودیت های LLM و AI مراجع: آنچه من نوشتن با هوش مصنوعی یاد گرفتم

این یادداشت بخشی از دومین مغز من است، یک یادداشت عمومی بیش از 650 در مورد مهندسی داده، زندگی، و موارد دیگر. خلاصه‌ای از یادداشت‌های جدید، پست‌های وبلاگ، و فصل‌های کتاب و به‌روزرسانی‌های کلی را از طریق ایمیل ارسال می‌کنم. اگر می‌خواهید مورد بعدی را دریافت کنید، در زیر مشترک شوید.