‏یک استاف انجینیر در ۲۰۲۶ چطور از هوش مصنوعی استفاده می‌کنه؟

سین گودکی، یه استاف انجینیر، یه سال پیش درباره‌ی نحوه‌ی استفاده‌اش از LLM‌ها نوشته بود. حالا برگشته تا بگه چی عوض شده — و پاسخ خلاصه‌اش اینه: ایجنت‌ها واقعاً خوب شدن. دیگه ابزارهایی نیستن که گاه‌وبیگاه و با تردید ازشون استفاده بشه؛ حالا ده‌ها سشن در روز باهاشون کار می‌کنه.

مهم‌ترین تغییر اینه که او حالا هر تغییر کدی رو با یه سشن ایجنت شروع می‌کنه. قبلاً ایجنت‌ها زود گیج می‌شدن و باید لحظه‌به‌لحظه زیرنظرشون می‌گرفت؛ الان اشتباهاتشون رو اغلب خودشون برطرف می‌کنن. با این حال، اکثر خروجی‌هاشون رو رد می‌کنه — می‌گه تقریباً سی ثانیه طول می‌کشه تا اولین ارزیابی رو بکنه و اگه نتیجه رضایت‌بخش نبود، سشن رو می‌بنده و از نو شروع می‌کنه.

برای دیباگ کردن هم تکیه‌اش به LLM‌ها خیلی بیشتر شده. ادعا می‌کنه ایجنت‌های فعلی حدود ۸۰٪ باگ‌ها رو به‌تنهایی تشخیص می‌دن. البته یه باگ پیچیده رو مثال می‌زنه که چهارده سشن ایجنت طول کشید تا حل بشه — ولی در اون بین، خودش داشت context جمع می‌کرد، مدل ذهنی می‌ساخت، و فضای جستجو رو تنگ‌تر می‌کرد تا ایجنت آخر مشکل خیلی ساده‌تری داشته باشه. نتیجه‌گیری‌اش اینه که تخصص انسانی در دیباگ هنوز خیلی اهمیت داره.

در حوزه‌ی نوشتار، رویکردش تغییر نکرده: توضیحات PR، پیام‌های Slack، ADR و ایشوها رو همچنان خودش می‌نویسه. دلیلش اینه که LLM‌ها در انتقال «ایده‌ی اصلی» یه تغییر ضعیفن و نوشتن دستی به ریویوکننده‌ها نشون می‌ده که یه انسان واقعی تغییر رو بررسی کرده. پست‌های وبلاگش رو هم هرگز با LLM نمی‌نویسه، فقط برای فیدبک ازشون استفاده می‌کنه.

یه کاربرد جدید هم اضافه شده: سپردن تست و ستاپ محلی به ایجنت‌ها. به‌جای گوگل کردن مشکلات تنظیماتی مثل خرابی nvm، یه سشن ایجنت باز می‌کنه تا خودش دیاگنوز کنه و درستش کنه. تست‌های integration رو هم به ایجنت می‌سپره، هرچند کد تست رو با چشم می‌خونه تا اشتباهات آشکار رو بگیره. البته تست UI رو هنوز به ایجنت نمی‌سپره.

جمع‌بندی‌اش اینه که مهارت اصلی در دنیای امروز، پیدا کردن تعادل بین کم‌استفاده‌کردن و زیاده‌روی در کار با ایجنت‌هاست. خیلی‌ها هنوز از ایجنت‌ها کم بهره می‌برن — مثلاً نه باگ‌هایی بهشون می‌دن و نه تست‌ها. برخی دیگه هم بیش از حد بهشون اعتماد می‌کنن و پیام‌هایی می‌نویسن که باید دست انسان باشه یا تغییرات گسترده رو بدون ریویوی دقیق می‌پذیرن.

نکات کلیدی:

• ایجنت‌ها حالا برای تولید PR کامل قابل اعتمادن، اما اکثر خروجی‌ها در اولین بررسی رد می‌شن
• ۸۰٪ باگ‌ها با پیست‌کردن گزارش باگ در یه سشن جدید حل می‌شن
• نوشتار عمومی (ADR، Slack، توضیح PR) همچنان باید دست انسان باشه
• تست UI به ایجنت سپرده نمی‌شه ولی integration test و ستاپ محلی چرا
• تعادل بین کم‌استفاده و زیاده‌روی، مهارت اصلی استفاده از هوش مصنوعی در ۲۰۲۶ه