Узнайте, как стать эффективным инженером с помощью программистов-программистов.
Делиться
Искусственный интеллект произвел революцию в моем подходе к программированию. Когда я впервые начал изучать программирование в 2019 году, я писал весь код, символ за символом. Оглядываясь назад, я благодарен за этот опыт, поскольку именно он научил меня решать проблемы.
Однако, благодаря агентам ИИ, я считаю, что стал как минимум в 10 раз эффективнее как инженер, чем раньше. Это потому, что я использую агентов ИИ для выполнения как можно большего количества повторяющихся, рутинных задач, которые мне раньше приходилось делать самому. Раньше мне приходилось:
- Как вручную найти ошибку отступа в Python
- Проведите длительное исследование, используя поиск в Google для получения ответов.
- Выполняйте масштабные рефакторинги вручную.
И длинный список других задач, на которые я сейчас не трачу много времени. Некоторые скажут, что не стоит позволять ИИ делать всю работу за вас, потому что это делает вас худшим программистом. Я бы возразил, что ИИ выполняет только рутинную, повторяющуюся работу, в то время как я могу выполнять самые когнитивно напряженные задачи, такие как организация и координация работы агентов ИИ.
В этой статье я расскажу о трёх наиболее важных методах, которые я использую для эффективного применения ИИ-агентов в программировании. Я считаю, что эти методы не только значительно повышают мою эффективность как инженера, но и позволяют максимально раскрыть потенциал ИИ-агентов.
Я всегда ищу способы стать более эффективным инженером, поэтому, если у вас есть ещё какие-либо предложения, я буду очень признателен за любые отзывы!
В этой статье я буду ссылаться как на Cursor, так и на Claude Code. Ни одна из этих компаний меня не спонсирует, и это просто инструменты, которые я использую для программирования своих агентов.
Почему стоит использовать агентов искусственного интеллекта для программирования
Для начала я хочу объяснить, почему вам следует использовать агентов искусственного интеллекта при программировании. Главный аргумент заключается в том, что вы можете сделать больше за меньшее время.
Искусственный интеллект позволяет делать больше за меньшее время.
Функции, на реализацию которых раньше уходило 5 часов, теперь можно реально внедрить и протестировать за 15 минут.
На поиск ошибок, на которые у вас уходил час, а на их устранение — 30 минут, ваш агент теперь сможет решить за 5 минут. С помощью Linear MCP вы можете даже просто скопировать URL-адрес проблемы, и ваш агент прочитает запрос, найдет ошибку, реализует решение и создаст для вас готовый запрос на слияние (PR).
Источник: towardsdatascience.com
