AI = STAŻYSTA Wykonywanie poleceń dla agenta AI, a następnie przeglądanie kodu może być wolniejsze niż po prostu napisanie go samodzielnie. Ale kiedy? Czy mamy proste heurystyki dotyczące tego, kiedy używać agenta, a kiedy pisać samodzielnie? Użyj agenta, gdy chodzi o kod frontendowy (który możesz natychmiast sprawdzić pod kątem poprawności), lub interakcję z jakimś API (gdzie wiesz, co zrobić, ale nie znasz konkretnych zaklęć do wykonania wywołań API), lub analizę danych, lub prototyp. Zrób to sam, gdy to dziedzina, którą znasz bardzo dobrze, lub gdy chodzi o kontekstowy kod backendowy, lub gdy chcesz dużo iterować nad wynikiem. W tych okolicznościach napisanie polecenia zajmuje więcej czasu niż napisanie i przeglądanie kodu. Mówiąc ogólnie, jeśli wyobrazisz sobie swoją aplikację jako koncentryczne okręgi, agenci AI są dobrzy w "płytkich" warstwach na zewnątrz (jak frontend, lub wykresy/diagramy odczytywane z bazy danych), ale niebezpieczni w "rdzennych" obszarach, gdzie potrzebny jest wysoki kontekst, a niskie wskaźniki błędów są krytyczne. W formie punktów, AI jest lepsze w: - frontendzie niż backendzie - odczytach niż zapisach - płytkich niż rdzeniowych - prototypach niż produkcji - rozpoczynaniu niż utrzymywaniu - dziedzinach tolerujących błędy niż nietolerujących błędów - wizualnych wynikach niż finansowych - niskim kontekście niż wysokim kontekście Więc AI jest stażystą. Te kryteria mogłyby same w sobie być używane przez agentów AI do sygnalizowania większej niepewności przy rozwiązywaniu problemów o wysokim kontekście. Jak stażysta mówiący, że postara się mocno, ale może nie mieć wystarczającego kontekstu.