AI mi pri razvoju prihrani ogromno časa. Vseeno mu ne zaupam na slepo.
AI uporabljam za hitrejši razvoj, vendar predlog še ni preverjen rezultat. Moj odnos do načrtovanja, kode, testov, uporabniške izkušnje in produkcije.
Pri razvoju uporabljam AI, ker mi prihrani veliko časa. Ne vidim razloga, da bi to olepševal ali skrival. Pomaga mi pri razmišljanju, pripravi kode, iskanju napak in dokumentaciji. Veliko lažje je začeti z nečim konkretnim kot vedno znova s praznim zaslonom.
Ampak hitrost ni isto kot pravilnost. To je razlika, ki jo želim ohraniti tudi takrat, ko orodje zelo prepričljivo razloži, da je naloga končana. Če rezultat ni tisto, kar potrebujem, mi ne pomaga veliko, da je nastal hitro.
Na AI gledam kot na sodelavca, s katerim lahko hitreje pridem do predloga in ga nato preverim. Odločitev, kaj sploh želim narediti, pa mora ostati jasna meni. Če je ne znam razložiti, je malo verjetno, da jo bo boljša formulacija poziva čudežno nadomestila.
Največ časa lahko izgubim že pred prvo vrstico kode
Ko imam idejo, me hitro zamika izvedba. Z AI je ta korak še lažji: opišem funkcijo in kmalu imam pred seboj zaslone, podatkovni model ali prve datoteke.
Zato bi se rad dovolj zgodaj ustavil pri osnovnem vprašanju. Kateri problem rešujem in za koga? Če dodajam polje v aplikacijo, kaj bo uporabnik z njim naredil? Če pripravljam novo stran, na katero vprašanje mora odgovoriti? Če avtomatiziram postopek, kateri njegov del je sploh smiseln?
AI mi je pri tem uporaben kot sogovornik. Lahko predlaga možnosti, opozori na manjkajoči korak ali pomaga razdeliti večjo zamisel. Njegov predlog vzamem kot nekaj, ob čemer lažje razmišljam. Ne kot odločitev, ki jo moram sprejeti zato, ker je lepo urejena.
Pri lastnih produktih, kot je Bizko, me zanima predvsem uporabnost poteka dela. Če je cilj manj ponovnega vnašanja podatkov, potem nova funkcija ne sme samo preseliti istega dela na drug zaslon. To je vprašanje zasnove. Količina ustvarjene kode mi nanj ne odgovori.
Jasna navodila niso samo daljši poziv
Dobro navodilo zame pove, kaj želim doseči, kaj že obstaja in česa ne smemo pokvariti. Dolžina sama ni posebej dober kriterij.
Če orodju napišem, naj »izboljša uporabniško izkušnjo«, sem mu pustil veliko prostora za interpretacijo. Lahko spremeni barve, doda animacije ali prerazporedi meni. Vse to je mogoče opisati kot izboljšavo, če prej nisem povedal, kaj uporabniku trenutno povzroča težavo.
Bolj uporabno se mi zdi opisati nalogo in pričakovano vedenje. Denimo hipotetičen obrazec: uporabnik mora ob napačnem vnosu razumeti napako in ohraniti že izpolnjena polja. To je mogoče preveriti. Beseda »sodobno« pa je precej bolj odprta.
Pomembne so tudi omejitve. Ali delamo v obstoječem projektu? Katere tehnologije že uporablja? Ali sprememba vpliva na prijavo, podatke ali plačila? Ali gre za lokalni preizkus ali produkcijo? Če to ostane neizrečeno, lahko dobim povsem smiselno rešitev za napačno okolje.
Arhitekture ne želim sestavljati po naključju
AI lahko predlaga veliko načinov, kako rešiti isto nalogo. To je koristno, dokler zaradi vsakega novega predloga ne dobim še ene knjižnice, drugačnega vzorca ali dodatne plasti, ki je nihče ne potrebuje.
Sam bi najprej pogledal, kako projekt že deluje. Kje je domenska logika, kako se berejo in zapisujejo podatki, kako so urejene pravice in kako se spremembe objavijo? Nova funkcija se mora smiselno vključiti v to sliko.
Ne želim arhitekture, ki je zanimiva predvsem za razlaganje. Želim razumeti, kaj bo treba vzdrževati in kje se lahko kaj pokvari. Manjši sistem pogosto potrebuje manj sestavnih delov, ne več. Včasih je najboljši odgovor uporaba obstoječega vzorca, čeprav ni videti kot nova in posebej elegantna rešitev.
AI mi lahko pomaga primerjati možnosti. Odgovornost, da izberem takšno, ki ustreza projektu, pa ostaja pri meni. Predlog, ki je dober sam zase, še ni nujno dober dodatek konkretnemu sistemu.
Kodo je hitreje dobiti kot razumeti njene posledice
Pri pisanju kode je prihranek časa najbolj očiten. Veliko ponavljajočega se dela lahko nastane hitro, prve različice pa lažje popravljam, ko že vidim konkretno izvedbo.
Toda ob pregledu me ne zanima samo, ali se koda izvede. Zanima me, kaj sprejme kot vhod, kje preveri pravice, kako ravna z napako in ali posega v podatke, ki se jih naloga ne bi smela dotakniti. Posebej pozoren bi bil tam, kjer se spreminjajo podatki ali dostop do njih.
Ne potrebujem razumevanja vsake podrobnosti knjižnice, moram pa razumeti odločitve, na katerih stoji moja rešitev. Če mi del kode ni jasen, je pojasnilo dober začetek. Potem pogledam še izvedbo in dokumentacijo. Razlaga istega orodja, ki je kodo napisalo, ni neodvisen dokaz, da je vse pravilno.
Prav tako ne želim brez potrebe spreminjati polovice projekta, če odpravljam eno napako. Manjši in preglednejši poseg mi olajša presojo. Hitrost ustvarjanja sprememb ni razlog, da bi se odpovedal omejenemu obsegu dela.
Pri iskanju napak želim dokaz, ne samo verjetne razlage
AI je uporaben pri oblikovanju hipotez. Iz opisa težave lahko predlaga, kaj pogledati, kateri podatek manjka ali kje bi lahko bil vzrok. To mi lahko skrajša iskanje.
Vseeno bi rad napako najprej dovolj dobro opredelil. Kdaj se pojavi? Ali jo lahko ponovim? Kaj sem pričakoval in kaj se je zgodilo? Brez tega se lahko začne popravljanje stvari, ki so samo povezane z okolico problema.
Če orodje predlaga spremembo nastavitve, me zanima, zakaj naj bi ta nastavitev povzročala opaženo vedenje. Če po spremembi napake ni več, bi preveril še, ali sem odpravil vzrok ali samo skril posledico.
Ne bi želel, da se pri iskanju ene težave hkrati spremeni toliko stvari, da ne znam več povedati, katera je pomagala. Bolj mi ustreza zaporedje majhnih hipotez in preverjanj. AI lahko pri njem sodeluje, ni pa razlog, da bi preskočil osnovno logiko diagnostike.
Testi morajo preverjati tisto, kar me dejansko skrbi
Tudi teste je mogoče hitro napisati. Zato jih ne želim ocenjevati samo po številu. Zanima me, kaj bi se lahko pokvarilo in ali bi test to res opazil.
Če test samo ponovi isto predpostavko kot izvedba, se lahko oba strinjata in oba zgrešita problem. Raje bi opisal pričakovano vedenje z vidika uporabnika ali sistema. Kaj se mora zgoditi ob pravilnem vnosu? Kaj ob napačnem? Kaj brez ustreznih pravic?
Pri shranjevanju bi preveril tudi, ali podatke pozneje pravilno preberem. Pri prijavi odjavo. Pri obrazcu napako, ne samo uspešne oddaje. Pri objavi vsebine pa razliko med osnutkom, načrtovano objavo in tem, kar je dejansko javno.
To niso stvari, ki bi jih moral vsakič preverjati na enak način. Obseg naj sledi spremembi in tveganju. Manjša oblikovna sprememba ne potrebuje enakega postopka kot poseg v podatkovni model. V obeh primerih pa želim vedeti, kaj je bilo preverjeno in kaj ostaja odprto.
Pregled kode in UX sta dva različna pogleda
Koda je lahko tehnično urejena, uporabniku pa še vedno oteži delo. Zato mi pregled kode ne nadomesti uporabe zaslona.
Stran bi odprl na telefonu, se premaknil skozi meni in poskusil opraviti osnovno nalogo. Ali razumem besedilo gumba? Ali opazim, da se podatki shranjujejo? Ali vem, zakaj je neko polje obvezno? Pri takšnih vprašanjih lep posnetek zaslona ni dovolj.
AI mi lahko predlaga izboljšave, vendar jih želim presojati glede na namen strani. Dodatna kartica, obvestilo ali animacija niso koristni samo zato, ker jih je bilo enostavno narediti. Včasih je boljša odločitev, da nekaj odstranim.
Tudi pri tem blogu je bilo treba pogledati dejanski prikaz, prilagoditi premočno barvo in preveriti mobilno širino. To je konkreten del nastajanja strani, ne dokaz, da neko orodje samo od sebe pozna moj okus. Predlog in končna odločitev sta bila različna koraka.
Dokumentacija naj opiše stanje, ne namen
Pri dokumentaciji mi AI pomaga urediti razpršene informacije v nekaj, kar bom lahko uporabil pozneje. Vseeno bi rad preveril, ali zapis opisuje dejansko izvedbo.
»Dodana podpora« ni dovolj, če ne vem, za katere primere. »Testi uspešni« ni dovolj, če niso bili izvedeni v okolju, o katerem govorimo. »Objavljeno« ni dovolj, če je paket samo pripravljen na strežniku, javna stran pa še vedno uporablja prejšnjo različico.
Takšne razlike so pomembne tudi zame čez nekaj časa. Ko se vrnem k projektu, potrebujem uporaben opis stanja, omejitev in načina preverjanja. Ne potrebujem samozavestnega povzetka, iz katerega moram šele ugibati, kaj se je v resnici zgodilo.
Objava na produkcijo je še vedno svoj korak
Delujoča lokalna različica mi pove veliko, ne pa vsega. Strežnik ima lahko drugačne pravice, nastavitve, omejitve ali podatke. Zato objave ne želim obravnavati kot zadnje rutinske poteze, ki je ni treba posebej pogledati.
Pred spremembo bi hotel vedeti, kaj objavljam, ali potrebujem spremembo baze in kako se vrnem na prejšnje stanje. Po objavi pa bi preveril javne poti in opravila, ki jih je sprememba zadevala. Da se domača stran odpre, še ne pomeni, da deluje tudi prijava ali nalaganje slike.
Pri postavljanju te strani se je prav po prenosu pokazala težava z dostopom do javnih slik. Preverjanje dejanskega URL-ja jo je odkrilo; uspešna priprava datotek sama je ni. Tak primer mi je dober opomnik, zakaj končnega rezultata ne želim presojati samo iz poročila o opravljenih korakih.
AI mi pri razvoju pomaga narediti več in hitreje. Najbolj uporaben mi je, ko ob tej hitrosti ohranim pregled nad problemom, spremembami in preverjanjem. Ne potrebujem slepega zaupanja, da bi od njega dobil veliko. Potrebujem dovolj razumevanja, da vem, kdaj lahko nadaljujem in kdaj moram še enkrat pogledati.
