Popularne tematy
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Byłem jednym z 16 programistów biorących udział w tym badaniu. Chciałem podzielić się moimi opiniami na temat przyczyn i strategii łagodzenia spowolnienia deweloperskiego.
Powiem jako haczyk "po co cię słuchać?", że doświadczyłem -38% przyspieszenia SI w przydzielonych mi sprawach. Myślę, że przejrzystość pomaga społeczności.


11 lip 2025
Przeprowadziliśmy randomizowane, kontrolowane badanie, aby sprawdzić, jak bardzo narzędzia do kodowania AI przyspieszają doświadczonych programistów open source.
Wyniki nas zaskoczyły: programiści myśleli, że są o 20% szybsi dzięki narzędziom AI, ale w rzeczywistości byli o 19% wolniejsi, gdy mieli dostęp do AI, niż gdy go nie mieli.

Po pierwsze, uważam, że przyspieszenie SI jest bardzo słabo skorelowane z umiejętnościami dewelopera. Wszyscy deweloperzy w tym badaniu są bardzo dobrzy. Myślę, że ma to więcej wspólnego z popadnięciem w tryb awarii, zarówno w zdolnościach LLM, jak i w przepływie pracy człowieka. Pracuję z mnóstwem niesamowitych programistów zajmujących się przygotowaniami do treningu i myślę, że ludzie borykają się z wieloma podobnymi problemami.
Lubimy mówić, że LLM to narzędzia, ale traktujemy je bardziej jak magiczną kulę.
Dosłownie każdy deweloper może zaświadczyć o satysfakcji z ostatecznego debugowania drażliwego problemu. LLM to duży przycisk skrótu dopaminy, który może jednorazowo rozwiązać twój problem. Czy ciągle naciskasz przycisk, który ma 1% szans na naprawienie wszystkiego? Jest to o wiele przyjemniejsze niż wyczerpująca alternatywa, przynajmniej dla mnie.
Myślę, że przypadki nadużywania LLM mogą się zdarzyć, ponieważ łatwo jest zoptymalizować go pod kątem postrzeganej przyjemności, a nie czasu na rozwiązanie podczas pracy.
Ja naciskam Tab w kursorze przez 5 godzin zamiast debugowania przez 1:
Po trzecie, bardzo łatwo jest się rozproszyć w czasie przestoju, podczas gdy generują się LLM. Ekonomia uwagi w mediach społecznościowych jest brutalna i myślę, że ludzie spędzają 30 minut na przewijaniu, "czekając" na swoje 30-sekundowe pokolenie.
Wszystko, co mogę powiedzieć na ten temat, to to, że powinniśmy znać nasze własne pułapki i starać się produktywnie wypełnić ten czas generacji LLM:
- Jeśli zadanie wymaga dużego skupienia, poświęć ten czas na pracę nad podzadaniem lub zastanowienie się nad pytaniami uzupełniającymi. Nawet jeśli model zabije twoje pytanie, czego jeszcze nie rozumiem?
- Jeśli zadanie wymaga skupienia, w międzyczasie wykonaj inne małe zadanie (odpowiedz na e-mail/slack, przeczytaj lub edytuj kolejny akapit itp.).
Jak zawsze, pomagają w tym małe kroki związane z higieną cyfrową (blokery stron internetowych, telefon na dnd itp.). Przepraszam, że jestem głupcem, ale to działa dla mnie :)
Kilka stwierdzeń końcowych:
- METR to wspaniała organizacja, z którą się współpracuje, a do tego są silnymi naukowcami. Uwielbiałem zarówno udział w tym badaniu, jak i czytanie ich wyników.
- Nie jestem jakimś guru LLM, który próbuje prawić kazania. Pomyśl o tym jak o tym, że publikuję osobisty wpis w pamiętniku i mam nadzieję, że inni mogą skorzystać z mojej introspekcji.
1,96M
Najlepsze
Ranking
Ulubione