เหตุผลของการวิจัย
- เป็นการวิจัยและทดลองว่า นอกเหนือจากวิธีอย่างพรอมป์ต์หรือ
.cursorrules แล้ว จะสามารถใช้โครงสร้างของโค้ดเป็นบริบทที่ AI เข้าใจได้หรือไม่
- ปัจจุบันขนาด context ที่โมเดล AI ส่วนใหญ่มอบให้นั้นเล็กมาก และสร้างความไม่สะดวกอย่างมากต่อ vibe coding หากสามารถใช้โครงสร้างโค้ดเป็นอีกหนึ่ง context ที่ AI นำไปใช้ได้ ก็มีสมมติฐานว่าน่าจะทำให้เกิดการปรับปรุงครั้งใหญ่ได้
การทดสอบ
- มีการให้โค้ดสองชุดที่ทำงานเหมือนกัน แต่มีโครงสร้างต่างกัน
- โค้ดชุดแรกเป็นโค้ดที่เขียนแบบมุ่งเป้าหมาย โดยไม่ได้ใส่ใจเรื่องโครงสร้าง
- โค้ดชุดที่สองคือโค้ดจากชุดแรกที่ปรับปรุงเฉพาะบางส่วนของโครงสร้าง
- โค้ดทั้งสองชุดเขียนโดย AI 100%
- ให้ AI ตัวเดียวกัน แต่เปลี่ยนเฉพาะโค้ดตั้งต้น และสั่งแก้ไขโค้ดด้วยคำสั่งเดียวกัน
ผลการทดสอบ
- ผลการแก้ไขของโค้ดชุดแรก AI เพิ่มฟังก์ชันเข้าไปในลักษณะเหมือนยัดแทรกลงในโค้ดเดิมที่ไม่มีโครงสร้าง และในการแก้ไขต่อเนื่องหลังจากนั้น ฟังก์ชันเดิมพังได้ง่ายมาก
- ผลการแก้ไขของโค้ดชุดที่สอง AI เคารพโครงสร้างเดิม และแก้ไขโค้ดด้วยองค์ประกอบ/โครงสร้าง/แพตเทิร์นแบบเดียวกัน แม้มีการแก้ไขโค้ดต่อเนื่องหลังจากนั้น ฟังก์ชันเดิมก็ไม่พังได้ง่าย
บทสรุป
- AI เข้าใจโครงสร้างของโค้ดเดิม และเมื่ออยู่บนโครงสร้างที่ดี AI จะสร้างโค้ดที่แข็งแรงและมีคุณภาพดีได้
ความเห็นส่วนตัว
- เป็นงานวิจัยที่น่าสนใจมาก และคิดว่าเป็นหัวข้อที่มีความหมายต่อพัฒนาการของการพัฒนา AI
- ตัวบทความเองไม่ได้ยาวมาก แต่มีเนื้อหาเกี่ยวกับสภาพแวดล้อมของเป้าหมายที่ต้องการสื่อค่อนข้างมาก
- เนื้อหาการทดสอบจริง ๆ นั้น ผู้อ่านต้องลองทำด้วยตนเองจึงจะเข้าใจได้ คิดว่าหากบทความเขียนโดยเน้นไปที่การทดสอบ ผลลัพธ์ และความหมายของสิ่งเหล่านั้น ก็น่าจะดียิ่งกว่านี้
ยังไม่มีความคิดเห็น