LLM-आधारित प्रोग्रामिंग डेवलपर की क्षमता बढ़ाने वाले `mech suit` के अधिक करीब है

• LLM टूल प्रोग्रामर को प्रतिस्थापित करने वाली चीज़ नहीं हैं, बल्कि डेवलपर की क्षमता बढ़ाने का काम करते हैं
• Claude Code के उपयोग अनुभव से कोडिंग की गति नाटकीय रूप से बढ़ गई, लेकिन अब भी इंसानी आर्किटेक्चरल निर्णय और निरंतर निगरानी अनिवार्य हैं
• LLM के अपनाने से वास्तविक कोडिंग की तुलना में समस्या की परिभाषा और डिज़ाइन अधिक महत्वपूर्ण कार्य बनकर उभरे हैं
• क्योंकि AI गलतियों को भी बढ़ा देता है, अनुभवहीन डेवलपर AI की त्रुटियों को पहचान न पाने के जोखिम में होते हैं
• भविष्य की प्रोग्रामिंग में AI के साथ सहयोग करने की क्षमता, निर्णयशक्ति, और हटाने का साहस मुख्य कौशल होंगे

---

LLM प्रोग्रामिंग मानव प्रतिस्थापन नहीं, बल्कि संवर्धन का साधन है

• LLM-आधारित प्रोग्रामिंग टूल डेवलपर की क्षमता बढ़ाने वाले mech suit जैसे हैं
• लेखक ने हाल ही में Claude Code का उपयोग करके backend agent platform और frontend SaaS app विकसित किए
• कुल 30,000 से अधिक पंक्तियों का कोड लिखते हुए LLM के वास्तविक प्रभाव का अनुभव किया
• Claude Code उपयोगकर्ता को प्रतिस्थापित नहीं करता, बल्कि Ripley के power loader की तरह डेवलपर की क्षमता बढ़ाने वाला टूल है
• आर्किटेक्चर निर्णय, क्वालिटी कंट्रोल, दिशा तय करना जैसी चीज़ें अब भी इंसान ही नेतृत्व करता है
• AI गति और दोहराव वाले कामों में फायदेमंद है, लेकिन दिशा गलत हो जाए तो परिणाम घातक हो सकते हैं

Vigilance: AI कोडिंग में लगातार सतर्कता ज़रूरी है

• Claude Code कभी-कभी अजीब फैसले भी लेता है, जैसे टेस्ट पास कराने के लिए मूल समस्या को नज़रअंदाज़ करना या hardcoding करना
• फ्रेमवर्क को ज़बरदस्ती बदलना या अनावश्यक dependency जोड़ना जैसी घटनाएँ भी होती हैं
• पायलट की तरह, महत्वपूर्ण क्षणों में इंसानी हस्तक्षेप अनिवार्य है
• एक पल की चूक में AI गलत दिशा में चला गया और backend code को तीन बार पूरी तरह फिर से लिखना पड़ा
• LLM कोडिंग का बोझ घटाते हैं, लेकिन निगरानी और आर्किटेक्चर बनाए रखने का बोझ बढ़ जाता है

कोडिंग समय की अर्थव्यवस्था में बदलाव

• प्रोग्रामिंग समय पारंपरिक रूप से क्यों (लक्ष्य), क्या (डिज़ाइन), कैसे (कोडिंग) इन तीन क्षेत्रों में बँटा होता है
• Claude Code अपनाने के बाद "कैसे" में लगने वाला समय लगभग 0 के करीब पहुँच गया
• लेकिन "क्यों" और "क्या" पर सोच-विचार और भी अधिक महत्वपूर्ण हो गया
• क्योंकि कोड आसानी से बनाया जा सकता है, अब मौजूदा कोड को साहसपूर्वक छोड़कर बेहतर approach चुनने का साहस चाहिए
• यह निर्णयक्षमता अभी भी कई डेवलपर्स के लिए सहज नहीं है, और इम्प्लीमेंटेशन समय से अधिक डिज़ाइन निर्णयशक्ति महत्वपूर्ण हो गई है

अनुभव से बनता है अंतर

• AI का प्रभावी उपयोग करने के लिए 30 साल के अनुभव से उपजी अंतर्दृष्टि और निर्णयशक्ति की ज़रूरत होती है
• कोड काम कर रहा हो तब भी scaling या maintenance के लिए अनुपयुक्त anti-pattern पहचानने की क्षमता महत्वपूर्ण है
• अनुभवहीन डेवलपर AI-जनित कोड की समस्याएँ आसानी से नज़रअंदाज़ कर सकते हैं, और सिर्फ तात्कालिक परिणाम से संतुष्ट हो सकते हैं
• AI केवल क्षमता ही नहीं, गलतियों को भी बढ़ाता है, इसलिए बिना निर्णयशक्ति के जोखिम और बढ़ जाता है

Centaur effect: मानव और AI का सहयोग

• शतरंज से आए "centaur chess" की तरह, AI और इंसान का संयोजन केवल AI से बेहतर परिणाम देता है
• Claude Code के साथ सहयोग में भी यही सच है: मानव रणनीतिक दिशा देता है और AI सामरिक काम सँभालता है
• "विचार के प्रवाह के अनुसार spec लिखना → Claude के साथ उसे refine करना" वाला तरीका सबसे प्रभावी रहा
• Claude संदर्भ के अनुरूप निर्णय नहीं कर पाता, इसलिए हमेशा इंसानी निगरानी और निर्णय आवश्यक हैं

संतुलन बनाना: delegation और control का समन्वय

• AI को खुला छोड़ देने पर वह समस्याओं को अनावश्यक रूप से अत्यधिक जटिल तरीके से हल करने की कोशिश करता है
• उदाहरण: डुप्लिकेट कोड लिखना, गलत तकनीक चुनना जैसी AI की गड़बड़ियाँ वास्तव में समस्याएँ पैदा करती हैं
• frontend में भी JavaScript के असंगत इम्प्लीमेंटेशन को Elixir या LiveView शैली में सुधारने के लिए मार्गदर्शन करना पड़ता है
• सरल और दोहराव वाले काम delegate करें, जबकि जटिल निर्णय वाले हिस्सों में सीधे हस्तक्षेप करने वाली सहयोग लय बनानी होगी
• AI की वजह से तेज़ विकास संभव हुआ, लेकिन इंसानी हस्तक्षेप के बिना यह सही तरह से काम नहीं करता

भविष्य संवर्धन का है

• LLM प्रोग्रामर को पूरी तरह प्रतिस्थापित नहीं करेंगे, लेकिन काम करने के तरीके और आवश्यक कौशल को गहराई से बदल देंगे
• सिर्फ साधारण कोडिंग क्षमता से अधिक संरचनात्मक सोच, pattern recognition, और तकनीकी निर्णयशक्ति महत्वपूर्ण हो जाएगी
• AI के साथ सहयोग कर पाने की क्षमता स्वयं एक नए तकनीकी कौशल के रूप में उभर रही है
• भविष्य का सफल डेवलपर वह होगा जो AI से डरेगा नहीं, बल्कि उसकी सीमाओं और संभावनाओं दोनों को समझकर उसे संभाल सकेगा
• AI इंसान को हटाने के लिए नहीं, बल्कि मानव की संभावनाओं का विस्तार करने वाला टूल है

[bus710]

मैं तो Amuro भी नहीं हूँ, और मुझे Gundam भी नहीं मिला...?

[jsh5782]

मोबाइल सूट की परफ़ॉर्मेंस का अंतर ही युद्ध शक्ति में निर्णायक अंतर नहीं होता..

[GN⁺]

Hacker News की राय

कोडिंग से भी अधिक महत्वपूर्ण है समस्या को समझना और डिज़ाइन

• पारंपरिक रूप से कोडिंग को समय के तीन हिस्सों में बाँटा जा सकता है
  • यह काम क्यों किया जा रहा है? बिज़नेस समस्या और उसकी वैल्यू को समझना
  • क्या किया जाना है? समाधान का वैचारिक डिज़ाइन करना
  • इसे कैसे करना है? वास्तव में कोड लिखना
• आख़िरी चरण पहले बहुत समय लेता था, लेकिन अब Claude की वजह से इसमें लगभग समय नहीं लगता
  • अगर आख़िरी चरण में बहुत समय लग रहा है, तो इसका मतलब हो सकता है कि पहले दो चरण ग़लत हैं या आप टूल्स से परिचित नहीं हैं
  • मैन्युअल कोड एडिटिंग में झंझट होता है, लेकिन कई भाषाओं में यह IDE और indexer के ज़रिए ऑटोमेट हो चुका है
  • प्रोग्रामिंग प्रोजेक्ट्स में समस्या को समझने पर अधिक समय खर्च हुआ है
• यानी, समस्या को समझने और डिज़ाइन में अधिक समय लगता है
  • कोडिंग सबसे आसान चरणों में आती है
  • अगर इसमें ज़्यादा समय लग रहा है, तो कारण टूल्स में अनुभव की कमी या डिज़ाइन की कमी हो सकता है
• डेटा स्ट्रक्चर डिज़ाइन सबसे अहम है
  • अगर स्ट्रक्चर सही बैठ जाए, तो कोडिंग सिर्फ़ implementation भर रह जाती है
  • इस हिस्से में इंसान LLM से बेहतर है

LLM की सीमाएँ और सावधानियाँ

• LLM अक्सर ग़लत फ़ैसले लेता है
  • उदाहरण: अनावश्यक dependency जोड़ना, कमज़ोर कोड बनाना
  • इंसान को ज़रूर रिव्यू और सुधार करना चाहिए
• यह security समस्याओं को अपने आप नहीं पहचानता
  • उदाहरण: injection, ग़लत permission सेटिंग
• बड़े codebase में इसकी performance गिरती है
  • context window की सीमा के कारण यह पूरी संरचना को समझने में असफल रहता है

LLM से मिलने वाली productivity बढ़त

• दोहराए जाने वाले और सरल कामों में यह बहुत प्रभावी है
  • boilerplate, test code आदि में समय की बचत
• planning चरण में उपयोग अधिक प्रभावी है
  • system design के ड्राफ्ट, feature breakdown आदि में उपयोगी
• अनजान भाषा या framework सीखने में बेहतरीन
  • मौजूदा documentation की तुलना में बेसिक फ़्लो जल्दी समझा जा सकता है

अनुभव और तकनीकी निर्णय क्षमता का महत्व

• LLM का सही उपयोग करने के लिए अनुभव और भी अधिक महत्वपूर्ण हो जाता है
  • समस्या का संरचनात्मक आकलन करने और फ़िल्टर करने की क्षमता चाहिए
• LLM कोड बना दे, तब भी जांच और refactoring इंसान की ज़िम्मेदारी है
  • "चलना" और "सही होना" एक ही बात नहीं है

LLM डेवलपर की जगह लेने वाला नहीं, बल्कि मदद करने वाला टूल है

• LLM की भूमिका जूनियर डेवलपर के क़रीब है
  • स्पष्ट दिशा-निर्देश के बिना यह भटके हुए नतीजे दे सकता है
• इंसान + LLM का संयोजन अकेले LLM से बेहतर है
  • रणनीति इंसान की, दोहराव वाले काम AI के

LLM को इस्तेमाल करने के तरीके से नतीजे बदलते हैं

• अगर आप सिर्फ़ ऑटो-जनरेटेड कोड पर निर्भर रहते हैं, तो उल्टा गति धीमी हो सकती है
  • ख़ासकर परिचित भाषाओं में इंसान ज़्यादा तेज़ होता है
• ऑटो-कम्प्लीशन आधारित इंटरफ़ेस (Copilot आदि) सबसे स्वाभाविक लगता है
  • फ़्लो टूटे बिना मदद लेना आसान होता है

LLM की वजह से नौकरी की भूमिका में बदलाव और चिंताएँ

• कोड लिखने से अधिक डिज़ाइन और रिव्यू डेवलपर की मुख्य भूमिका बनती जा रही है
• अगर केवल LLM पर निर्भर रहें, तो सीखने और बढ़ने के मौके खो सकते हैं
  • तकनीकी गहराई विकसित किए बिना निष्क्रिय उपयोगकर्ता बन जाने का जोखिम है

LLM का भविष्य और सामाजिक प्रभाव

• ऐसे माहौल में जहाँ हर कोई AI इस्तेमाल कर सकता है, फ़र्क इंसान पैदा करता है
  • निर्णय क्षमता और communication skills प्रतिस्पर्धात्मक बढ़त तय करेंगे
• LLM "कार जैसा टूल" है
  • शक्तिशाली है, लेकिन निर्भरता बढ़ती है, और समस्या होने पर निपटना मुश्किल हो सकता है