- AI coding tools का उपयोग करते हुए लेखक ने धीरे-धीरे बड़े काम AI को सौंपे और शुरुआत में काफ़ी प्रभावित हुआ, लेकिन बाद में यह स्पष्ट हुआ कि नतीजों में consistency और structural completeness की कमी है
- विस्तृत specification लिखने पर भी AI agent लंबी अवधि का context बनाए नहीं रख पाया और design को विकसित नहीं कर सका, जिसके चलते पूरा codebase अंततः असमान टुकड़ों का संग्रह बन गया
- कोड के टुकड़े अलग-अलग देखने पर पूरे लगते हैं, लेकिन समग्र रूप से structural disorder (sloppy) और context collapse पैदा होता है
- इन अनुभवों के बाद लेखक ने निष्कर्ष निकाला कि AI-जनित code से user trust या data protection की गारंटी नहीं दी जा सकती, और वह फिर से सीधे खुद कोड लिखने लगा
- AI coding अब भी उपयोगी है, लेकिन technical debt और developer control के क्षरण का कारण बन सकती है, इसलिए इसका सावधानी से उपयोग ज़रूरी है
AI coding का शुरुआती उत्साह और उसकी सीमाओं की पहचान
- ज़्यादातर उपयोगकर्ता AI coding की शुरुआत छोटे कामों से करते हैं और धीरे-धीरे जटिल tasks सौंपते हुए उसकी क्षमता से प्रभावित होते हैं
- लेकिन एक बिंदु के बाद AI की गलतियाँ और असंगति सामने आने लगती हैं, जिससे उम्मीद और वास्तविकता के बीच अंतर दिखने लगता है
- जब परिणाम संतोषजनक नहीं होते, तो उपयोगकर्ता अक्सर इसे अपने prompt की समस्या मानकर और अधिक विस्तृत specification लिखने की कोशिश करते हैं
- Obsidian जैसे tools का उपयोग कर बारीक spec documents तैयार किए जाते हैं, लेकिन AI उन्हें लंबे समय में आगे विकसित नहीं कर पाती
specification-आधारित approach की विफलता
- वास्तविक development में design documents खोज और implementation की प्रक्रिया में लगातार बदलने वाले ‘living documents’ होते हैं
- लेकिन AI agents शुरुआती specification पर अटक जाते हैं और लचीला संशोधन या पुनर्व्याख्या नहीं कर पाते
- जटिल संरचनाओं को संभालते समय agent अक्सर पूरे problem context को खो देता है, या ज़बरदस्ती आगे बढ़ने लगता है
- नतीजतन, कोड ऊपर से पूरा दिखने पर भी internal consistency और structural integrity से वंचित रहता है
code quality का पतन और ‘vibecoding’ की सीमा
- AI द्वारा लिखा गया code आंशिक रूप से शानदार दिख सकता है, लेकिन समग्र रूप से वह अर्थहीन संयोजन बन जाता है
- पूरे codebase की समीक्षा के बाद लेखक ने उसमें ‘शुद्ध अव्यवस्था(slop)’ की मौजूदगी पाई
- AI prompt और self-consistency के प्रति तो वफादार रहती है, लेकिन पूरे system की harmony या आस-पास के patterns की consistency पर ध्यान नहीं देती
- यह कुछ वैसा ही है जैसे किसी उपन्यास के कुछ पैराग्राफ़ बेहतरीन हों, लेकिन पूरा chapter बिखरा हुआ हो — ‘vibewriting’
मानव-केंद्रित development की ओर वापसी
- लेखक ने तय किया कि AI-जनित code को product के रूप में deploy करना या user data की सुरक्षा में इस्तेमाल करना संभव नहीं है
- “मैं इस code के साथ users से झूठ नहीं बोलूँगा” इस संकल्प के साथ वह खुद कोड लिखने की ओर लौट आया
- खुद लिखने पर उसने महसूस किया कि speed, accuracy, creativity, productivity उल्टे बेहतर हो गए
- सिर्फ़ कोड जनरेशन की रफ़्तार नहीं, बल्कि कुल development efficiency के आधार पर देखने पर इंसानी बढ़त साफ़ नज़र आई
AI coding का लगातार उपयोग, लेकिन सावधानी के साथ
- लेखक अब भी कुछ कामों में LLM का सीमित उपयोग (लगभग 40%) करता है
- दोहराए जाने वाले कामों या साधारण code generation में यह उपयोगी है, लेकिन technical debt और code understanding में गिरावट जमा होती जाती है
- लंबे समय में developer के codebase का mental model खो देने और AI के बिना समस्या हल न कर पाने का ख़तरा है
- यात्रा के दौरान (ट्रेन, विमान आदि) AI पर निर्भरता के कारण productivity 0% हो जाने जैसी स्थिति भी सामने आई
- दूसरे developers का कहना है कि ‘बस specification अच्छी तरह लिख दो’ वाली सोच waterfall model की वापसी है, जबकि वास्तविक development में तुरंत खोज, प्रयोग और interaction अनिवार्य होते हैं
निष्कर्ष
- AI coding अब भी एक शक्तिशाली tool है, लेकिन पूरे system के context और structural consistency को बनाए रखने की इसकी क्षमता सीमित है
- इंसानी developer की intuition-आधारित judgment और तत्काल समायोजन की क्षमता अब भी केंद्रीय महत्व रखती है,
AI का उपयोग सहायक साधन के रूप में, सावधानीपूर्वक नियंत्रण के साथ किया जाना चाहिए
अभी कोई टिप्पणी नहीं है.