Я позволил ИИ отрефакторить 10 лет кода — теперь мне приходится ему доверять

Этот проект разросся. Я несколько месяцев размышлял над тем, как изменить архитектуру Lessons от Tsugi, чтобы её внутреннее представление приблизилось к модели данных IMS Common Cartridge — при этом сохранив всю дополнительную информацию и функциональность, накопленные в Lessons за примерно десять лет. Я начал с обсуждения архитектуры с ChatGPT. Затем я передал получившийся проект Cursor и приступил к его реализации. И это сработало. Удивительно хорошо. Мы нормализуем старый JSON Lessons в новое представление Lessons V2, сохраняем совместимость с существующими курсами, создаём новый путь для создания курсов V2, прорабатываем обсуждения, веб-ссылки, файлы, идентификаторы ссылок на ресурсы, MIME-типы и другие части модели — и постепенно обнаруживаем, что создаём гораздо более крупную систему, чем я ожидал за один раз. Это создаёт другую проблему. Теперь появилось много нового кода. Часть его затрагивает пути кода, используемые в реальных производственных курсах. Десятки тысяч людей используют часть этой инфраструктуры. Поэтому вопрос перестаёт быть: «Может ли ИИ это создать?» и становится: «Как мне добиться достаточной уверенности в коде, сгенерированном ИИ, чтобы действительно внедрить его в производство?» Это означает создание ветвей, точек отката, тестирование совместимости, модульные тесты, регрессионное тестирование и много времени, проведённого за размышлениями о коде и сомнениями, действительно ли я в него верю. Это длинное и местами затянутое видео. Это не обычная демонстрация «ИИ создаёт потрясающую функцию за 20 минут». Это гораздо ближе к тому, как выглядит разработка программного обеспечения с помощью ИИ, когда изменения масштабны, архитектурны и действительно важны. И к концу, я думаю, я прошёл, может быть, треть пути. Удачи!