Jak wykorzystuję sztuczną inteligencję jako programista full-stack: mój prawdziwy stos automatyzacji

Ludzie zadają mi jakąś wersję tego samego pytania: „budujesz strony internetowe i rozwiązania AI – więc jaką część twojej własnej pracy wykonuje sztuczna inteligencja?” Szczera odpowiedź jest wielowarstwowa. AI pisze dużą część pierwszej wersji mojego kodu. Nie wykonuje żadnego wyroku. Obsługuje całe rurociągi w tym projekcie bez nadzoru. Nigdy nie wpływa to na produkcję bez uprzedniego przeczytania różnic przez człowieka. Poniżej znajduje się rzeczywisty stos, a nie wersja pitch.

1. Kod: programowanie w parach, a nie autopilot

Większość moich codziennych zastosowań sztucznej inteligencji to Claude Code, który znajduje się obok mnie w terminalu, dokładnie w tym repozytorium. Opisuję komponent, błąd, refaktor w siedmiu folderach językowych w src/app, a on przygotowuje wersję roboczą zmiany. Czytam każdą różnicę, zanim wyląduje – w ten sam sposób, w jaki sprawdzałbym PR juniora. Sztuczna inteligencja jest bardzo dobra w „konsekwentnym stosowaniu tego wzorca do 40 plików” i zauważalnie gorsza w „decydowaniu, czy ten wzorzec powinien istnieć”. Dlatego zatrzymuję drugą pracę.

Konkret wygrywa: utworzenie raz szkieletu nowej fabryki stron i pozwolenie sztucznej inteligencji na podłączenie z niej każdego wariantu ustawień regionalnych, napisanie pierwszego przebiegu pakietu Vitest dla nowej funkcji lib, przetłumaczenie śladu stosu na prostą angielską przyczynę źródłową, zanim zabiorę się do kopania, i utworzenie komunikatów zatwierdzeń z różnicy, aby nie gapić się na pusty kursor.

2. Potoki treści i i18n, które działają beze mnie

Na tej stronie każdy post na blogu jest dostępny w maksymalnie siedmiu językach: en, ua, de, fr, es, it, tr. Wersję angielską i ukraińską piszę ręcznie – ta część pozostaje moja, bo liczy się ton i precyzja techniczna, a nie chcę, żeby głos przetłumaczony maszynowo był mój. Pozostałe języki są wypełniane przez skrypty w skryptach/, które przechodzą przez zlokalizowane drzewo treści i wywołują tłumaczenie API w przypadku każdego pola, w którym brakuje ustawień regionalnych, buforują wynik, aby ponowne uruchomienie nie powodowało ponownego płacenia za ciągi, które już posiadam, i kończyły się głośnym niepowodzeniem, zamiast po cichu zapisywać pusty ciąg na stronie.

Ten sam instynkt automatyzacji pojawia się poza blogiem: plik sitemap.ts regeneruje każdą trasę przez każdą lokalizację w czasie kompilacji, zamiast ręcznie utrzymywać listę, kanał RSS i pliki llms.txt / llms-full.txt pochodzą z tych samych danych posta, więc nie mogą utracić synchronizacji z tym, co faktycznie zostało opublikowane, a CI przeprowadza pełny test i przekazuje lint pass przy każdym naciśnięciu, zanim cokolwiek dotrze do przepływu pracy wdrażania nextjs.yml.

3. AI wewnątrz produktu, a nie tylko wokół niego

Druga połowa „AI w moim przepływie pracy” to to, co dostarczam dla GEO – generatywnej optymalizacji silnika, dzięki której witryna jest czytelna dla LLM w ten sam sposób, w jaki SEO czyni ją czytelną dla robota wyszukiwarki. Konkretnie: pliki llms.txt i llms-full.txt opisujące tę witrynę w formacie, który agent może bezpośrednio analizować, ustrukturyzowane dane JSON-LD na stronach usług i blogów, dzięki czemu model może wyodrębniać fakty zamiast zgadywać z prozy, oraz komponent znaczników schematu, który pozostaje zsynchronizowany z rzeczywistą zawartością strony, zamiast statycznego bloku, o którym ktoś zapomniał zaktualizować.

To jest granica, na której mi najbardziej zależy: sztuczna inteligencja pomagająca mi w budowie witryny jest niewidoczna dla odwiedzającego. Sztuczna inteligencja pomagająca w zrozumieniu samej witryny przez inną sztuczną inteligencję to funkcja, którą specjalnie tworzę i testuję – istnieje dedykowany pakiet Vitest dla GEO pomocników kanału, dokładnie po to, aby nie zgnił po cichu, tak jak to ostatecznie ma miejsce w przypadku nieprzetestowanej integracji.

4. Gdzie trzymam ludzki fotel

Nic z tego nie oznacza, że ​​sztuczna inteligencja decyduje, jakie statki. Nie wybiera architektury informacji, nie wybiera, które strony usług istnieją, nie decyduje, że formularz kontaktowy potrzebuje jeszcze jednej reguły walidacji zamiast trzech pól mniej – ta ocena to faktyczne zadanie i to właśnie za tę część płacą klienci, zatrudniając programistę zamiast generatora. projekty AI; Łączę się. AI tłumaczy; Piszę u źródła. AI proponuje refaktor; Decyduję, czy abstrakcja zasługuje na swoje miejsce, przestrzegając tej samej dyscypliny polegającej na nie dodawaniu struktury, której baza kodu jeszcze nie potrzebuje.

Jeśli próbujesz dowiedzieć się, gdzie sztuczna inteligencja faktycznie oszczędza czas w prawdziwym produkcie – a gdzie po prostu przenosi obciążenie związane z recenzowaniem – zwykle jest to właściwe pytanie, które należy zadać przed automatyzacją czegokolwiek: jaką decyzję tak naprawdę usuwam od człowieka i czy nie przeszkadza mi, że tę decyzję podejmuje skrypt?

Chcesz to skonfigurować dla swojego projektu?

Tego rodzaju wspomagany sztuczną inteligencją, oparty na automatyzacji przepływ pracy buduję również w projektach klientów – od wdrożeń bramkowanych przez CI po strukturę treści gotową do GEO. Skontaktuj się za pośrednictwem formularza kontaktowego i powiedz mi, która część Twojego procesu nadal pochłania Twój tydzień.