概述
輸出是建議的實現,需要像其他程式碼一樣專注於需求、行為、安全性和可維護性。合理的語法和自信的解釋並不能證明正確性。
重點摘要
- 提供需求和儲存庫上下文。
- 驗證 API 和相依性。
- 測試行為並檢查最終的變更。
深入探討
為系統提供相關的上下文:問題、現有架構、介面、限制和預期行為的範例。編譯的解決方案仍然可以解決錯誤的問題或與儲存庫約定的衝突。檢查依賴關係和 API 假設。模型可能會建議不存在的功能、過時的介面或未檢查其用途和出處的套件。使用當前的官方文件並檢查實際運行的程式碼。用有意義的案例測試行為,包括邊界和失敗。僅重現實現假設的測試可以通過,但要求仍未滿足。對於錯誤修復,請提供證據證明原始故障已修正,而無需刪除測試或削弱其期望。保持變更可審查並驗證最終工件。檢查差異是否有不相關的編輯、敏感資料、破壞性操作和缺失的錯誤處理。如果程式碼變更了使用者介面或外部工作流程,請檢查渲染或操作結果以及執行自動檢查。
04工作範例
發現一個看似合理的排序錯誤
想像產生的 JavaScript 在沒有數字比較器的情況下對數字 2、10 和 1 進行排序。
預設的基於字串的排序可以產生 1、10、2,而不是所需的數字順序。
在接受函數之前測試不同的值並明確定義預期的順序。
它顯示了什麼
建構的範例說明了為什麼一個簡短的、看起來有效的函數仍然需要行為檢查。
現實世界的實施
要求使用明確的輸入輸出範例進行小的更改,並檢查產生的差異。
在更改實施之前,請助理解釋失敗的測試。
付諸實踐
為什麼這很重要
- 配裝選擇. 應用級設計決定了人工智慧是否能改善實際結果。
- 團隊與工作流程. 良好的工作流程整合可以創造使用者值得信賴的生產力效益。
- 風險與安全. 範圍明確的用例可以減少變更疲勞和實施風險。
留意
- 將損壞的流程自動化可能會加劇現有問題。
- 團隊可能會過度自動化並消除所需的人工判斷。
- 如果不持續評估輸出,品質可能會出現偏差。
後續步驟
- 繪製目前工作流程並確定摩擦最大的步驟。
- 在完全自動化之前定義人工檢查點。
- 對使用者進行提示、升級路徑和品質標準的訓練。
- 追蹤任務級結果以確認持續價值。
資料來源與延伸閱讀
- GitHub檢查 AI 產生的程式碼
不斷探索
常見問題
透過類型檢查是否證明產生的程式碼是正確的?
不。它僅建立檢查的類型約束。程式碼仍然可能違反要求或在運行時失敗。