Техлид Amazon продвинулась благодаря ИИ. Вот её три совета по вайб-кодингу

Чен работает в Amazon около 4 лет. В 2022 году она пришла в компанию на начальную позицию Software Engineer I и занималась рекомендательными системами. Около двух лет назад она начала пробовать ИИ-инструменты в собственных проектах. Это был небольшой побочный эксперимент, вокруг которого сформировалась отдельная команда.

За это время Чен получила два повышения: до Software Engineer II в прежней команде, а затем до сеньора в новой. Сейчас она работает техлидом над системами на базе LLM и занимается тем, что внутри компании называют «памятью» — компонентами, которые обеспечивают персонализацию генеративных ИИ-сервисов Amazon.

По её словам, сегодня примерно 95% кода, который она публикует, изначально генерируется с помощью ИИ. Но ключевым фактором стало не просто использование моделей для написания кода, а умение превращать их возможности в реальные продукты.

Чен отмечает, что разработчику важно постоянно следить за новыми моделями и инструментами — они напрямую влияют на скорость итераций и качество продукта. Она также поделилась несколькими советами для тех, кто использует ИИ в программировании.

Первый — разобраться в том, как устроены большие языковые модели. Понимание этапов обучения, дообучения и оптимизации помогает лучше видеть ограничения модели — например, когда она не понимает контекст задачи или начинает «галлюцинировать».

Это же знание помогает правильно разбивать задачи на части. Из-за ограничений контекстного окна сложные проблемы лучше делить на более мелкие компоненты и постепенно генерировать решения для каждого из них.

Второй совет — думать до того, как задавать вопрос модели. Если сначала посмотреть на ответ ИИ, есть риск автоматически принять его логику. Лучше сначала сформулировать собственное решение, а затем сравнить его с предложением модели — так легче увидеть пробелы в знаниях и скрытые предположения модели.

Третий принцип — задавать модели сложные инженерные вопросы: что произойдёт при ошибке, как система будет масштабироваться, какие есть запасные сценарии. Чен сравнивает это с тем, как старший инженер проверяет работу младшего: важно сразу продумывать экстремальные случаи и масштабирование.

Ещё одно правило — проверять код на каждом этапе, а не только после полной генерации. Это позволяет вовремя обнаружить ошибки, иначе они могут накопиться, и всё придётся переписывать с нуля.

Чен подчёркивает, что использование ИИ не снимает ответственности с разработчика. Код, созданный моделью, всё равно должен быть понятен тому, кто его публикует. Если система ломается в продакшене, не получится оправдаться тем, что «так предложил ИИ».

Вайбкодинговый стартап бешеными темпами наращивает выручку, не успевает нанимать

По теме

Вайбкодинговый стартап бешеными темпами наращивает выручку, не успевает нанимать

Anthropic запустила ИИ для ревью кода. Разработчики спорят: полезно, но дорого

По теме

Anthropic запустила ИИ для ревью кода. Разработчики спорят: полезно, но дорого

Поддержите редакцию 1,5% налога: бесплатно и за 5 минут

Как помочь, если вы в Польше