LLM – 実用的なプログラマーのパラダイム シフト

私はユーティリティ建設の愛好家であり続けています: 私は総合的な機器、総合的なパラダイム、総合的な言語、そしてフレームワークの合計。 私は、C、PHP、Haskell、Novel Yelp、Java、Javascript、Typescript、Stride、Forth、Rust でコードを書くことさえできます。 私は意図的で、オブジェクト指向で、手続き型で、試合主導型が大好きです。 多様性駆動型または動的、s 式または RPN 構文、コード技術とマクロ、またはボイラープレートのタブ仕上げの大量。 リレーショナル、グラフ、オブジェクト、またはフラッシュ上の正直な未調理のバイト。 Emacs、vim、拡張 IDE、カスタム エディター。 TDD または本番環境への移行、コードはワークフローとチケット発行システムを評価します。 私は実際にそれらすべてを愛しており、彼らもすべて私を愛しています (多かれ少なかれ)。

私は実際には、アーキテクチャについてイライラすることを熟考し、その後、たわごとを成し遂げるコードを書くのが大好きです。 課題がある場合は、それを解決するための公式があり、優れた楽器を持ち、それらを利用するために優れたドローを輝かせることが、あなたをそこに導くものです. 「生徒」と「実践者」は手を取り合って前進します。なぜなら、私たちの規律は若く、評価のテンポに影響を与えるからです。 さまざまなパラダイムがあなたの公式を形成します

最も重要なことは、巨大な形を持っていることです。あなたが自由に使える手段は、あなたが実用的であることを可能にするものです。 そして実用的に言えば、拡張性の高い言語ガジェットは、プログラミングの優れたパラダイム シフトを象徴しています。これは、私のスキームでも経験しています。

この一連のウェブログ投稿では、私が実践しているかなり多くの分野の極端なレベルの概要を紹介します。私は、この進化するテクノロジーに深く打たれていることを発見しました。 私は、具体的な重要な機能に色褪せることはありません。また、ここで提供されるすべての式について、豊富な例と演習を含む強力な投稿をコミットするという意見も得ました。

今後のセクションでは羽毛布団を使用します:

Tools love Github Copilot enact a

膨大な量

人間の言語を使わずにコンテキスト作業を行うため、開発者は同じことを実行するように教えられるに値します.

この確率的機械学習の結果フォーミュラ、つぶやく、シンボリックフォーミュラ、フォーミュラと比較して、拡張言語ガジェットは定義により「もっともらしいたわごとを添付する」

を理解することに似ているように見える創発的な効果があります(そのより細かい機能評価と討論は私のリーグ外の定型文であり、実践者としての私にとってもはやそれほど注意を引くものではありません) 合理的に迅速に破壊します.

これらのガジェットが(原則として)出力するこの多様性.見えるコードそれにもかかわらず、いくつかのパターンを混ぜ合わせて、存在しない (または別の言語に存在する) API を使用することは、もはや機能しません。

さらに、これらのガジェットは定期的に自己回帰的であり、余分なトークンを予測する際に、所有している出力を購入するという式を考慮に入れています。 ChatGPT が提供する会話型の UX は拡張性のある資産です。 反対に、GPT3 API をより簡単に使用するには、斜めのソリューションを避けるようにアドバイスされていることにかなりの配慮が必要です。 LLM を作成し、動作するように依頼します。慎重に評価することが望まれます。 実際、LLM によって生成されたコードのレビューは、人間が作成したコードよりもセットアップがはるかに巧妙であることがわかりました。なじみのない、エイリアンの方法でオフにします。 人間は、存在しない API を使用する評価用のコードを数式で作成することはありません。または、名前付き SQL パターンが構文として「%s」を使用するため、正直であると想定します。 printf

.

私が一番効率的だったのは私が非常によく知っているWebページでコードを生成するようLLMに依頼したときの結果。 これは、精査時に微妙なエラーを指摘できる立場にあるためです。 あまりよく知らないドメインでコードを生成するように要求された場合、「ハッキング」ループと呼ばれるものに入ります。 マネキンは、「正直に書いてください。ただし、他のすべてのアドバイスはコード作業を添付します」と約束することに非常に長けており、実際に正直な記録を精査することなく、見当違いのコードをハッキングするように勧めています。人間によって書かれたリファレンスやチュートリアルで.彼らはすでにそうです. LLM の使用は、非常によく知っている Web ページで最も雰囲気が良く、「このコードは機能するか、機能しない」という点で正直ではありませんでした。 LLM が何を「認識」し、何がそれを狂わせるかを直感的に理解できる公式です。 ファンダメンタルズは、洗練された真面目なコードを書くことを可能にしますが、遅い部分をマネキンにフェードアウトさせます。 これらは、マネキンをリダイレクトして適切なパターン (「流暢なコンストラクター API を使用する」、「プロシージャーを最小化することを使用する」、「春流行の依存性注入を使用して製造ユニットを作成する」、「WITH 質問を使用する」) を使用できるようにするものです。 ); それらは、LLM を提供するコンテキスト、LLM にスローするコード部分、コパイロットで参照するファイル、正直な解決策を受け取るために書き留めるコメントを楽しむことができるものです。

テストと可観測性

Copilot と ChatGPT については多くの記事が書かれていますこれは、低品質または高品質の複製ペーストされ、間違いだらけのコードの前兆であり、元のコードベースの深刻なセクションに無意識に挿入されています。 実際に LLM を多用すると、「課題修正」コードの作成から「ソリューション検証」コードの作成に LLM の使用を移行することで、コードの品質が向上することがわかりました。 言語ガジェットは、最後にコード パターンを繰り返すことにおいて非常に正確であり、オンラインで見た膨大な量のコードにこれらを利用します。

機械拡張 Driven Trend をご覧ください

私たちは自分たちを優れた科学者やエンジニアとして注目に値する素敵な人物としてイメージし、まれな問題に対してより優れたソリューションを構築していますが、私たちが作成するコードの負荷は、その 1,000,000 倍も早く作成されています。 これは、単体テストとそれらが羽毛布団のしきい値の状況について非常に正直です。 LLM の使用法、私は今、より多くのテストをすぐに書き留める立場にあるとは言えません。 反対に、マネキンは定期的に、私が思いもよらなかったエッジの状況を思い出させてくれます。

私が「機械拡張 TDD

これは私が生成する例です 整数列インデックスを Excelalpha 文字列列インデックスに変換する操作のテスト足場を作成しました。 気づかずに途中で 1-indexed から 0-indexed に切り替えましたが、それによって全体が少しずれましたが、問題が少しずれている場合に何が起こるかを説明するために、そのまま取り組んでいます.

(ここbearblogにiframeを埋め込む立場にはもうありません).

ビデオ: ChatGPT と Copilot を使用した Machine-Augmented TDD

ファジング足場の生成

ファジングは、私が現在採用し始めた最も効果的な公平なアプローチですが、非常に多様な関心事に適していることがわかりました。 安全ポイントを確立するために本当に使用する必要がありますが、正直なファジング ハーネスを使用すると、ファジングも実行に使用されます

マネキンの直接マシンのチェック、レコードの高品質の懸念のテスト、蓄積

コンカレンシー ポイント などなど。ファジングハーネス。 ハーネスは、一般的なファジング ヒューリスティックによって変更された懸念なしに、文法を使用してテストしたい適切な判断を促進するラッパー レイヤーとして知られています。 また、カスタム ヒューリスティックを追加で提供および構成することもできます。これにより、ファジング エンジンがコードの問題のある部分をより迅速に探索できるようになります (これにはいくつかの暗い魔法があり、同じ古いヒューリスティックに固執することはほとんどありません)。

これらのハーネスを書くのは遅いですが、非常に構造化されています。 さらに、コードが変更されるたびに調整する必要があり、正直なリファクタリング ユニット テストよりも費用がかかる傾向があります。半構造化された言語建物の間を翻訳する。 彼らは、入り口で抽象化のパターンを裂き、これらのパターンを正確な特定の表現に変換する立場にあり、たまに抽象化のはしごを上り下りします.文法、コード技術、セミフォーマル言語を扱います。 私はこのコードをときどき蓄積しますが、ストレスがなく、定期的に書き留めるのに非常に負担がかかります。 AST を探索し、パーサーが賢明に動作するようにし、特に後でこのコードをアサートすることは、時間の無駄であり、間違いを犯しやすくなります。 アドホックな DSL 言語は定期的に具体化されており、探索的プログラミングの期間中にファジングを活用するために必須のアジリティで変更されることはもうありません。 」は、ライフスタイルを変える旅です。 ワークフロー自体は、古い作品で提供されている TDD ワークフローに非常に似ています。

ビデオ: LLM を使用したファズ テスト

動画に関する注意事項

明らかにおもちゃの動画です例とかなり迅速に記録されました。 巨大な言語ガジェットが付属しており、スタウト テンポで作業して、スタウト ユニット テスト スイートとファズ テスト スイートを 20 分で受け取りたくなるでしょう。 反対に、機械に話しかけるという利点にだまされるのは非常に慎重です。 私が提案するのは、実際に一時的な破壊を購入するために入力する必要がなくなったことで節約された時間を使用することです. 次に、事前に出席し、ChatGPT をオフにして、コード自体の精査を停止します。 これらのツールを効果的に使用するために教えられる必要があった認知の変化について説明します.

---

次に来るもの

私はかつて、このテキストを、LLM を構成するものの大まかな概要をまとめた便利な本だと思っていました。私の日常のワークフローでとても素晴らしいです。 正直な 1 つの例と、私が提示しなければならない人間の能力の大まかな説明が書かれた便利な本があっても、この説明はそれだけで完全なシーケンスになることがわかります。 導入部の余分な問題を隠した後、すべての式の詳細な評価、さまざまな言語の使用、さまざまな戦略の提示、疑わしい場合の恐ろしい側面の提示、演習の豊富なチェックリストの提供について意見を述べます.

それなら間違いなくあなたに集中してください!

𝚆𝚊𝚝𝚌𝚑 𝙽𝙾𝚆 📺