Camilla Moraes, produktna menedžerka iz kompanije GitHub, započela je diskusiju o dodavanju mogućnosti automatske blokade spam pull zahteva generisanih u AI-asistentima, poslatih bez ručnog pregleda i koji ne ispunjavaju standarde kvaliteta. Ove promene stvaraju dodatni pritisak na održavaoce, koji su primorani da troše vreme na analizu beskorisnog koda.
Kao kratkoročna rešenja problema razmatra se mogućnost brzog brisanja pull zahteva putem web interfejsa (brisanje bez tragova u istoriji umesto označavanja kao zatvorenih) i korišćenje prilagodljivih prava za slanje pull zahteva koja omogućavaju vlasnicima repozitorija da odobre slanje izmena samo članovima koji su prethodno vršili izmene.
Među rešenjima dugoročne perspektive spominje se proširenje modela ovlašćenja i pružanje alata održavaocima za fleksibilno postavljanje pravila koja definišu ko ima pravo da kreira i recenzira pull zahteve i kojim standardima moraju odgovarati pull zahtevi. Takođe, predlaže se korišćenje AI tehnologije za utvrđivanje usklađenosti poslate izmene sa pravilima i standardima kvaliteta svakog projekta (na primer, onih definisanih u fajlu CONTRIBUTING.md), kao i identifikaciju i posebno označavanje izmena pripremljenih uz pomoć AI.
Među predlozima iznesenim tokom diskusije, takođe se može primetiti kreiranje filtera koji zabranjuje slanje pull zahteva bez prethodnog otvaranja issue diskusija sa objašnjenjem razloga za implementaciju izmena, kao i obaveštavanje održavaoca o dolasku pull zahteva od novajlija samo nakon uspešnog prolaska testova u sistemu kontinuirane integracije.
Prema statistici jednog od ključnih developera frameworka genkit, samo jedna od deset izmena pripremljenih u AI ispunjava kriterijume za otvaranje pull zahteva. Jedan od učesnika projekta Azure Core Upstream sumirao je glavne brige održavaoca:
- Naružavanje modela poverenja prilikom recenziranja — recenzenti ne mogu biti sigurni da je osoba koja je poslala izmenu napisala dostavljen kod i razume njegovu suštinu.
- AI-помощники могут создавать pull-запросы, которые на вид выглядят правильно, но могут быть логически неверными, небезопасными или непроверенными в работе.
- Процесс построчного рецензирования остается необходимым, но не может масштабироваться в условиях быстрого изменения, вызванного AI-помощниками.
- Сопровождающие испытывают трудности при принятии pull-запросов, которые они не понимают полностью, в то время как AI-помощники облегчают внедрение больших изменений без глубокого понимания.
- Когнитивная нагрузка на сопровождающих увеличивается, поскольку теперь им необходимо не только проверять код, но и оценивать, насколько автор его понимает.
- Появление инструментов AI не снизило, а увеличило нагрузку на сопровождающих.
Также стоит отметить исследование, проведенное несколькими европейскими университетами, о влиянии вайб-кодинга на экосистему открытых проектов. Исследователи разработали модель равновесия экосистемы открытого кода, показавшую, что ранее действовавшие обратные связи, обеспечивавшие бурный рост открытых проектов, после внедрения вайб-кодинга стали создавать обратный эффект — снижается число разработчиков, готовых делиться кодом, уменьшается разнообразие открытых проектов и ухудшается качество. Одним из возможных решений проблемы упоминается внедрение модели финансирования, аналогичной Spotify, при которой AI-платформы перераспределяют доходы от подписок на сервисы для разработчиков среди сопровождающих в зависимости от степени использования проектов.
Pri vibe-kodiranju razvijalci prenehajo analizirati razpoložljive rešitve, brati dokumentacijo, pošiljati sporočila o napakah in sodelovati s ekipami, ki razvijajo odprte knjižnice. Odprti projekti izgubijo povratne informacije od uporabnikov. Novim projektom je težje prodreti, saj AI-asistenti sami izbirajo potrebne odprte knjižnice na podlagi informacij, ki so bile na voljo ob času usposabljanja modela. Zaradi zmanjšanja neposredne interakcije z uporabniki trpi monetizacija odprtih projektov, povezanih s storitvami podpore in prikazovanjem oglasov/zbiranje donacij na straneh. Zaradi zmanjšanja povratnih informacij trpi kakovost. Po drugi strani pa vibe-kodiranje povečuje produktivnost dela pri ustvarjanju novih izdelkov, temelječih na tuji kodi, in poenostavi uvajanje novih knjižnic.
Kot primer je bil naveden projekt Tailwind CSS, število prenosov katerega iz repozitorija NPM še naprej narašča, vendar je promet do dokumentacije od začetka leta 2023 padel za 40 %, dohodki pa so se zmanjšali za 80 %. Prav tako je bilo opaziti zmanjšanje aktivnosti razpravljanja na Stack Overflow približno za 25 % šest mesecev po lansiranju ChatGPT.
Izvor: opennet.ru
