Open-source nástroje pri programovaní s AI

AI coding pod kontrolou

Na treťom stretnutí MAINDSET nám Oliver Kriska ukázal, že pri programovaní s AI nie je najväčším problémom rýchlosť generovania kódu. Rozhoduje kvalita kontextu, spôsob riadenia práce a dôkaz, že výsledok naozaj funguje.

1. Kontext musí mať zdroj pravdy

Model potrebuje vedieť, ktoré dáta, pravidlá a prostredie sú autoritatívne. Dlhé kontextové okno samo osebe nepomôže, ak sa v ňom miešajú staré rozhodnutia, neoverené predpoklady a nejasné priority.

• Pomenujte zdroj pravdy pre zadanie aj produkčné dáta.
• Zapíšte invarianty, hranice a poradie priorít.
• Hlavný súbor s pravidlami držte krátky a podrobnosti presuňte do cielených inštrukcií alebo skills.

2. Viac agentov neznamená automaticky viac hotovej práce

Paralelizácia má zmysel iba pri úlohách, ktoré sú dostatočne nezávislé a ktoré tím stíha kontrolovať. Ak vznikne veľa rozpracovaných vetiev a pull requestov, úzke miesto sa iba presunie z písania kódu do kontroly a integrácie.

• Závislé kroky riešte postupne.
• Paralelne spúšťajte len výstupy, ktoré viete včas skontrolovať.
• Pri dlhšej práci nech agent udržiava viditeľný zoznam úloh a priebežne ho aktualizuje.

3. Zelené testy odpovedajú iba na otázku, ktorú sme im položili

Testy, lint a statická analýza sú dôležité, ale samy osebe nepotvrdzujú bezpečnosť ani správnosť celého riešenia. Oliver ukázal príklady, pri ktorých automatická kontrola prešla, no chýbala otázka na širší kontext, bezpečnostnú hranicu alebo reálne správanie používateľa.

• Najprv spúšťajte lacné a deterministické kontroly.
• Opakované pripomienky z code review premeňte na pravidlo, test alebo statickú kontrolu.
• Rizikové zmeny doplňte manuálnym overením a ľudským úsudkom.

4. Nástroje rozširujú aj hranicu dôvery

Pluginy, hooks, MCP servery a skills dokážu workflow výrazne zrýchliť. Zároveň však môžu čítať súbory, spúšťať príkazy alebo pracovať s externými systémami. Pri ich výbere preto treba hodnotiť nielen funkciu, ale aj pôvod, oprávnenia a možnosť kontroly.

Čo si môžete skúsiť hneď zajtra

1. Pri jednej reálnej úlohe pomenujte zdroj pravdy a tri hranice, ktoré agent nesmie porušiť.
2. Rozdeľte prácu iba natoľko, koľko výstupov dokážete skontrolovať.
3. Jednu opakovanú pripomienku z kontroly kódu premeňte na automatickú kontrolu.

Oliverove open-source projekty

• phxagents.dev
• Scribe
• cmux-sentinel

Oliver Kriska na LinkedIne