رَن سالوا، مدیر پروژه ابزارهای توسعهدهندگان در گوگل و از مدیران پیشین گیتهاب و مایکروسافت، دیدگاه نزدیک و دستاولی نسبت به چگونگی تحول کدنویسی با ورود ابزارهای مبتنی بر هوش مصنوعی دارد. تیم او اخیراً یک پژوهش ثالث منتشر کرد که نشان میدهد توسعهدهندگان چگونه واقعاً از ابزارهای هوش مصنوعی استفاده میکنند و چه فاصلهای تا کامل شدن تجربه کدنویسی هوشمحور باقی مانده است. در گفتوگویی که با سالوا انجام شد، او جزئیاتی از یافتههای گزارش و تجربه شخصی خود در استفاده از ابزارهای کدنویسی هوش مصنوعی را تشریح کرد. خلاصه و بازنویسی این مصاحبه برای خوانندگان بینا ویرا در ادامه آمده است.
یافتهای چشمگیر: آوریل ۲۰۲۴ نقطه شروع استفاده گسترده
یکی از نتایج جالب تحقیق، «میانگین تاریخی» شروع استفاده توسعهدهندگان از ابزارهای هوش مصنوعی بود: آوریل ۲۰۲۴. این بازه زمانی همزمان با عرضه مدلهایی مانند Claude 3 و Gemini 2.5 است—دورهای که مدلهای مبتنی بر «استدلال» و قابلیت «فراخوانی ابزار» (tool-calling) به بلوغ رسیدند. اهمیت فراخوانی ابزار در زمینه کدنویسی روشن است: برای حل مسائل برنامهنویسی، مدلها باید بتوانند اطلاعات خارجی را جستوجو کنند، کد را کامپایل کنند، تستهای واحد و یکپارچهسازی را اجرا نمایند و بر اساس نتایج خود اصلاح انجام دهند. این قابلیت خودتصحیحگر (self-correction) یکی از عوامل کلیدی تبدیل مدلها به دستیارهای عملی در گردش کار توسعه نرمافزار بوده است.
تجربه عملی سالوا: ترکیب خط فرمان، مدلها و IDEها
سالوا میگوید بیشتر توسعه شخصی او در پروژههای جانبی با ابزارهای مبتنی بر خط فرمان انجام میشود؛ ابزارهایی مانند Gemini CLI در رأسِ استفاده او قرار دارند و در کنار آنها از Claude Code و Codex نیز بهره میبرد. او تاکید میکند که هیچکس صرفاً از یک ابزار خط فرمان استفاده نمیکند و محیط کاری او کاملاً چندگانه (heterogeneous) است: Zed، VS Code، Cursor و Windsurf همگی جزو ابزارهاییاند که برای مرور و بررسی کد به کار میبرد.
روال کاری او بهطور مشخص چنین است:
– آغاز کار از طریق یک issue (معمولاً در GitHub) که اغلب کممشخص است.
– استفاده از Gemini CLI برای تولید مستند نیازمندیها به فرمت Markdown، معمولاً حدود 100 خط فنی و مبتنی بر خروجی.
– در اختیار گذاشتن اسناد تیمی (قواعد تست، مدیریت وابستگیها و روشهای کاری) به مدل تا هنگام تولید کد، مطابق با استانداردهای تیمی عمل کند.
– بهروزرسانی مستمر سند نیازمندیها توسط ابزار در هر قدم و ایجاد commit و pull request برای هر پیشرفت تا امکان بازگردانی (rewind) وجود داشته باشد.
او برآورد میکند که حدود 70 تا 80 درصد از جریان کاریاش در ترمینال با زبان طبیعی و Gemini CLI انجام میشود؛ مدل کد را مینویسد و او بیشتر نقش بازبین و خواننده کد را در IDE ایفا میکند تا نویسندهی خطبهخط.
آیندهٔ کدنویسی: از کدنویس به معمار نرمافزار
سالوا معتقد است مدل کلاسیک سهگانه IDE، مرورگر و ترمینال همچنان پابرجاست، اما سهم زمانیِ صرفشده در IDE بهتدریج کاهش خواهد یافت. در آینده، بخش قابلتوجهی از کار توسعه به تدوین و تفکیک نیازمندیها و طراحی مسائل بزرگ به وظایف کوچکتر برخواهد گشت. نقش توسعهدهنده بیشتر شبیه «معمار» میشود: کسی که مسائل پیچیده را تحلیل، تفکیک و اولویتبندی میکند تا مدلها و ابزارها بتوانند راهحلهای فنی را تولید کنند. این تغییر، نیازمند بازتعریف مهارتها، تمرکز بر طراحی سیستم، و تقویت توانمندیهای بررسی و اعتبارسنجی خروجی مدلها است.
پیام برای توسعهدهندگان و سازمانها
– سرمایهگذاری روی اسناد فرآیندی و استانداردهای تیمی (قواعد تست، مدیریت وابستگیها) به مدلها کمک میکند خروجی سازگار و قابل اتکا تولید کنند.
– پیادهسازی گردش کاری مبتنی بر commit و pull request برای هر قدم تولیدی، شفافیت و قابلیت بازگشت را تضمین میکند.
– آموزش توسعهدهندگان برای ایفای نقش معمارانه و تقویت مهارتهای طراحی و بررسی ضروری است.
نتیجهگیری
تحول در ابزارهای هوش مصنوعی، بهویژه با رشد قابلیتهای استدلال و فراخوانی ابزار، در حال بازتعریف نحوه کار توسعهدهندگان است. گزارش اخیر تیم رَن سالوا نشان میدهد ما در آستانه یک تغییر ساختاری هستیم: از نوشتن خطبهخط کد به تنظیم دقیق نیازمندیها و هدایت هوش مصنوعی برای تولید کد. سازمانها و توسعهدهندگان با آمادهسازی اسناد، ساختارهای کنترل نسخه و بازآموزی مهارتها میتوانند از این موج تحول بهرهبرداری کنند.