Mentionsy Mentionsy
FullStak
FullStak

Vibe Coding - praktyczne porady i eksperymenty

11.05.2025 ·27 min 37 s

Praktyczne doświadczenia i przemyślenia na temat "vibe codingu" – czyli tworzenia oprogramowania głównie za narzędzi AI, minimalizując ręczne pisanie kodu.Odcinek porusza zarówno zalety, jak i pułapki tej metody, a także rozprawia się z popularnymi mitami i obawami dotyczącymi kodu generowanego przez AI.Polecane podcasty na ten temat: Building a magical AI code editor used by over 1m developers in 4 months: Inside WindsurfOpenAI’s CPO on how AI changes must-have skills, moats, coding, startup playbooks, more | Kevin WeilHow he built iOS apps that PRINT with Cursor + Claude

Więc ta pierwsza wersja, muszę przyznać, że wyszła całkiem nieźle, natomiast później, jak to się mówi, diabeł tkwi w szczegółach. Czyli jeżeli chciałem już na przykład część tych danych trzymać w bazie danych, a nie na przykład w jakichś statycznych plikach, No to było widać, że ten kursor już troszeczkę zaczyna się w tym gubić. Może w zasadzie nie kursor, tylko bardziej ten model, który akurat wtedy używałem, czyli Cloud3.7, zaczął się gubić i przyznam szczerze, że już po około 20 minutach takiego kodowania musiałem sięgnąć do swojej wiedzy programistycznej, Bo po prostu widziałem, że na przykład jest jakiś problem z jakąś paczką, albo jest jakiś problem z działaniem Next.js i słynnych React Server Components i wydaje mi się, że gdybym był taką osobą kompletnie zieloną, która nigdy wcześniej nie miała nic wspólnego z Nextem, czy z Reactem, czy ogólnie z programowaniem,

Byłem w stanie też zdeployować tą stronę i byłbym praktycznie, gdybym chciał płacić za replita 20 dolców miesięcznie, no to myślę, że bym był w stanie zdeployować nawet tą aplikację, czyli wdrożyć ją na serwer. Nieźle to działa. W replicie bardzo mi się podoba to, że mam wrażenie, że te aplikacje są takie fajne wizualnie i mamy możliwość zaznaczania jakichś obszarów naszej aplikacji, które chcemy zmieniać.

Z tego względu, że trzeba pamiętać, że te LLM-y, one mają uciętą w konkretnym miesiącu bazę swojej wiedzy. Czyli jeżeli używamy modelu, który ma bazę wiedzy na przykład na listopad 2024, a w międzyczasie w React-cie czy w jakimś innym frameworku pojawiły się różne nowe rzeczy, No to on może o tym po prostu nie wiedzieć i wystartuje nam z tej starej wersji. Natomiast jeżeli sami zrobimy ten boilerplate, ten szablon, gdzieś tam wygenerujemy sobie i odpalimy ten LLM już na tym gotowej bazie, no to myślę, że jest wtedy mniejsze ryzyko po prostu też, że ten model sobie tam zacznie szaleć, dobierać jakieś dziwne narzędzia, z którymi my akurat nie mamy do czynienia. Oczywiście pewnie jak ktoś nie jest programistą, to to nie jest dla niego aż takie ważne, bo pewnie jak ktoś nie zna w ogóle żadnego języka, no to mu to nie robi.

Pokazano wszystkie 3 dopasowania. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.