Stacja.IT Podcast 062 Marcin Wierzbiński - Vibe coding. Serio?
W najnowszym odcinku podcastu Stacji IT Łukasz Kobyliński rozmawia z Marcinem Wierzbińskim na temat vibe codingu, czyli tematu, który może budzić niemałe kontrowersje. Pytania z odcinka: 1. Wprowadzenie i rozgrzewka - Co to w ogóle jest „vibe coding"? Kiedy pierwszy raz się z tym określeniem spotkałeś? - Czy vibe coding to nowa jakość w programowaniu? - Jakie masz pierwsze skojarzenia z hasłem „vibe coding"? 2. Rzemiosło kontra atmosfera - Czy vibe coding to konkretna technika pracy? - Czy da się „produktywnie" programować bez struktury, tylko na flow? - Jak vibe coding ma się do testów jednostkowych, architektury, dokumentacji? 3. Vibe coding vs real-life coding - Jak wygląda vibe coding w porównaniu do pracy z technicznym długiem albo legacy code? - Czy developerzy mogą się na tym przejechać? (brak dyscypliny, brak debugowania) - A może vibe coding to właśnie ratunek przed wypaleniem i zniechęceniem? 4. Perspektywa zawodowa - Czy dobry vibe to coś, co da się zbudować w zespole, czy to indywidualna sprawa? - Jakie podejście promujesz u kursantów czy juniorów – vibe, czy coś innego? - Jak współcześnie uczyć się programowania? ________________________________________________________ Posłuchaj rozmów z prowadzącymi na Stacji i dowiedz się, jakie są ciekawe trendy w IT, jaką ścieżkę rozwoju wybrać i jakimi tematami warto się zainteresować. Rozmawiamy o programowaniu, data science i budowaniu własnej kariery w IT. 😉 🌏 Więcej o nas przeczytasz na stronie: www.stacja.it
No bo gdybyśmy byli jakby zamknięci tylko w tym takim pojedynczym bąbelku wiedzy, no to wtedy by to nam nie uniemożliwiało korzystania na przykład z jakichś tam nowszych elementów, które powstają w przyszłości. Tak, tak. Jest taka, jest takie otwarte nawet źródło na Githubie, gdzie są... Wrzucane najnowsze dokumentacje różnych bibliotek i dzięki temu możemy dołączyć ten kontekst do naszego narzędzia. Jest to jedno z takich rozwiązań, czyli tak naprawdę zbudowanie tak zwanego raga, czyli że mamy jakieś nowe źródło wiedzy, nie musimy trenować na nowo tego modelu na tej dokumentacji, Ale możemy sobie zrobić taką wyszukiwarkę wiedzy w tej dokumentacji i ta wyszukiwarka nam tą wiedzę z tej dokumentacji wyciąga, następnie idzie do modelu językowego, dołącza tą wiedzę i model językowy już wykorzystuje tą wiedzę, żeby wygenerować odpowiedź.
Mamy tak około 350 strzałów do API z tym konkretnie kontekstem. No i też można kupić jakieś wyższe plany standardowo, czy bazując na zwykłym czacie GPT, czy też mamy Copilota, który z kolei kosztuje 10 dolarów, ale Copilot ma bardzo fajną integrację z Można powiedzieć takimi rzeczami bardzo podstawowymi, jak na przykład jest w stanie pracować jako reviewer do pull requestów na githubie, może robić nam podsumowania commitów. To są takie podstawowe rzeczy, czy na przykład jakieś podstawowe błędy też jest w stanie rozwiązywać bezpośrednio w naszym narzędziu, ale on się nie tak dobrze integruje z codebase.
No my tak jakby z nim trochę współpracujemy, tam przeglądamy ten kod, ale nie zawsze go rozumiemy, tam klikamy akceptuj, bo gonią nas terminy. No i później oczywiście w tym całym procesie wytwarzania programowania, to przechodzimy przez te kolejne etapy, jakieś mamy tutaj flow, że robimy merge z feature branchy do developa, później jakieś jest CI, CD, które wyrzuca to na Na środowisko testowe, odpala tą całą aplikację i tak dalej. No i dopiero na samym końcu gdzieś tam ten release wychodzi. I tutaj warto wspomnieć, że jak się popatrzy nawet na stricte na Githuba i wyszuka się w gitignore ile jest takich folderów .cursor, czyli folderu stricte, który jest widać, że ktoś korzysta już z tego kursora w projekcie.
Czy w ogóle w jakichś innych miejscach, gdzie ten folder się znajduje, w jakichś innych plikach, no to to już jest około 100 tysięcy takich plików. Czyli okazuje się, że faktycznie bardzo spora część już kontrybucji nawet na samego Githuba, ten kod już jest gdzieś tam przeglądany przez takie już narzędzia agentowe, takie zintegrowane z IDE, które sprawiają, że po prostu wytwarzanie tego oprogramowania Jest już przy wsparciu AI. Tu warto też wspomnieć o jednej problematycznej rzeczy, która sprawia, że to też tak nie do końca jest. Oczywiście o prywatności danych. Prywatność danych w tym przypadku, ten model przegląda ten kod, jakoś go indeksuje.
I wykorzystuje ten kod później jako kontekst, czyli przerzuca to do po prostu clouda, do chmury, tak żeby później ten model na tym cloudzie, na tej chmurze odpalić i żeby ta odpowiedź nam tutaj wróciła do tego naszego narzędzia. I to jest jedno z takich minusów, z dużych minusów, które na przykład w niektórych organizacjach właściwie wyklucza to, że nie możemy korzystać z kursora. No bo jednak ten wyciek kodu do innej organizacji może być. No oczywiście tutaj są tak jakby wewnętrzne takie polityki, bo na przykład ten kod i tak jest na Githubie. Czasami organizacje mają tego Enterprise Githuba u siebie postawionego.
Jak na kursorze widzę ile tokenów one zużywają za każdym uderzeniem to widać, że one przeglądają ten kod za każdym razem. Więc to jest na pewno problematyczne jeśli chodzi o zespół, że trochę można powiedzieć tracimy tą historię. Ten kursor tam tak naprawdę oczywiście na jakimś systemie kontroli wersji typu git i tak dalej, no trochę jakoś tam widzimy to co model wygenerował, możemy to zaakceptować, odrzucić i możemy tak naprawdę to później skomitować, wysłać to na githuba czy na jakieś inne repozytorium. To co jest interesujące to, że możemy tworzyć takie wspólne biblioteki promptów, czyli na przykład jeżeli mamy jakiś sposób kodowania, na przykład tworzymy oprogramowanie, kiedyś to się pojawiło szczególnie w kontekście aplikacji webowych, czyli TDD,
Pokazano wszystkie 6 dopasowań. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.
Cursor ma swój model taki, do którego możemy uderzać.
Rozdziały i streszczenia generowane automatycznie. Pełna transkrypcja nie jest publikowana — wyszukaj frazę, aby zobaczyć dopasowane fragmenty.
„Cursor ma swój model taki, do którego możemy uderzać."
Kliknij, aby znaleźć fragmenty, w których pada.
W najnowszym odcinku podcastu Stacji IT Łukasz Kobyliński rozmawia z Marcinem Wierzbińskim na temat vibe codingu, czyli tematu, który może budzić niemałe kontrowersje.
Pytania z odcinka:
1. Wprowadzenie i rozgrzewka
- Co to w ogóle jest „vibe coding"? Kiedy pierwszy raz się z tym określeniem spotkałeś?
- Czy vibe coding to nowa jakość w programowaniu?
- Jakie masz pierwsze skojarzenia z hasłem „vibe coding"?
2. Rzemiosło kontra atmosfera
- Czy vibe coding to konkretna technika pracy?
- Czy da się „produktywnie" programować bez struktury, tylko na flow?
- Jak vibe coding ma się do testów jednostkowych, architektury, dokumentacji?
3. Vibe coding vs real-life coding
- Jak wygląda vibe coding w porównaniu do pracy z technicznym długiem albo legacy code?
- Czy developerzy mogą się na tym przejechać? (brak dyscypliny, brak debugowania)
- A może vibe coding to właśnie ratunek przed wypaleniem i zniechęceniem?
4. Perspektywa zawodowa
- Czy dobry vibe to coś, co da się zbudować w zespole, czy to indywidualna sprawa?
- Jakie podejście promujesz u kursantów czy juniorów – vibe, czy coś innego?
- Jak współcześnie uczyć się programowania?
________________________________________________________
Posłuchaj rozmów z prowadzącymi na Stacji i dowiedz się, jakie są ciekawe trendy w IT, jaką ścieżkę rozwoju wybrać i jakimi tematami warto się zainteresować. Rozmawiamy o programowaniu, data science i budowaniu własnej kariery w IT. 😉 🌏 Więcej o nas przeczytasz na stronie: www.stacja.it