"staff engineer"로서 LLMs는 관용적인 코드를 작성하거나 가르치는 데 매우 부족하며, 오히려 코드 검토에 더 많은 시간을 소모하게 함. LLMs를 사용하여 코드를 작성하는 것은 나쁜 관행을 배우고 코드의 양과 보일러플레이트, 불확정적인 결과에 의존하게 되는 위험이 있음. LLMs는 아이디어 생성이나 신뢰할 수 없는 정보 탐색에는 유용할 수 있지만, 코드 생성에 의존하는 것은 미친 짓임.
버그 수정 시 Copilot을 사용하여 파일 전체를 첨부하고 오류 메시지를 붙여넣어 도움을 요청하는 방법이 있음. "reasoning" 모델은 이보다 훨씬 나은 결과를 제공하며, 코드베이스 전체를 붙여넣고 오류 메시지를 설명하면 종종 문제의 근원을 찾아냄.
LLMs는 보일러플레이트 코드나 자동 완성에는 유용하지만, 복잡한 작업에서는 한계가 있음. 비즈니스 로직을 이해하지 못하기 때문임. 그러나 기업 문서를 빠르게 작성하는 데는 매우 유용함.
GitHub에서 일하며 Copilot에 직접 참여한 경험이 있음.
정적 타입 언어와 좋은 IDE를 사용하는 경우, "smart auto complete" 기능이 덜 유용할 수 있음. Intellij의 자동 완성 기능이 대부분의 경우 마음을 읽는 것처럼 느껴짐.
소프트웨어 엔지니어들이 LLMs에 대해 부정적인 감정을 가지는 이유에 대한 반성. 많은 사람들이 절대적인 기준으로 판단하는 경향이 있으며, 이는 도구를 효과적으로 활용하는 능력을 제한함.
Python 프로젝트 유지보수에 AI를 사용하는 방법. 다른 언어에서의 방법을 Python으로 변환하는 데 도움을 줌.
ChatGPT를 사용하여 유틸리티 코드를 작성하는 경험이 좋았음. 코드 리뷰에서는 종종 사소한 문제를 지적하지만, 개선점을 찾는 경우 여전히 가치가 있음.
VSCode에서 Cursor로 전환한 후, Sonnet과의 에이전트 모드가 인상적임. 경험 많은 개발자가 이를 안내하면 생산성 향상에 크게 기여할 수 있음.
LLMs를 사용하여 문서의 오타와 논리적 실수를 교정하는 데 도움을 받음. Graphite Reviewer를 사용하여 실제 버그와 실수에 집중하도록 조정함. AI는 완벽하지 않지만, 코드 교정 도구로서 유용함.
Hacker News 의견
"staff engineer"로서 LLMs는 관용적인 코드를 작성하거나 가르치는 데 매우 부족하며, 오히려 코드 검토에 더 많은 시간을 소모하게 함. LLMs를 사용하여 코드를 작성하는 것은 나쁜 관행을 배우고 코드의 양과 보일러플레이트, 불확정적인 결과에 의존하게 되는 위험이 있음. LLMs는 아이디어 생성이나 신뢰할 수 없는 정보 탐색에는 유용할 수 있지만, 코드 생성에 의존하는 것은 미친 짓임.
버그 수정 시 Copilot을 사용하여 파일 전체를 첨부하고 오류 메시지를 붙여넣어 도움을 요청하는 방법이 있음. "reasoning" 모델은 이보다 훨씬 나은 결과를 제공하며, 코드베이스 전체를 붙여넣고 오류 메시지를 설명하면 종종 문제의 근원을 찾아냄.
LLMs는 보일러플레이트 코드나 자동 완성에는 유용하지만, 복잡한 작업에서는 한계가 있음. 비즈니스 로직을 이해하지 못하기 때문임. 그러나 기업 문서를 빠르게 작성하는 데는 매우 유용함.
GitHub에서 일하며 Copilot에 직접 참여한 경험이 있음.
정적 타입 언어와 좋은 IDE를 사용하는 경우, "smart auto complete" 기능이 덜 유용할 수 있음. Intellij의 자동 완성 기능이 대부분의 경우 마음을 읽는 것처럼 느껴짐.
소프트웨어 엔지니어들이 LLMs에 대해 부정적인 감정을 가지는 이유에 대한 반성. 많은 사람들이 절대적인 기준으로 판단하는 경향이 있으며, 이는 도구를 효과적으로 활용하는 능력을 제한함.
Python 프로젝트 유지보수에 AI를 사용하는 방법. 다른 언어에서의 방법을 Python으로 변환하는 데 도움을 줌.
ChatGPT를 사용하여 유틸리티 코드를 작성하는 경험이 좋았음. 코드 리뷰에서는 종종 사소한 문제를 지적하지만, 개선점을 찾는 경우 여전히 가치가 있음.
VSCode에서 Cursor로 전환한 후, Sonnet과의 에이전트 모드가 인상적임. 경험 많은 개발자가 이를 안내하면 생산성 향상에 크게 기여할 수 있음.
LLMs를 사용하여 문서의 오타와 논리적 실수를 교정하는 데 도움을 받음. Graphite Reviewer를 사용하여 실제 버그와 실수에 집중하도록 조정함. AI는 완벽하지 않지만, 코드 교정 도구로서 유용함.