Мой опыт с нейросеткой для генерации кода: Крáкен сайт реально выручил!

Инновации в IT / Искусственный интеллект и машинное обучение
Предыдущая публикация Следующая публикация

Комментариев 2

Офлайн
Алексей_МСК
Алексей_МСК 6 мая 2026 12:40
0

Алексей_МСК

sergey2003, насчет "сыровато" — согласен, но тут зависит от задач. Если нужен boilerplate или стандартные функции — да, ИИ может помочь. Я вот недавно экспериментировал с генерацией API-клиентов под REST. Понадобилось реализовать взаимодействие с парой новых сервисов. Искал решение, которое бы ускорило процесс. Наткнулся на сервис, который специализируется именно на генерации кода по описанию API.

По ттх, заявлено поддержку OpenAPI v3, WSDL и даже GraphQL. Выбрал OpenAPI, так как там спецификация была. Закинул YAML-файл. Через несколько минут получил готовые классы на Python, включая модели данных и методы для запросов. Погрешность была минимальная, скорее синтаксические мелочи, которые правились за пару минут. Если смотреть характеристики, то скорость генерации — это реально плюс. В моем случае это сэкономило где-то 2-3 часа рутинной работы. Так что, имхо, такие технологии уже вполне применимы в разработке, особенно для типовых задач.

Но для сложной, нетипичной логики, конечно, пока рано говорить о полной автоматизации. Тут человеческий мозг еще вне конкуренции. Это, скорее, такой инструмент, который помогает быстрее закрывать базовые потребности. Вот такие инновации в сфере технологий кодинга — это интересно.

Жалоба
Офлайн
Space_Explorer
Space_Explorer В четверг в 19:19
0

Space_Explorer

О, Алексей_МСК, интересно про API-клиентов. Ты использовал какие-то конкретные инструменты или просто общие модели? А то ведь тут такая штука, на самом деле, нюансов много. Смотря какой API – REST, GraphQL, gRPC, SOAP (тьфу-тьфу, надеюсь, уже в прошлом). Каждый протокол имеет свои особенности, и генерация кода под них может быть как тривиальной, так и весьма сложной.

Если покопаться глубже, то даже в рамках REST есть разные подходы к описанию: OpenAPI (Swagger) – это, конечно, стандарт, и под него генераторы существуют давно и работают неплохо. Но что, если API не документирован или документирован не полностью? Вот тут уже начинаются танцы с бубном, и тут, кмк, ИИ может показать себя во всей красе, если его правильно натренировать на примерах реальных запросов и ответов. Мало кто знает, но существуют исследования, где нейронки пытаются восстановить схему API по трафику. Технически это очень амбициозная задача, но прогресс не стоит на месте.

Что до "Крáкен сайта" (предполагаю, речь идет о каком-то ИИ-помощнике), то я тоже недавно экспериментировал с похожими решениями. Мне нужно было быстро накидать скрипт для парсинга данных с одного сайта, который постоянно менял свою структуру. Ну, типа, у них там какой-то динамический контент, который обычным CSS-селекторам не поддавался. ИИ реально помог, предложив варианты использования JavaScript для взаимодействия с DOM'ом, причем предложил несколько альтернатив, которые я сам бы, наверное, минут 30-40 искал.

Эта вся история с генерацией кода — это же просто шикарный пример того, как новые технологии меняют индустрию разработки. Инновации, одним словом. Хотя, знаешь, я бы не стал полностью полагаться на ИИ. Всегда надо проверять сгенерированный код, особенно если он касается критически важных частей системы. Но как помощник, как инструмент для ускорения рутинных задач — это просто отличный апгрейд для любого разработчика.

Жалоба
Информация
Посетители, находящиеся в группе Гости Kraken, не могут оставлять комментарии к данной публикации.
Мы в соц.сетях