A fejlesztésben már nem az a szűk keresztmetszet, hogy ki tud gyorsabban kódot írni, hanem az, hogyan lehet az AI által termelt kódot átláthatóan ellenőrizni és biztonságosan összeolvasztani. Az Entire erre a problémára épít teljes platformot, nem csak egy újabb AI-funkciót.

Mi történt

Elindult az Entire, egy új fejlesztői platform, amely a GitHub alternatívájaként pozicionálja magát, de nem egyszerűen ugyanazt kínálja más csomagolásban. Az alapötlet az, hogy a szoftverfejlesztés munkafolyamata megváltozott: az AI egyre több kódot ír, ezért a fejlesztők ideje egyre inkább az ellenőrzésre, validálásra és a folyamatok felügyeletére megy el.

A platform egyik legfontosabb eleme, hogy a megszokott pull request modellt „Trails” nevű folyamattal váltja ki. A pull request röviden az a lépés, amikor valaki beküldi a kódmódosítását ellenőrzésre és jóváhagyásra. A Trails ehelyett egy olyan nézetet ad, ahol nem csak a kódsorok közti különbséget látod, hanem az AI ügynökök által futtatott értékeléseket is. Ezek az értékelések pontozzák a módosításokat minden egyes kódfeltöltésnél, a fejlesztő pedig azt követi, hogy a rendszer szerint teljesültek-e a minőségi elvárások. Ha minden rendben van, a kód akár úgy is egyesíthető, hogy nem kell minden sort kézzel végignézni.

Az Entire emellett saját, decentralizált Git-hálózatra épül. A Git az a verziókezelő rendszer, amely nyomon követi a kód változásait; a „decentralizált” itt azt jelenti, hogy a tárhely és a műveletek nem egyetlen központi pontra támaszkodnak. Gondolj rá úgy, mint amikor egyetlen autópálya helyett több útvonal áll rendelkezésre: ha valahol torlódás van, a forgalom könnyebben elosztható. A cég erre alapozva gyorsabb működést és nagyobb ellenállóképességet ígér az AI által felpörgetett fejlesztési terheléssel szemben.

A másik fontos elem a Continuous Memory. Ez a funkció a fejlesztői munkamenetek naplóit a kód mellett tárolja a repóban, vagyis a projekt tárhelyén belül. Az AI ügynökök ebből vissza tudják keresni, mi történt korábban, milyen döntések születtek, és milyen hibákat követtek el már egyszer. Ez leegyszerűsítve olyan, mintha a rendszer nem csak „emlékezne”, hanem jegyzetelne is magának, így kevesebb újrakérdezésre és kevesebb számítási erőforrásra van szükség.

Miért fontos

Az AI-kódolás terjedésével a fejlesztői infrastruktúra csendben egyre fontosabb kérdéssé válik. Nem elég gyorsan generálni a kódot, azt valahogy megbízhatóan ellenőrizni, tárolni és összehangolni is kell. Az Entire erre próbál választ adni: nem csak AI-asszisztenst ad a meglévő folyamatokhoz, hanem magát a folyamatot alakítja át úgy, hogy az AI ügynökök legyenek a rendszer természetes szereplői. A ZDNet értelmezésében ez jól mutatja, hogy a fejlesztők munkája egyre inkább a kód kézi írásáról a gép által végzett munka felügyeletére tolódik át.

Mire figyelj

  1. Az egyik nagy kérdés az lesz, hogy a fejlesztők mennyire bíznak meg egy olyan folyamatban, ahol nem kell minden kódsort kézzel átnézni, mielőtt az éles ágba kerül.
  2. Érdemes figyelni, hogy a Trails modell valóban gyorsabbá és biztonságosabbá teszi-e a csapatmunkát, vagy csak új nevet ad egy bonyolultabb ellenőrzési rétegnek.
  3. Fontos lesz az is, hogy a decentralizált Git-hálózat és a Continuous Memory mennyire működik jól nagyobb, több helyszínen dolgozó csapatoknál.
  4. Ha az Entire tényleg képes csökkenteni az AI-fejlesztés körüli torlódásokat, az nyomást helyezhet a mostani platformokra is, hogy ne csak AI-eszközöket építsenek, hanem az egész fejlesztési alapréteget újragondolják.