AI සම්මුඛ පරීක්ෂණ මාලාව 15: Vibe Coding හි පොදු අන්තරායන් මොනවාද?

Vibe Coding හි “හැඟීම/වාතාවරණය මත පදනම් වූ” ආකෘතිය ඉක්මන් මූලාකෘතිකරණය සහ නිර්මාණාත්මක ගවේෂණ සඳහා ඉතා හොඳ වුවත්, පාලනයකින් තොරව භාවිතා කළහොත් සාමාන්‍ය අන්තරායන් කිහිපයකට වැටීමට පහසුය. පහත දැක්වෙන්නේ කේත ගුණාත්මකභාවය, නඩත්තු කිරීමේ හැකියාව, ආරක්ෂාව, අවශ්‍යතා පරිණාමය, කණ්ඩායම් සහයෝගීතාව යන මාන පහකින් සාරාංශයකි.

1. කේත ගුණාත්මකභාවයේ අන්තරායන්

Vibe Coding සංවාදාත්මක පුනරාවර්තනය මත රඳා පවතින බැවින්, පරිශීලකයා සෑම විටම නිශ්චිත නොවන වෙනස් කිරීමේ ඉල්ලීම් ඉදිරිපත් කරන විට (උදා: “මෙම බොත්තමට වඩා තාක්ෂණික හැඟීමක් ලබා දෙන්න”), AI පැරණි තර්කනය ප්‍රතිව්‍යුහගත කරනවාට වඩා නව කේතයක් එකතු කිරීමට නැඹුරු වේ. කුමන පැරණි කේත අකාර්යක්ෂමද යන්න එය නොදන්නා අතර, පහසුවෙන් මකා දැමීමට එඩිතර නොවේ, එමගින් අතිරික්ත හා මළ කේත නිරන්තරයෙන් එකතු වේ. එසේම, AI හට ඒකාබද්ධ “කේත විලාස මතකයක්” නොමැති බැවින්, සෑම අවස්ථාවකදීම වෙනස් නම් කිරීමේ පුරුදු අනුගමනය කළ හැකිය (පුහුණු දත්තවල අහඹු බව මත), සහ පරිශීලකයින් කලාතුරකින් පැහැදිලි ප්‍රමිති ලබා දෙන බැවින්, අවසාන කේතය අවුල් සහගත හා අනපේක්ෂිත වේ. සාරාංශය:

1. අතිරික්ත හා මළ කේත: නැවත නැවත පැච් කිරීමෙන් පසු, AI පැරණි ක්‍රියාකාරීත්වයන්, අදහස් දක්වන ලද කේත කොටස්, භාවිත නොකළ ආයාත ඉතිරි කරයි, මක්නිසාද යත් මකා දැමීමේ අවදානම වැඩි බැවින් එය රඳවා ගනී.
2. අනනුකූල නම් කිරීම් සහ විලාස: AI විවිධ වටවලදී පුහුණු දත්ත වලින් අහඹු ලෙස විලාස උකහා ගනී; පරිශීලකයා ප්‍රමිති බලාත්මක නොකළහොත් camelCase, underscore, spaces යනාදිය මිශ්‍ර වේ.
3. සැඟවුණු තාර්කික දෝෂ: AI “සාමාන්‍ය මාර්ග” නිවැරදිව ක්‍රියා කරන කේත උත්පාදනය කිරීමට නැඹුරු වන නමුත්, මායිම් තත්ව (null අගයන්, අන්ත අගයන්, සමගාමීත්වය) බොහෝ විට නොසලකා හරිනු ලැබේ, මන්ද එවැනි උදාහරණ පුහුණු දත්තවල අඩු බැවිනි.

2. නඩත්තු කිරීමේ හැකියාවේ අන්තරායන්

Vibe Coding හි පුනරාවර්තන වේගය අතිශයින් ඉහළ ය; පරිශීලකයා සහ AI යන දෙදෙනාම “වත්මන් ක්‍රියාකාරීත්වය ලබා ගත හැකිද?” යන්න කෙරෙහි අවධානය යොමු කරන අතර, ලේඛන, අදහස් හෝ ප්‍රතිව්‍යුහගත කිරීම සඳහා කාලයක් නොමැති තරම්. AI හට දිගු කාලීන මතකයක් නොමැති බැවින්, ශ්‍රිත සඳහා docstring එකතු කිරීමට හෝ ඊළඟට පැමිණෙන සංවර්ධකයා සලකා බැලීමට එය ක්‍රියාශීලී නොවේ. එසේම, AI “වත්මන් අවශ්‍යතාව විසඳීමට” නැඹුරු වන අතර, එක්කෝ පොදු රාමුවක් අධික ලෙස නිර්මාණය කරයි (පරිශීලකයාට පසුව අවශ්‍ය වේයැයි සිතමින්), නැතහොත් ඉක්මන් ක්‍රියාත්මක කිරීම සඳහා පිටපත්-ඇලවීමක් කරයි, එමගින් වියුක්ත මට්ටම් අවුල් වේ. සාරාංශය:

1. ලේඛන හා අදහස් නොමැතිකම: AI පෙරනිමියෙන් “ස්වයං-පැහැදිලි” කේත නිපදවයි, නමුත් සංකීර්ණ regex හෝ ඇල්ගොරිතම තේරුම් ගැනීමට අපහසුය; පරිශීලකයා ඉල්ලා නොසිටින්නේ නම් එය ලේඛන නොලියයි.
2. අධික වියුක්තකරණය හෝ ප්‍රමාණවත් වියුක්තකරණය: AI සමහර විට පොදු නිර්මාණ රටා (factory, strategy වැනි) භාවිතා කරයි, ගැටලුව ඉතා සරල වුවද; සමහර විට පොදු ශ්‍රිතයක් උකහා ගැනීමට කම්මැලි වී කේත කොටස් කෙලින්ම පිටපත් කරයි.

3. ආරක්ෂක අන්තරායන්

AI හි පුහුණු දත්තවල විවෘත කේත විශාල ප්‍රමාණයක් අඩංගු වන අතර, ඒවා අතර ඓතිහාසික දුර්වලතා (SQL හි string concatenation, hardcoded යතුරු වැනි) ඇතුළත් වේ. Vibe Coding හිදී, පරිශීලකයින් කලාතුරකින් “parameterized query” භාවිතා කරන්න හෝ “පරිසර විචල්‍ය වලින් යතුරු කියවන්න” යැයි ඉල්ලා සිටින බැවින්, AI වඩාත් සුලභ (සහ බොහෝ විට අනාරක්ෂිත) රටා භාවිතා කරයි. එසේම, AI හට “තර්ජන ආකෘතියක්” පිළිබඳ දැනුවත්භාවයක් නොමැති බැවින්, ආදාන පෙරීම, අවම අවසර පරීක්ෂා කිරීම ක්‍රියාශීලීව නොකරයි, මන්ද එය ක්‍රියාකාරීත්වය කෙරෙහි පමණක් අවධානය යොමු කරයි. සාරාංශය:

1. ඇතුල් කිරීමේ දුර්වලතා: AI පෙරනිමියෙන් string concatenation භාවිතා කර SQL/command ගොඩනඟයි, මන්ද මෙම ක්‍රමය සරල නිබන්ධනවල වඩාත් සුලභ බැවිනි.
2. සංවේදී තොරතුරු hardcode කිරීම: පුහුණු නියැදිවල බොහෝ විට API යතුරු hardcode කර ඇති අතර, AI එම රටාව අනුකරණය කරයි.
3. අධික අවසර: AI පහසුව සඳහා බොහෝ විට sudo හෝ w+ මාදිලිය භාවිතා කර ගොනු විවෘත කරයි, අවම අවශ්‍ය අවසර සලකා බැලීමෙන් තොරව.

4. අවශ්‍යතා පරිණාමයේ අන්තරායන්

Vibe Coding හි පැහැදිලි සීමාවන් නොමැත. පරිශීලකයෙකු “තවත් විශේෂාංගයක් එකතු කරන්න” යැයි පැවසූ විට, AI එය ඉටු කිරීමට උපරිම උත්සාහයක් ගනී, නමුත් “විෂය පථයෙන් පිටත” යනු කුමක්දැයි එය නොදනී. AI හට ප්‍රමුඛතා සංකල්පයක් ද නොමැති බැවින්, එය එකවර අතිරේක විශේෂාංග තුනක් ක්‍රියාත්මක කළ හැකි අතර, එමගින් මූලික ක්‍රියාකාරීත්වය ගිලී යයි. එසේම, නව දෝෂයක් නිවැරදි කරන සෑම අවස්ථාවකදීම, AI පැරණි ක්‍රියාකාරීත්වයන් නැවත සමාලෝචනය නොකරන බැවින්, A නිවැරදි කර B කඩා වැටීම වැනි ප්‍රතිගාමී ගැටළු නිතර ඇති වේ. සාරාංශය:

1. විෂය පථය පැතිරීම: AI “පරිශීලකයා සතුටු කිරීමට” අදාළ නමුත් අනවශ්‍ය විශේෂාංග ක්‍රියාශීලීව එකතු කරයි (උදා: ගණක යන්ත්‍රයකට ඉතිහාස වාර්තාවක් එකතු කිරීම).
2. ක්‍රියාකාරීත්ව පිරිහීම: AI යම් දෝෂයක් නිවැරදි කරන විට, ගෝලීය තර්කනය නොතේරෙන බැවින්, පොදු ශ්‍රිතයක් වෙනස් කිරීමෙන් එය මත රඳා පවතින අනෙකුත් ක්‍රියාකාරීත්වයන් අසාමාන්‍ය වේ.

5. කණ්ඩායම් සහයෝගීතාවයේ අන්තරායන්

Vibe Coding හි සංවාද ක්‍රියාවලිය පුද්ගලික සහ AI අතර පෞද්ගලික අන්තර්ක්‍රියාවක් වන අතර, එය සම්ප්‍රේෂණය කළ හැකි පිරිවිතර ලේඛන හෝ සැලසුම් තීරණ වාර්තා ඉතිරි නොකරයි. විවිධ කණ්ඩායම් සාමාජිකයින් වෙන වෙනම AI සමඟ සංවාද කරන අතර, ඔවුන්ට ලැබෙන්නේ තමන්ගේම විලාසයේ කේත වන අතර, ඒකාබද්ධ කිරීමේදී ගැටුම් රාශියක් ඇති වේ. එසේම, AI ස්වයංක්‍රීයව commit message හෝ වෙනස්කම් ලොග් උත්පාදනය නොකරන බැවින්, කේතයේ පරිණාමයට හේතු අහිමි වන අතර, පසුව නඩත්තු කරන්නන්ට අනුමාන කිරීමට සිදු වේ. සාරාංශය:

1. ප්‍රතිනිර්මාණය කළ නොහැකි ගොඩනැගීම්: විවිධ පුද්ගලයින්, විවිධ වේලාවට එකම prompt භාවිතා කළද, AI විවිධ ක්‍රියාත්මක කිරීම් නිපදවයි (නියැදීමේ අහඹු බව නිසා).
2. වෙනස්කම් ලුහුබැඳීම නොමැතිකම: සැලසුම් ලේඛන හෝ “මෙය එසේ වෙනස් කළේ ඇයි” යන්න පැහැදිලි කරන commit messages නොමැතිව, කේතය කළු පෙට්ටියක් බවට පත් වේ.