Acest articol explorează conceptul de "vibe coding" și impactul său în domeniul programării asistate de inteligența artificială.
- Vibe coding redefinește rolul programatorului uman, transformându-l într-un arhitect software care se concentrează pe viziunea de ansamblu a proiectului.
- Inteligența artificială, prin tool-uri specializate, preia sarcini precum scrierea codului și adaptarea soluțiilor la arhitectura stabilită.
- Costurile asociate cu utilizarea AI-ului în vibe coding sunt greu de monitorizat, dar sunt similare cu cele ale altor servicii cloud.
În ultimul timp, termenul „vibe coding” a început să fie folosit tot mai des în contextul inteligenței artificiale. Este un concept destul de nou, popularizat de AI, care la bază presupune un fel de proces trial and error, în care omul cere AI-ului să programeze diverse idei pe care le are. Acestea sunt încercate, schimbate și apoi ajustate la alte cerințe și așa mai departe. Eu, sincer, prima dată când am auzit conceptul, l-am asimilat cu un fel de visual coding. Nu în sensul clasic, de programare cu blocuri sau interfețe drag-and-drop, ci într-un sens mai larg.
Eu mi-am imaginat acest vibe coding prin faptul că partea umană din proces începe să semene tot mai mult cu un arhitect software. Munca nu mai este centrată pe scrierea codului linie cu linie, ci pe înțelegerea și definirea the big picture: cum arată produsul final, ce cerințe are, ce use-case-uri trebuie să acopere, unde va rula, pe ce infrastructură și ce nivel de securitate trebuie să respecte.
Omul definește ce trebuie construit și de ce, nu neapărat cum. Inteligența artificială — prin tool-uri specializate de programare — preia munca de jos (da, știu că dacă ar citi un programator afirmația asta mi-ar ura doar de bine): scrierea codului, organizarea fișierelor, implementarea logicii, adaptarea soluției la arhitectura stabilită și respectarea constrângerilor impuse.
În vibe coding, valoarea nu mai stă în scrierea codului, ci în capacitatea de a vedea mental sistemul final.
Cum începi cu vibe coding (fără să fii programator)
Să începi cu vibe coding este destul de ușor, chiar dacă nu pare la prima vedere. Nu ai nevoie decât de un tool de scris cod care suportă o extensie de integrare AI. De departe, cea mai facilă metodă este Visual Studio Code plus o extensie AI din magazinul oficial. În cazul meu, am folosit Codex de la ChatGPT.
Așadar, după cum spuneam, este la fel de simplu ca instalarea unui program precum VS Code, instalarea extensiei Codex, logarea cu contul ChatGPT sau cu o cheie API de pe platforma OpenAI și gata: îi poți cere AI-ului să înceapă să îți programeze ideile în produse finale.
Codex nu este singura integrare disponibilă în VS Code; majoritatea tool-urilor LLM au integrări disponibile.
Ce poți construi în mod real prin vibe coding
Primul lucru pe care l-am făcut înainte să cer AI-ului să dezvolte ceea ce doream a fost să aleg limbajul în care să se facă programarea. Am ales Python pentru acest lucru. Nu am făcut această alegere pe baza unei analize obiective și detaliate, nici pe baza experienței, pe care oricum nu o aveam.
Am ales pur și simplu pentru că modelele AI folosesc ele însele, în backend, un mediu Python pentru a răspunde multor cerințe, implementând rapid scripturi și alte mecanisme pentru a genera rezultatele cerute. Așadar, am considerat că dacă modelul AI folosește acest limbaj de programare, înseamnă că îl stăpânește foarte bine. După cum spuneam, nu a fost o alegere obiectivă, ci mai degrabă „din topor”, după modelul degetului umezit în vânt.
Am avut trei țeluri când am început cu vibe coding-ul:
- o automatizare pentru manipularea și colectarea informațiilor despre consumul de memorie RAM de către browsere, folosită în articolele deja publicate aici și aici;
- pentru productivitate, o aplicație care îmi permite sincronizarea prin API a unui articol din Google Docs într-un articol WordPress în câteva secunde. Aceasta reduce timpul de trecere a unui articol din stadiul de document la draft de articol de la 10–20 de minute la câteva secunde;
- o altă automatizare care colectează metrici pentru a măsura eficacitatea unui adblocker în browser.
Primele două sunt deja implementate și funcționale, cea de-a treia este încă în lucru.
Ce face AI-ul bine și unde începe să greșească
AI-ul scrie cod „ca nebunul”, mai ales dacă cerințele sunt bine definite. Nu doar că îl scrie foarte repede, dar și foarte ieftin, aș spune eu. Tot respectul pentru cei mai buni programatori, dar scrierea simplă de cod este o bătălie pierdută.
Știu că există diferite păreri online conform cărora AI-ul nu scrie cod securizat, nu scrie organizat, scrie ca un student din anul doi etc. Referitor la dezbaterea dintre calitatea codului scris de om versus AI, răspund cu o întrebare: până să apară AI-ul și tot codul să fie scris de oameni, ați văzut vreo aplicație fără bug-uri?
Un alt punct interesant pe care l-am observat este că, dacă cerința este ceva comun întâlnit pe internet, AI-ul este mai puțin predispus să facă greșeli și livrează codul așteptat chiar de la prima iterație. De exemplu, primul meu proiect de automatizare, cel cu colectarea datelor despre memoria RAM, a avut un nivel ok de trial and error.
Al doilea, aplicația de sincronizat Google Docs cu WordPress, a avut o rată foarte mică de trial and error, adică a funcționat aproape totul din prima. Al treilea, cel cu eficacitatea adblock-ului, are o rată de trial and error foarte mare, motiv pentru care este încă neterminat.
Explicația pe care am găsit-o este că, cu cât ceea ce trebuie implementat este mai comun și mai popular, cu atât AI-ul generează cod mai bun. Cu cât problema este mai abstractă, cu atât sunt necesare mai multe iterații de trial and error. De aceea, API-ul WordPress și API-ul Google Docs — care sunt extrem de cunoscute și folosite — au funcționat cel mai bine. Apoi vin metricile de sistem de operare și orchestrarea de automatizări pentru browsere, care sunt și ele destul de comune. Eficacitatea adblock-ului, fiind o temă mai abstractă, are nevoie de mai mult timp.
Și AI-ul dedicat programării, cum este Codex, intră la un moment dat într-un cerc vicios de halucinații și se învârte în jurul cozii fără a oferi o soluție sau un răspuns util. Cam la fel ca ruda din chat. În aceste situații, ce am observat că funcționează cel mai bine este să îi cer să facă un rezumat: ce funcționează, ce nu funcționează și care este problema.
Cu acest rezumat mergeam la un alt LLM — în cazul meu, Gemini — și îi ceream să analizeze cazul și să îmi propună soluții în ordinea probabilității de a rezolva problema. De fiecare dată, prima sau a doua propunere primită a rezolvat problema pentru mine. Am făcut o paralelă cu situațiile în care oamenii cer o a doua părere cuiva din afară.
Cât costă vibe coding-ul în viața reală
Unele subscripții cu plată, cum ar fi ChatGPT Plus, au incluse și niște limite pentru utilizarea Codex. Dacă însă cineva lucrează intensiv, acestea nu sunt suficiente și este nevoie de cumpărarea de credite în platforma OpenAI.
Așadar, am rulat unul dintre cele trei proiecte de vibe coding — cel cu integrarea Google Docs și WordPress — direct cu o cheie API din platforma OpenAI. După două zile de folosire și când am ajuns la o versiune matură și funcțională, am cheltuit în platformă aproximativ 13$.
Aici aș vrea să fac câteva mențiuni importante. Controlul costurilor în utilizarea Codex și, în general, al unui AI specializat pe programare este foarte greu de monitorizat și de contorizat. În general, vezi doar că ai cheltuit și cam atât. Nu ai control în niciun moment asupra cantității de informație care este trimisă și procesată în contul planului tău de plată.
Tu poți scrie două propoziții în chat, iar pe baza lor agentul AI procesează în platformă un cod de 4.000 de linii, care poate însuma 12.000 de tokeni de input și alți 2.000 de output. Vibe coding-ul se bazează pe trial and error: tu spui ceva, AI-ul face, tu testezi, nu merge, spui să schimbe etc. Asta înseamnă că procesarea de mai sus se face repetitiv, inclusiv pe cod deja scris care nu a mers.
Este ca și cum ai scrie cu creionul pe hârtie, ștergi cu guma, scrii din nou peste, ștergi din nou. Tot ce se procesează, fie bine, fie greșit, este plătit.
Dacă ar fi să fiu corect, ar trebui să spun că acest model de costuri complicate și greu de monitorizat nu este nou. Toate serviciile de cloud funcționează la fel, de la Azure până la Google sau Amazon. Costurile sunt atât de complicate (intenționat, în opinia mea) încât s-a inventat chiar o meserie nouă, cu roluri și tool-uri dedicate: FinOps.
Este posibil — ba chiar inevitabil, zic eu — să vedem ceva asemănător și în cazul AI-ului în viitor. FinAI, de ce nu?
Va omorî vibe coding-ul open source-ul?
Am văzut în ultima vreme mai multe materiale despre cum AI-ul și vibe coding-ul ar urma să facă să dispară fenomenul open source. Să luăm cazul meu: în loc să caut un plugin făcut de un developer, care avea un model de monetizare, să îl instalez în WordPress pentru a putea importa documente din Google Docs, mi-am dezvoltat eu o aplicație perfect funcțională care servește scopului urmărit.
În același timp, aș putea lua acest proiect, să îl dezvolt în continuare prin vibe coding și să îl public sub licență open source. Cred că ați prins ideea: ambele direcții sunt la fel de posibile. De aceea, nu cred că AI-ul va face să dispară fenomenul open source, însă cu siguranță îl va transforma.
⚠️ Conținut generat automat cu OpenAI gpt-4o
