HN 日本語サマリー

← 一覧へ戻る
キャリア

LLMの世界でプログラミングを楽しむ方法

How to keep enjoying programming in a world of LLMs (discourse.haskell.org)

352 pointsby signa11350 コメント

要約

大規模言語モデル(LLM)の普及により、プログラミングの楽しみや仕事のあり方が変化しつつあります。この記事では、AIによるコード生成に頼りすぎるのではなく、LLMを「計画」や「調査」の補助として活用し、自身がコードを書くことを中心に据えることで、プログラミングの喜びを維持しつつ生産性を向上させる方法を提案しています。LLMを単なるコード生成ツールとしてではなく、賢いアシスタントとして使いこなすことが鍵となります。

全文翻訳

LLM時代にプログラミングを楽しむ方法

AIによる燃え尽き症候群に向かっていますか? プログラミングスキルがほとんどなく、品質への意欲もなく、ただ大規模なClaudeアカウントを持っているだけの誰かに仕事を奪われることを恐れていますか? プロジェクト、あるいは「自分の」コードの品質に失望していますか? これはあなたのためです。

巨大テック企業が運営する最先端LLMには、長年議論されてきた、重要かつ正当な倫理的懸念があります。私はそれを認識しており、同意しますが、この記事はそのような話題ではありません。どうか私をLLM推進のテックブローと誤解しないでください。

また:私の文章がLLM生成だと誤解されることがあるため、これはAIの助けなしに100%人間が書いたものであることをお伝えします。

グレート・マシンの魂

ショーン・マクマレンによるこのタイトルの素晴らしい本があり、ティーンエイジャーの頃に楽しみました。一見すると、それは私たちの状況とは正反対の状況を描いています。個々のコンポーネントが人間であり、協力して計算ユニットを形成する巨大なコンピューターです。一方、LLM自体は実際のコンピューター上で動作し、人間(あるいは超人的)を装っています。しかし、よく見ると、物語と現実はそれほどかけ離れていません。ソフトウェア制作プロセスにおける私たちの役割は、アクターから機械の歯車へとゆっくりと格下げされています。仕様駆動型ディストピアとは、単に仕様を渡され、それをLLMに叩き込み、テクノフェudalロードがトークンを少なく配ったためにトークンが尽きて泣くというものです。

Haskellプログラマーとして、私はHaskellを書くことを楽しんでいます。ええ、仕事で作る製品は大好きですし、オープンソースライブラリでできることも好きですが、この言語で自分の考えを表現するプロセスそのものを本当に楽しんでいます。これは皆さんの多くにも当てはまると思いますが、他の多くの言語ではそうではないでしょう。それが、異なるプログラミング言語の愛好家が、LLM支援の未来が明るいか暗いかについて異なる意見を持つ理由の一部を説明しています。

コードを生成すると、その楽しみの多くが危険にさらされます。だから、やらない方がいいかもしれません。私は(少なくとも楽しい部分の)Haskellプログラムを書き続けたいのであって、生成されたコードを(あまり)読み、レビューする必要がないようにしたいのです。同時に、トークンを、私の脳をゆっくりと焼き尽くすようなことではなく、何らかの良い用途に使いたいのです。

私は、LLMを使って生産性を適度に向上させながら、プログラミングを楽しむ方法を皆さんに示したいのです。単に生産性が大幅に向上したように見せかけて、すべての喜びを失うのではなく。

LLMを完全に避けたいのであれば、それも素晴らしいことですし、あなたはすでに自分のやり方を知っています。しかし、そうしたくない理由もあるかもしれません。例えば、実際に生産性の向上をもたらす必要がある場合や、チーム、会社、業界全体がLLMの採用を積極的に進めている中で、取り残されたくない場合などです。

コードを書き続ける

コードベースを所有し続けたいなら、コードを書き続ける必要があります。すべてを生成されたものに任せると、コーディングエージェントだけが繁栄できるLLMの荒野と化します。だから、コードを書き続けるべきです。さもなければ、コードベースは最終的に失われてしまいます。

コードを書き続けるもう一つの理由は、優れたプログラマーであり続けることです。スキルは練習しなければ失われます。そしてここでは、コーディング作業を諦めてエージェントに任せる敷居が非常に低いため、リスクは特に高くなります。数週間コーディングせず、すべてをエージェントに任せると、自分でコーディングに戻るのが困難になっていることに気づくでしょう。

LLMは、宣伝されているよりもはるかに優れた、人間が読めるコードを生成するのが苦手です。それ自体が排他的に作業するコードを生成するのはまあまあ得意ですが。しかし、どこかにバグが含まれているはずの完全に生成されたファイルを見て、その風景が異質すぎて人間である自分がそれを見つけられないという絶望を、あなたはすでに経験しているはずです。

では、エージェントにコーディングを任せるのではなく、生産性向上をどのように実現できるのでしょうか? それは、エージェントにそれ以外のほとんどの作業をさせることです。特に、あなたにとって面倒な、退屈な作業です。理想的には、正しく行うのがそれほど難しくなく、チェックしやすいタスクです。

計画

コンピューターの最も初期の歴史から、それらは常に会計ツールとして使用されてきました。LLMもそのように使いましょう。他のことの中でも、それは正式なインターフェースの代わりに自然言語でアドレスできる会計ツールです。ドメインエキスパート間の膨大な会話を、実行可能なToDoに変換します。何かをテストし、テスト結果を書き留め、それを修正計画に整理させます。

ToDoツールのようなもの、あるいはさらに良いことに、フロントマター付きのMarkdownファイルを使用して、計画項目を適切に追跡させます。LLMは大きなコンテキストを持つことができますが、それでもコンテキストが多すぎると、情報を静かに失う可能性があります。

しかし、重要な決定はさせないでください。あなたに尋ねさせましょう。質問が理解できない場合は、関連するコンテキストを提供しなかったLLMのせい(あるいは、あなたが疲れて休憩が必要なだけかもしれません)です。同じ問題に何度も戻ってくる場合は、画面から一歩離れて自分で考え、明確な考えを持って戻ってきましょう。

リサーチ

エージェントにリサーチタスクを与えると、それがクエリを投げかけ、「考えている」のを眺めたり、別のプロジェクトで別なエージェントを起動したり、コーヒーを淹れたりしたくなる誘惑に駆られます。この3つのうち、コーヒーを淹れるのが最善の選択肢です。より良い選択肢は、良い古い検索エンジンを使って自分で並行してリサーチすることです。少なくとも、エージェントが知るであろうすべてのことを大まかに把握しておきましょう。

単にリサーチさせて、その結果を事実として受け入れ、そこから計画を立てるのではなく。これは恥ずかしい技術的負債につながります。

エージェントにリサーチさせるポイントは、関連する知識すべてをあなたに提示させることでも、あなたができるよりも良い決定をさせることでもありません。ポイントは、あなたが「ちょっとググって」と言われる必要がないことです。あなたは、エージェントと同じくらい、理想的にはそれ以上に、モデル化しているドメインを理解しているべきです。

エージェントにリサーチ結果を、使用したリソースへのリンクとともにどこかに書き留めさせましょう。後で戻ってきて奇妙な提案をしてきたら、リサーチについて何が言われているか、どのリソースがそう言っているかを尋ねてください。50%の確率で、それは自分の間違いを発見するでしょう。残りの50%では、それを読んで、自分で良い決定を下せるようになります。

あなたはコーダーである

これがゲームチェンジャーです。

典型的なコーディングハーネスは、「まず計画し、それからエージェントにコードを書かせる」という誘惑に駆られます。それを拒否してください。一緒に計画は立てますが、その後はあなたがコードを書きます。LLMにコードベースをリサーチさせ、現在のToDoを伝えさせ、編集が必要なすべての場所を提示させ、潜在的な落とし穴を指摘させ、関連する背景リサーチを思い出させましょう。

私はこのワークフローで作業しており、非常に楽しいです。仕事を楽しんでいます。時にはLLM導入前よりもさらに楽しんでいます。常に明確なToDoがあり、全体的な計画を心配する必要がなく、集中でき、計画がしっかりしているためToDoを素早く完了できます。それはアジャイルのようですが、煩わしいプロセスはありません。

エージェントをあなたの働き方に合わせさせ、その逆であってはなりません。あなたは経験豊富なプログラマーで、すでに自分の最適な働き方を知っているかもしれません。LLMに、あなたが最も楽しんでいない付随的な作業をすべてやらせましょう。

このワークフローにはいくつかの利点があります:

  1. あなたは好きなことをし続けます。プログラミングが好きなら、それをやりましょう。
  2. コードベースの状態を常に把握できます。自分の気まぐれなコーディングセッションから生成された奇妙なものに驚かされたことはありますか? LLMのゴミを書き直す必要がありましたか? セッションのどこにいるかを見失いましたか? この方法なら、二度とそうする必要はありません。
  3. 悪い計画を早期に発見できます。エージェントコーダーは、あなたがすぐに悪いアイデアだと気づくようなことについて、延々と進んでしまうかもしれません。
  4. スキルを磨き続けます。言うまでもありません。あなたは優れたプログラマーであり続け、あるいはさらに向上し続けるでしょう。
コーディングエージェントが役立つまれなケース

理想的には、クリーンアップ、小規模タスク、ルーチンワーク、低リスクのリファクタリングです。コードにFIXMEを残しましたか(時間を節約するために意図的に?)。興味深い3つのケースを書き、残りの7つの類似した退屈なケースを放置しましたか? モジュールの再編成を考えており、ベンチマークを取りたいですか? 管理されていないライブラリをより良いものに交換する必要がありますか? これらは有効なユースケースです。ゼロから複雑なものを設計するのは、おそらくそうではありません。

時には時間がなくなり、何かを完了させたいが、計画内の残りのToDoはすべて明白な低リスクタスクである場合があります。「AFK(離席中)なので、これを完了させて」とスーパーバイザーエージェントに伝えるのは大丈夫です。運が良ければ、翌朝には完了した機能が戻ってきます。しかし、コーディング作業の大部分は自分で行うことが重要です。

ここにはいくつかのわずかな落とし穴があります:

  • 興味深い3つのケースを書き、残りの7つはあなたの書いたものの単純な適応だから、エージェントに完成させるように指示したとします。抽象化することを検討すべきです。もしかしたら、あなたが本当にやっているのはレンズやその他の光学系を適用することでしょうか? もしかしたら、これはTraversableのような一般的な型クラスのインスタンスなのでしょうか? LLMはこれを認識せず、代わりにコードの大きな塊をコピーする傾向が有名です。人間であるあなたは、より読みやすく合理的なコードを目指しています。
  • 「潜在的な落とし穴を指摘させる」についても同様です。はい、LLMはコールチェーン全体を歩き回り、触れるべきすべての場所が渡されたToDoに含まれていることを確認するのに非常に優れているかもしれません。しかし、それらに依存してすべての結合点を見つける代わりに、そもそもコードベースの整理が悪く、コードリサーチのためにLLMを使用する必要があるのではないかと考えるべきです。

レビューサイクル

敵対的生成ネットワークの登場により、AI生成画像が突然非常にリアルになったことを覚えているかもしれません。簡単に言うと、画像を生成するモデル(「ジェネレーター」)と、そのパフォーマンスがどれだけ良かったかを伝える別のモデル(「ディスクリミネーター」)があります。これらを組み合わせることで、ジェネレーター単独よりもはるかに優れた結果を生み出すことができます。このアイデア(一般化された形では、まったく新しいものではありません)をLLM支援コーディングに適用すると、自動レビューサイクルが得られます。

自動レビューサイクルなしでは、LLMが生成した成果物を受け入れたり、読んだりしないでください。これは明らかにコード(まだ生成させている場合)に直接適用されますが、特に計画にも当てはまります。エージェントが何かをコーディングした場合、それが引き渡されたときに仕事は終わりではありません。レビューアージェントが何も見つけなくなるまで(つまり、人間の目に適した状態になるまで)仕事は完了しません。計画についても同様です。計画の論理的な穴(ToDo 2で書かれる予定の関数をToDo 7でリファクタリングするなど)を通過してそれらを見つけるのは非常に疲れるので、それを行うレビューエージェントを追加しましょう。

自分のコードがレビューされるのは驚くほど役立つことがわかりました。時には単に些細なことを指摘したり、Haddockを肥大化させることを主張したりしますが、多くの場合、本物のバグや見落としを見つけ、実際のToDoに集中させてくれます。あなた自身の作業にもレビューサイクルを追加することをお勧めしますが、LLMによるコードレビューを読みたくない場合は、まったく理解できます。それを回避する一つの方法は、それが残りの発見事項を自分で修正するように指示することです。それらがマイナーな場合。

フロンティア

あなたはフロンティアモデルの能力を完全に活用できていません。

インターネット上のあるバイブコーダーより

はい。それは私のポイントの論理的な帰結です。

しかし、フロンティアモデルの機能に依存することが悪い考えである理由はいくつかあります。

  1. 環境コスト。(この記事ではこのトピックに触れない予定でしたが。)フロンティアモデルは膨大なエネルギーを消費します。LLM企業はガジェットの仕組みについてあまり透明性がないため、これはある程度推測ですが。
  2. 自分自身よりもはるかに賢いと装うものに信頼を築くのは困難です。結局、あなたが生成するコードにはあなたが責任を負います。あなたのマシンではありません。自分のコードの責任を他人に転嫁するのは、悪いマネージャーや同僚が従業員や同僚に対して行うことであり、マシンに対して行うのはばかげています。したがって、結果に責任を持てる方法でLLMを使用してください。これは、あなたがプロセスの不可欠な一部になる場合にのみ機能します。
  3. 最も高度なモデルは最も多くのトークンを使用するため、特定のセッションでそれらを使用してタスクを完了できるかどうかはわかりません。より小さなモデルでできることはすべて、より安全な賭けです。
  4. ワークフローがフロンティアモデルを必要としない場合、最終的にはそれらをオープンウェイトまたはオープンソースモデルで置き換えることができ、テクノフェudalロードに依存しなくなる可能性があります。

結局のところ、あなたは複雑な仕事をしています。そのいくつかの側面では、LLMは同じか、あるいは少し良く実行するかもしれません。しかし、それらのすべての欠点を考えると、それらにひれ伏すには十分ではありません。人間が開発者をその中核活動で置き換えるには、LLMは人間の開発者よりも何倍も優れており、リソースを少なく使用し、複雑な実世界の状況でより信頼性が高く、少なくとも同様に整合性が取れており、何らかの形でその結果に責任を持つ必要があります。

トークンが残っていない?

トークンを使い果たして作業が停滞した経験があるかもしれません。それは迷惑です。あなたのワークフローは、突然アクセスできなくなったツールを中心に構築されています。極端な場合、何もできなくなります。このxkcdを参照し、「コンパイル中」の代わりに「トークンなし」を想像して、その状況を健全に処理してください。

これが数回起こると、裏切られたような気分になったかもしれません。そして、あなたは正しいです。あなたは裏切られました。特定の計画の特定のセッションでいくつのトークンを持っているかは、巨大なテクノフェudalロードの気まぐれによる不透明な数です。それは、公正な市場で購入して計画的に使用する商品のようなものではありません。

トークンの枯渇を「少なすぎる購入をした」と認識するのをやめ、「サービス停止」として扱う必要があります。LLM企業はLLMを使用できるという約束をあなたに売りましたが、それを維持していません。セッションあたりの最大トークン数は、あなたが知ることなく、あるいは影響を与えることなく変更される可能性があり、したがって計画を立てることもできません。

もちろん、トークンを節約することは必須です。エージェントの設定、使用法、コンテキストサイズ、スキルなどを再評価して、トークンを節約してください。しかし、たとえそうしても、そしてより大きなシートを購入したとしても、十分ではないかもしれません。

そして、トークンを節約するためにあらゆることをした後に使い果たした場合、「自分のせい」と見るのではなく、準備が必要な技術的な障害と見なしてください。列車や飛行機で多くの作業をしたことがあるなら、常にインターネットに接続できるわけではないことに備える必要があることを知っています。大きなアセットは事前にダウンロードしてキャッシュしてください。常にオフラインでできる作業をいくつか持っておきましょう。

LLM支援作業の場合、これは、作業する必要のあるすべてのものに対して具体的な成果物を生成させる必要があることを意味します。最も重要なのは、人間コーダーのワークフローに適応した場合、作業できるToDoのリストを常に計画していることを確認することです。それらを駆け抜けるのを楽しんで、エージェントが戻ってきたら、掃除をさせるように伝えましょう。

LLMのたわごと

LLMが生成したテキストは人間のテキストとは異なります。特にLLMが実際に何について話しているのか本当によくわかっていない場合に悪化します。LLMのたわごとを、あなたの精神的健康に有害である可能性があるものとして扱ってください。それを過剰に消費しないでください。あなたのコードについて、特に大きなビジョンや興味深い側面について、人々との会話を続けてください。自動レビューエージェントがエッジを取り除いた後にのみ、LLMの成果物を読んでください。

頭が混乱したら、休憩してください。はい、エージェントがバックグラウンドで実行されて「価値を生み出している」場合でもです。あなたのメンタルヘルスは、あなたの仕事の成果よりも重要です。

あなたの仲間の人間

プログラミングは、大部分において社会的な取り組みです。例えば、会社やオープンソースプロジェクトでは、プルリクエストを送ったり、イシューやコミットメッセージを書いたりします。これはコミュニケーションの一形態です。たとえプロジェクトに一人しかいなくても、過去のあなたは未来のあなたのためにイシュー、コミットメッセージ、PRを書きます。人間同士のコミュニケーションはソフトウェア開発の柱です。

常に人間を第一に考えて人と会いましょう。完全に生成されたPRを誰かに送らないでください。私は誤ってそれをやってしまい、相手は正当にうんざりしていました。私はその間違いを繰り返さないようにしています。

エージェントは、文法的に正しい言語で、すべての詳細を含んだ完全なPR本文を喜んで作成してくれます。これはコミュニケーションではありません。これはツールの出力です。このようなテキストを、ベンチマーク番号やデバッグトレースと同じように扱ってください。手書きのPR本文に、可能であれば<details>タグで囲んで追加してください。そうすれば、人々は自分で読むかどうかを決定できます。多くの場合、彼らは読まないでしょう。

私の旅

これらすべてをもって、私はLLM支援なしよりも生産的になりました。正確に言うのは難しいですが、おそらく2倍の速さでしょうか? これは多くのフルバイブコーダーが自慢するよりも少ないですが、それは問題ありません。私は自分自身を、穏やかな有機肥料を採用する庭師のように考えていますが、バイブコーダーは畑を化学肥料で溺れさせているようなものです。私の方法は、現時点ではより持続可能だと信じています。

私はHaskellをプログラミングするのが大好きで、それを生業にすることが私の夢の仕事です。先月、この夢が過去のものになったのではないかと心配していました。しかし、ここで書いたすべては、この活動を楽しいものにし続けるために学んだことです。うまくいっているようです。