थोडक्यात उत्तर: एआय-सहाय्यित कोड अनेकदा असामान्यपणे सुव्यवस्थित आणि 'पाठ्यपुस्तकासारखा' वाटतो: सुसंगत फॉरमॅटिंग, सामान्य नावे, सौम्य त्रुटी संदेश आणि उघड गोष्टी पुन्हा सांगणाऱ्या टिप्पण्या. जर त्यात प्रत्यक्ष वापरातील कठोरता - जसे की डोमेन भाषा, अवघड मर्यादा, अपवादात्मक प्रकरणे - यांचा अभाव असेल, तर ते एक धोक्याचे चिन्ह आहे. जेव्हा तुम्ही त्याला तुमच्या रेपो पॅटर्नमध्ये रुजवता आणि प्रोडक्शनमधील धोक्यांविरुद्ध त्याची चाचणी करता, तेव्हा तो विश्वासार्ह बनतो.
महत्वाचे मुद्दे:
संदर्भ तपासणी: जर डोमेन संज्ञा, डेटा स्वरूप आणि मर्यादा प्रतिबिंबित होत नसतील, तर ते धोकादायक माना.
अति-पालिश: जास्त डॉकस्ट्रिंग्ज, एकसमान रचना आणि सौम्य नावे हे सामान्य पिढीचे संकेत देऊ शकतात.
त्रुटी शिस्त: व्यापक अपवाद कॅच, गिळलेले अपयश आणि अस्पष्ट लॉगिंगकडे लक्ष ठेवा.
अॅबस्ट्रॅक्शन ट्रिम: फक्त सर्वात लहान योग्य आवृत्ती शिल्लक राहेपर्यंत सट्टेबाजी मदतनीस आणि स्तर हटवा.
वास्तविकता चाचण्या: इंटिग्रेशन आणि एज-केस चाचण्या समाविष्ट करा; त्या "स्वच्छ जगाची" गृहीतके लवकर उघडकीस आणतात.
एआय-सहाय्यित कोडिंग आता सर्वत्र आहे (स्टॅक ओव्हरफ्लो डेव्हलपर सर्व्हे २०२५; गिटहब ऑक्टोव्हर्स (२८ ऑक्टोबर, २०२५)). कधीकधी ते उत्कृष्ट असते आणि तुमचा एक दुपारचा वेळ वाचवते. इतर वेळी ते... संशयास्पदरित्या सफाईदार, थोडेसे सामान्य असते, किंवा जोपर्यंत कोणीतरी कोणीही न तपासलेले एक बटण दाबत नाही तोपर्यंत ते "चालते" 🙃. यामुळे तो प्रश्न निर्माण होतो जो लोक कोड रिव्ह्यू, मुलाखती आणि खाजगी डीएममध्ये सतत विचारत असतात:
एआय कोड कसा दिसतो?
याचे थेट उत्तर आहे: ते काहीही दिसू शकते. पण काही नमुने आहेत - सौम्य संकेत आहेत, कोर्टरूमचे पुरावे नाहीत. केक बेकरीतून आला आहे की कोणाच्या स्वयंपाकघरातून आला आहे याचा अंदाज लावण्यासारखा विचार करा. फ्रॉस्टिंग खूप परिपूर्ण असू शकते, परंतु काही घरगुती बेकर देखील भयानकपणे चांगले असतात. तोच मूड.
सामान्य एआय फिंगरप्रिंट्स ओळखण्यासाठी, ते का होतात हे समजून घेण्यासाठी आणि - महत्त्वाचे म्हणजे - एआय-जनरेटेड कोडला उत्पादनात विश्वास ठेवणाऱ्या कोडमध्ये कसे रूपांतरित करायचे यासाठी खाली एक व्यावहारिक मार्गदर्शक आहे ✅.
🔗 एआय ट्रेंडचा अंदाज कसा लावते?
वास्तविक वापरात पॅटर्न लर्निंग, सिग्नल आणि फोरकास्टिंग स्पष्ट करते.
🔗 एआय विसंगती कशा शोधते?
बाह्य शोध पद्धती आणि सामान्य व्यावसायिक अनुप्रयोगांचा समावेश आहे.
🔗 एआय किती पाणी वापरते?
डेटा-सेंटरच्या पाण्याच्या वापराचे आणि प्रशिक्षणावरील परिणामांचे विश्लेषण करते.
🔗 एआय बायस म्हणजे काय?
पक्षपाताचे स्रोत, हानी आणि ते कमी करण्याचे व्यावहारिक मार्ग परिभाषित करते.
१) प्रथम, लोक जेव्हा "एआय कोड" म्हणतात तेव्हा त्यांचा अर्थ काय असतो 🤔
जेव्हा बहुतेक लोक "एआय कोड" म्हणतात, तेव्हा त्यांचा अर्थ सहसा पुढीलपैकी एक असतो:
-
प्रॉम्प्टवरून एआय असिस्टंटने तयार केलेला कोड (फीचर, बगफिक्स, रिफॅक्टर)
-
कोड मोठ्या प्रमाणावर ऑटो-कंप्लीटद्वारे पूर्ण केला गेला आहे, जिथे डेव्हलपरने फक्त थोडे बदल केले, पण तो पूर्णपणे लिहिला नाही.
-
“स्वच्छता,” “कार्यक्षमता,” किंवा “शैली” या कारणांसाठी एआयद्वारे पुन्हा लिहिलेला कोड
-
जरी कोड एआयने बनवलेला नसला तरी तो एआयने बनवल्यासारखा दिसतो (असे प्रकार लोक मान्य करतात त्यापेक्षा जास्त वेळा घडतात)
आणि इथे एक महत्त्वाचा मुद्दा आहे: एआयची एकच शैली नसते. त्याच्या काही प्रवृत्ती. त्यापैकी बऱ्याचशा प्रवृत्ती सर्वसाधारणपणे अचूक, सर्वसाधारणपणे वाचनीय आणि सर्वसाधारणपणे सुरक्षित असण्याच्या प्रयत्नातून येतात… ज्यामुळे विरोधाभासाने, अंतिम परिणाम थोडासा एकसारखा वाटू शकतो.
२) एआय कोड कसा दिसतो: जलद दृश्यमानता सांगते 👀
चला, मथळ्याला थेट उत्तर देऊया: एआय कोड साधारणपणे कसा दिसतो.
बऱ्याचदा ते कोडसारखे दिसते जे:
-
अगदी पाठ्यपुस्तकाप्रमाणे व्यवस्थित - सुसंगत इंडेंटेशन, सुसंगत फॉरमॅटिंग, सगळंच सुसंगत.
-
तटस्थपणे विस्तृत बोलणे - अनेक 'उपयुक्त' टिप्पण्या ज्यांचा फारसा उपयोग होत नाही.
-
अति-सामान्यीकृत - दोन वास्तविक परिस्थितींऐवजी दहा काल्पनिक परिस्थिती हाताळण्यासाठी बनवलेले.
-
थोडे जास्तच संरचित - अतिरिक्त सहाय्यक कार्ये, अतिरिक्त स्तर, अतिरिक्त अमूर्तता… जणू काही तीन सुटकेस घेऊन वीकेंडच्या सहलीसाठी सामान भरत आहात 🧳.
-
वास्तविक प्रणालींमध्ये जमा होणारा अस्ताव्यस्त एज-केस ग्लू (फीचर फ्लॅग्ज, लेगसी क्विर्क, गैरसोयीचे अडथळे) चुकत आहे ( मार्टिन फाउलर: फीचर टॉगल्स ).
पण - आणि मी हे वारंवार सांगत राहीन कारण ते महत्त्वाचे आहे - मानवी विकासक देखील असेच लिहू शकतात. काही संघ ते अंमलात आणतात. काही लोक फक्त मूर्ख असतात. मी ते प्रेमाने म्हणतो 😅.
त्यामुळे 'एआय ओळखण्या'ऐवजी, हे विचारणे अधिक चांगले आहे की: हा कोड खऱ्या संदर्भासह लिहिल्याप्रमाणे वागतो का? संदर्भाच्या बाबतीतच एआय अनेकदा कमी पडते.
३) ‘अनकॅनी व्हॅली’ची लक्षणं - जेव्हा सगळं काही खूपच व्यवस्थित असतं 😬
एआय-जनरेटेड कोडमध्ये अनेकदा एक विशिष्ट "चमक" असते. नेहमीच नाही, पण अनेकदा.
सामान्य "खूप व्यवस्थित" संकेत
-
प्रत्येक फंक्शनला डॉकस्ट्रिंग असतो, जरी ते स्पष्ट असले तरीही.
-
सर्व व्हेरिएबल्सना
result,data,items,payload,responseDataअशी विनम्र नावे आहेत . -
सातत्यपूर्ण त्रुटी संदेश : “विनंतीवर प्रक्रिया करताना एक त्रुटी आली.”
-
असंबंधित मॉड्यूल्समध्ये एकसारखे नमुने, जसे की सर्वकाही त्याच काळजीपूर्वक ग्रंथपालाने लिहिले होते.
सूक्ष्म भेटवस्तू
एआय कोड एखाद्या ट्युटोरियलसाठी डिझाइन केलेला वाटू शकतो, उत्पादनासाठी नाही. ते असे आहे की... कुंपण रंगविण्यासाठी सूट घालणे. पोशाखासाठी खूप योग्य, थोडीशी चुकीची कृती.
४) एआय कोडची चांगली आवृत्ती कशामुळे बनते? ✅
चला उलट करूया. कारण ध्येय "एआय पकडणे" नाही, तर "शिप क्वालिटी" आहे
एआय-असिस्टेड कोडची एक चांगली आवृत्ती अशी आहे:
-
तुमच्या वास्तविक क्षेत्रात (तुमचे नाव देणे, तुमचा डेटा आकार, तुमचे निर्बंध) अँकर केलेले.
-
तुमच्या आर्किटेक्चरशी जुळणारे (नमुने रेपोशी जुळतात, सामान्य टेम्पलेटशी नाही).
-
तुमच्या जोखमींविरुद्ध चाचणी केली (फक्त हॅपी-पाथ युनिट चाचण्याच नाही) (गुगलवर सॉफ्टवेअर इंजिनिअरिंग: युनिट टेस्टिंग; द प्रॅक्टिकल टेस्ट पिरॅमिड).
-
हेतूपूर्वक पुनरावलोकन केले (एखाद्याने फक्त "ते कंपाइल होते की नाही" असे न विचारता "हेच का?" असे विचारले) (गुगल इंजिनिअरिंग प्रॅक्टिसेस: द स्टँडर्ड ऑफ कोड रिव्ह्यू).
-
तुम्हाला आवश्यक असलेल्यापर्यंत कमी केले आहे (कमी काल्पनिक भविष्य-प्रतिबंधक)
दुसऱ्या शब्दांत सांगायचे तर, उत्तम एआय कोड दिसतोय... तुमच्या टीमने तो लिहिला आहे. किंवा कमीत कमी, तुमच्या टीमने तो योग्यरित्या स्वीकारला आहे. एखाद्या बचाव कुत्र्यासारखा ज्याला आता सोफा कुठे आहे हे माहित आहे 🐶.
५) पॅटर्न लायब्ररी: क्लासिक एआय फिंगरप्रिंट्स (आणि ते का होतात) 🧩
एआय-सहाय्यित कोडबेसमध्ये मी वारंवार पाहिलेले नमुने येथे आहेत - ज्यामध्ये मी स्वतः साफ केलेले नमुने देखील समाविष्ट आहेत. यापैकी काही ठीक आहेत. काही धोकादायक आहेत. बहुतेक फक्त... सिग्नल आहेत.
अ) सर्वत्र अति-संरक्षणात्मक शून्य तपासणी
तुम्हाला खालील स्तर दिसतील:
-
जर x काहीही नसेल तर परत करा... -
अपवाद वगळून प्रयत्न करा -
एकाधिक फॉलबॅक डीफॉल्ट
का: एआय रनटाइम त्रुटी मोठ्या प्रमाणात टाळण्याचा प्रयत्न करते.
जोखीम: ते वास्तविक अपयश लपवू शकते आणि डीबगिंगला गंभीर बनवू शकते.
ब) जेनेरिक हेल्पर फंक्शन्स जे त्यांचे अस्तित्व निर्माण करत नाहीत
आवडले:
-
प्रक्रिया_डेटा() -
हँडल_रिक्वेस्ट() -
प्रमाणित_इनपुट()
कारण: अमूर्तीकरणामुळे “व्यावसायिक” वाटते.
धोका: परिणामी अशी फंक्शन्स तयार होतात जी सर्व काही करतात पण काहीही स्पष्ट करत नाहीत.
क) कोड पुन्हा सांगणाऱ्या टिप्पण्या
उदाहरण ऊर्जा:
-
"१ ने वाढ"
-
"प्रतिसाद परत द्या"
का: एआयला स्पष्टीकरणात्मक राहण्याचे प्रशिक्षण देण्यात आले होते.
धोका: टिप्पण्या लवकर कुजतात आणि आवाज निर्माण करतात.
ड) तपशीलांची विसंगत खोली
एक भाग अतिशय तपशीलवार आहे, तर दुसरा भाग गूढपणे अस्पष्ट आहे.
कारण: लक्ष विचलित होण्याची शक्यता… किंवा अपूर्ण संदर्भ.
धोका: अस्पष्ट भागांमध्ये कमकुवत दुवे दडलेले असतात.
ई) संशयास्पद सममितीय रचना
व्यवसायाच्या तर्काने नसले तरी, सर्वकाही एकाच मांडीचे अनुसरण करते.
कारण: एआयला सिद्ध झालेले आकार पुन्हा पुन्हा बनवायला आवडतात.
धोका: गरजा सममित नसतात - त्या खराब पॅक केलेल्या किराणा मालासारख्या 🍅📦 असमान असतात.
६) तुलना सारणी - एआय कोड कसा दिसतो याचे मूल्यांकन करण्याचे मार्ग 🧪
खाली एका व्यावहारिक टूलकिटची तुलना दिली आहे. हे 'एआय डिटेक्टर' नाहीत, तर कोडची वास्तविकता तपासणारे आहेत. कारण संशयास्पद कोड ओळखण्याचा सर्वोत्तम मार्ग म्हणजे त्याची चाचणी करणे, त्याचे पुनरावलोकन करणे आणि दबावाखाली त्याचे निरीक्षण करणे.
| साधन / दृष्टिकोन | (प्रेक्षकांसाठी) सर्वोत्तम | किंमत | ते का काम करते (आणि एक छोटीशी गोष्ट) |
|---|---|---|---|
| कोड रिव्ह्यू चेकलिस्ट 📝 | संघ, आघाडी, वरिष्ठ खेळाडू | मोफत | “का?” असे प्रश्न विचारण्यास भाग पाडते; सामान्य नमुने ओळखते… कधीकधी जास्तच बारीक-सारीक गोष्टी तपासल्यासारखे वाटते (गूगल इंजिनिअरिंग प्रॅक्टिसेस: कोड रिव्ह्यू) |
| युनिट + इंटिग्रेशन टेस्ट ✅ | प्रत्येकासाठी शिपिंग वैशिष्ट्ये | मुक्त | मिसिंग एज केसेस उघड करते; एआय कोडमध्ये अनेकदा इन-प्रॉडक्शन फिक्स्चर नसतात (गुगल येथे सॉफ्टवेअर इंजिनिअरिंग: युनिट टेस्टिंग; द प्रॅक्टिकल टेस्ट पिरॅमिड) |
| स्थिर विश्लेषण / लिंटिंग 🔍 | मानकांसह संघ | मोफत / सशुल्क | विसंगती दर्शवते; मात्र “चुकीच्या कल्पनेमुळे” निर्माण झालेल्या चुका पकडणार नाही (ESLint डॉक्स; GitHub CodeQL कोड स्कॅनिंग) |
| टाइप तपासणी (लागू असेल तिथे) 🧷 | मोठे कोडबेस | मोफत / सशुल्क | अस्पष्ट डेटा आकार उघड करते; त्रासदायक असू शकते परंतु ते फायदेशीर ठरू शकते (टाइपस्क्रिप्ट: स्टॅटिक टाइप चेकिंग; मायपीवाय डॉक्युमेंटेशन) |
| धमकी मॉडेलिंग / गैरवापर प्रकरणे 🛡️ | सुरक्षेसाठी सजग संघ | मोफत | एआय कदाचित प्रतिकूल वापराकडे दुर्लक्ष करू शकते; हे त्याला प्रकाशात आणण्यास भाग पाडते (OWASP थ्रेट मॉडेलिंग चीट शीट) |
| कामगिरी प्रोफाइलिंग ⏱️ | बॅकएंड, डेटा-हेवी काम | मोफत / सशुल्क | एआय अतिरिक्त लूप, रूपांतरण, वाटप जोडू शकते - प्रोफाइलिंग खोटे बोलत नाही (पायथन डॉक्स: द पायथन प्रोफाइलर्स) |
| डोमेन-केंद्रित चाचणी डेटा 🧾 | उत्पादन + अभियांत्रिकी | मोफत | सर्वात वेगवान “वासाची चाचणी”; बनावट डेटा बनावट आत्मविश्वास निर्माण करतो (पायटेस्ट फिक्स्चर डॉक्स) |
| जोडी पुनरावलोकन / वॉकथ्रू 👥 | मार्गदर्शन + गंभीर जनसंपर्क | मोफत | लेखकांना पर्याय स्पष्ट करण्यास सांगा; एआय-इश कोडमध्ये अनेकदा कथा नसते (गुगलवर सॉफ्टवेअर इंजिनिअरिंग: कोड रिव्ह्यू) |
हो, "किंमत" हा कॉलम थोडासा गोंधळलेला आहे - कारण महागडा भाग सहसा लक्ष असतो, टूलिंग नाही. लक्ष देण्याची किंमत असते... सर्वकाही 😵💫.
७) एआय-सहाय्यित कोडमधील स्ट्रक्चरल संकेत 🧱
जर तुम्हाला एआय कोड कसा दिसतो याचे सखोल उत्तर हवे असेल तर झूम आउट करा आणि रचना पहा.
१) तांत्रिकदृष्ट्या बरोबर पण सांस्कृतिकदृष्ट्या चुकीचे असे नाव देणे
अनेक प्रकल्पांमध्ये एआय "सुरक्षित" असलेली नावे निवडते. परंतु संघ त्यांची स्वतःची बोलीभाषा विकसित करतात:
-
तुम्ही त्याला
AccountId, AI त्यालाuserId. -
तुम्ही त्याला
लेजरएंट्री, एआय त्यालाव्यवहार. -
तुम्ही त्याला
FeatureGate, ते त्यालाconfigFlag.
यापैकी काहीही "वाईट" नाही, परंतु हे एक संकेत आहे की लेखक तुमच्या क्षेत्रात जास्त काळ राहिला नाही.
२) पुनर्वापर न करता पुनरावृत्ती, किंवा कारणाशिवाय पुनर्वापर
कधीकधी एआय:
-
एकाच वेळी संपूर्ण रेपो संदर्भ "लक्षात" ठेवत नसल्यामुळे, किंवा
-
तीन ओळी वाचवणाऱ्या अॅबस्ट्रॅक्शनद्वारे फोर्स रियूझ केले जाते परंतु तीन तासांनंतर खर्च येतो.
हाच तो व्यवहार आहे: आता कमी टायपिंग, नंतर जास्त विचार. आणि मला नेहमीच खात्री नसते की तो चांगला व्यवहार आहे, मला वाटतं... आठवड्यावर अवलंबून असते 😮💨.
३) वास्तविक सीमांकडे दुर्लक्ष करणारी "परिपूर्ण" मॉड्यूलॅरिटी
तुम्हाला कोड व्यवस्थित मॉड्यूलमध्ये विभागलेला दिसेल:
-
प्रमाणीकरणकर्ते/ -
सेवा/ -
हँडलर/ -
उपयुक्तता/
परंतु सीमा तुमच्या सिस्टमच्या सीमशी जुळत नसतील. माणूस आर्किटेक्चरच्या वेदना बिंदूंना प्रतिबिंबित करतो. एआय एक व्यवस्थित आकृती प्रतिबिंबित करतो.
८) एरर हँडलिंग - जिथे एआय कोड… निसरडा होतो 🧼
त्रुटी हाताळणे हे सर्वात मोठे निकष आहे, कारण त्यासाठी केवळ अचूकता नव्हे तर निर्णयक्षमता आवश्यक आहे.
पाहण्यासाठी नमुने
-
अस्पष्ट लॉगिंगसह व्यापक अपवाद पकडणे ( पायलिंट डॉक्स: बेअर-एक्सेप्ट )
-
त्रुटी गिळणे आणि डीफॉल्ट परत करणे
-
अर्थपूर्ण त्रुटी दर्शवण्याऐवजी “success: false” असे परत करणे.
-
बॅकऑफ किंवा कॅपशिवाय रिट्राय लूप (किंवा ३ सारखी विचित्रपणे निवडलेली कॅप, कारण ३ हा आकडा चांगला वाटतो) ( AWS प्रिस्क्रिप्टिव्ह गायडन्स: बॅकऑफसह रिट्राय ; AWS बिल्डर्स लायब्ररी: जिटरसह टाइमआउट्स, रिट्राईज आणि बॅकऑफ )
किती छान दिसतेय?
-
अपयश विशिष्ट
-
चुका कृतीयोग्य
-
लॉगिंगमध्ये संदर्भ (आयडी, इनपुट, संबंधित स्थिती)
-
संवेदनशील डेटा लॉगमध्ये टाकला जात नाही (एआय कधीकधी हे विसरते 😬) ( ओडब्ल्यूएएसपी लॉगिंग चीट शीट ; ओडब्ल्यूएएसपी टॉप १० २०२५: सुरक्षा लॉगिंग आणि अलर्टिंगमधील त्रुटी )
एक अतिशय मानवी गुण म्हणजे एरर मेसेज लिहिणे जे थोडेसे त्रासदायक असते. नेहमीच नाही, पण जेव्हा तुम्ही ते पाहता तेव्हा तुम्हाला ते कळते. एआय एरर मेसेज बहुतेकदा ध्यान अॅपसारखे शांत असतात.
९) एज केसेस आणि उत्पादनाची वास्तविकता - "गहाळ ग्रिट" 🧠🪤
वास्तविक प्रणाली अस्वच्छ असतात. एआय आउटपुटमध्ये अनेकदा त्या पोताचा अभाव असतो.
संघांकडे असलेल्या "ग्रिट" ची उदाहरणे:
-
फीचर फ्लॅग्ज आणि आंशिक रोलआउट्स (मार्टिन फाउलर: फीचर टॉगल)
-
बॅकवर्ड कंपॅटिबिलिटी हॅक्स
-
विचित्र तृतीय-पक्ष टाइमआउट्स
-
तुमच्या स्कीमाचे उल्लंघन करणारा लेगसी डेटा
-
विसंगत केसिंग, एन्कोडिंग किंवा लोकेल समस्या
-
व्यवसाय नियम जे अनियंत्रित वाटतात कारण ते अनियंत्रित असतात
जर तुम्ही सांगितले तर एज केसेस एज एज हाताळू शकतात, परंतु जर तुम्ही त्यांना स्पष्टपणे समाविष्ट केले नाही तर ते बहुतेकदा "स्वच्छ जग" उपाय तयार करते. स्वच्छ जग सुंदर असतात. स्वच्छ जग देखील अस्तित्वात नाही.
थोडेसे ताणलेले रूपक येत आहे: एआय कोड हा अगदी नवीन स्पंजसारखा आहे - त्याने स्वयंपाकघरातील आपत्ती अजून आत्मसात केलेली नाहीत. तिथे, मी ते म्हटले 🧽. माझे सर्वोत्तम काम नाही, पण ते खरे आहे.
१०) एआय-सहाय्यित कोड मानवीय कसा वाटावा - आणि सर्वात महत्त्वाचे म्हणजे, विश्वासार्ह कसे व्हावे 🛠️✨
जर तुम्ही कोड तयार करण्यासाठी एआय वापरत असाल (आणि बरेच लोक आहेत), तर तुम्ही काही सवयी वापरून आउटपुट नाटकीयरित्या चांगले बनवू शकता.
अ) तुमच्या मर्यादा आधीपासून इंजेक्ट करा
"एक फंक्शन लिहा जे..." ऐवजी, हे करून पहा:
-
अपेक्षित इनपुट/आउटपुट
-
कामगिरीच्या गरजा
-
त्रुटी धोरण (वाढवणे, निकालाचा प्रकार परत करणे, लॉग + अपयश?)
-
नामकरण पद्धती
-
तुमच्या रेपोमधील विद्यमान नमुने
ब) केवळ उपायच नाही तर तडजोड मागा
यासह प्रॉम्प्ट करा:
-
"दोन दृष्टिकोन द्या आणि तडजोड स्पष्ट करा."
-
"तुम्ही इथे काय करणे टाळाल आणि का?"
-
"हे उत्पादनात कुठे खंड पडेल?"
जेव्हा तुम्ही एआयला जोखमीचा विचार करण्यास भाग पाडता तेव्हा ते चांगले असते.
क) कोड डिलीट करा
गंभीरपणे. विचारा:
-
"कोणत्याही अनावश्यक अमूर्तता काढून टाका."
-
"हे सर्वात लहान योग्य आवृत्तीमध्ये कमी करा."
-
"कोणते भाग सट्टा आहेत?"
एआयमध्ये बेरीज करण्याची प्रवृत्ती असते. उत्तम अभियंते वजाबाकी करण्याची प्रवृत्ती असते.
ड) वास्तव प्रतिबिंबित करणाऱ्या चाचण्या जोडा
फक्त नाही:
-
"अपेक्षित उत्पादन देते"
परंतु:
-
विचित्र इनपुट
-
गहाळ फील्ड
-
समांतरता
-
आंशिक अपयश
-
एकात्मता-स्तरीय वर्तन (गुगलवरील सॉफ्टवेअर अभियांत्रिकी: मोठी चाचणी; प्रॅक्टिकल चाचणी पिरॅमिड)
जर तुम्ही दुसरे काही करत नसाल तर हे करा. चाचण्या खोटे शोधक असतात आणि त्यांना कोड कोणी लिहिला याची पर्वा नसते 😌.
११) समारोपाच्या नोंदी + जलद सारांश 🎯
तर, एआय कोड साधारणपणे कसा दिसतो: तो अनेकदा सुबक, सर्वसाधारण, किंचित जास्त स्पष्टीकरण दिलेला आणि इतरांना खूश करण्याच्या अती उत्सुकतेपोटी तयार केलेला दिसतो. याची सर्वात मोठी ओळख फॉरमॅटिंग किंवा कमेंट्समधून होत नाही - तर ती संदर्भाच्या अभावातून होते: जसे की डोमेनचे नाव, अवघड अपवादात्मक परिस्थिती आणि एखाद्या प्रणालीसोबत काम केल्यामुळे निर्माण होणारे आर्किटेक्चर-विशिष्ट पर्याय.
जलद सारांश
-
एआय कोड ही एकच शैली नाही, पण ती अनेकदा नीटनेटकी, शब्दबद्ध आणि अति-सामान्य शैलीचा ट्रेंड करते.
-
कोड तुमच्या वास्तविक मर्यादा आणि उत्पादनाची कडकपणा प्रतिबिंबित करतो की नाही हे सर्वोत्तम संकेत आहे.
-
शोधण्यावर जास्त लक्ष केंद्रित करू नका - गुणवत्तेवर लक्ष केंद्रित करा: चाचण्या, पुनरावलोकन, स्पष्टता आणि हेतू (गुगल इंजिनिअरिंग प्रॅक्टिसेस: कोड रिव्ह्यू; गुगलमधील सॉफ्टवेअर इंजिनिअरिंग: युनिट टेस्टिंग).
-
पहिल्या मसुद्यात एआय ठीक आहे. शेवटच्या मसुद्यामध्ये ते ठीक नाही. हाच संपूर्ण खेळ आहे.
आणि जर कोणी तुम्हाला एआय वापरल्याबद्दल लाजवण्याचा प्रयत्न करत असेल तर, प्रामाणिकपणे... आवाजाकडे दुर्लक्ष करा. फक्त सॉलिड कोड पाठवा. सॉलिड कोड हा एकमेव फ्लेक्स आहे जो टिकतो 💪🙂.
वास्तविक उदाहरण: एआयने तयार केलेल्या चेकआउट बगफिक्सचे पुनरावलोकन 🛒
परिस्थिती
कल्पना करा की एक छोटी ई-कॉमर्स टीम चेकआउटमधील एका समस्येसाठी बगफिक्सचा मसुदा तयार करण्यासाठी एआय असिस्टंटचा वापर करत आहे: जेव्हा पेमेंट प्रोव्हायडरचा टाइमआउट होतो आणि रिट्राई बटण दाबले जाते, तेव्हा ग्राहकांकडून कधीकधी दोनदा शुल्क आकारले जाते.
एआयचा पहिला मसुदा सुबक दिसतो. त्यात एक रिट्राय हेल्पर जोडला आहे, पेमेंट कॉलला व्यापक एरर हँडलिंगमध्ये गुंडाळले आहे, आणि काही अयशस्वी झाल्यास एक सौम्य संदेश परत पाठवला जातो. वरवर पाहता, ते व्यावसायिक वाटते. पण धोका अगदी पृष्ठभागाखालीच दडलेला आहे: पहिला पेमेंटचा प्रयत्न आधीच यशस्वी झाला आहे की नाही, हे कोड तपासत नाही.
नेमकी याच ठिकाणी एआय-सहाय्यित कोडवर उत्पादनाचा दबाव असण्याची गरज आहे. समस्या ही नाही की कोड "एआयने लिहिलेला" दिसतो. समस्या ही आहे की तो एका स्वच्छ जगाची कल्पना करतो, जिथे टाइमआउटचा अर्थ "काहीही घडले नाही" असा होतो.
सहाय्यकाला काय हवे आहे
एआयला बग दुरुस्त करायला सांगण्यापूर्वी, त्याला सविस्तर माहिती द्या:
-
पेमेंट प्रोव्हायडर ८ सेकंदांनंतर टाइम आउट होऊ शकतो.
-
टाइमआऊटमुळे हल्ला अयशस्वी झाला हे सिद्ध होत नाही.
-
प्रत्येक चेकआउटला एक अद्वितीय ऑर्डरआयडी आणि आयडम्पोटेन्सीकी असतो.
-
विद्यमान रेपोमध्ये ट्रान्झॅक्शनऐवजी पेमेंटअटेम्प्टचा वापर केला जातो.
-
अयशस्वी झालेल्या पेमेंटची नोंद orderId, providerRequestId, आणि retryCount सह करणे आवश्यक आहे.
-
लॉगमध्ये कार्डचा तपशील किंवा वैयक्तिक माहिती दिसू नये.
-
या उपायामध्ये डुप्लिकेट-क्लिक्स, प्रोव्हायडर टाइमआउट्स आणि आंशिक अपयशांसाठीच्या चाचण्यांचा समावेश असणे आवश्यक आहे.
उदाहरण सूचना
दुहेरी-शुल्क आकारणीचा बग दुरुस्त करण्यासाठी विद्यमान चेकआउट-सर्व्हिस पॅटर्नचा वापर करा. आवश्यक असल्याशिवाय जेनेरिक रिट्राय रॅपर तयार करू नका. पेमेंट-प्रोव्हायडर टाइमआउटला अयशस्वी पेमेंट न मानता, अज्ञात स्थिती म्हणून हाताळा. विद्यमान PaymentAttempt नामकरण पद्धतीचा वापर करा. orderId आणि idempotencyKey वापरून आयडम्पोटेन्सी तपासणी समाविष्ट करा. खालील गोष्टींसाठी चाचण्या समाविष्ट करा: एक यशस्वी पेमेंट, टाइमआउटनंतर पुन्हा प्रयत्न, बटणावर दोनदा क्लिक करणे, क्लायंट टाइमआउटनंतर प्रोव्हायडरचे यशस्वी होणे, आणि providerRequestId नसणे. सोल्यूशन शक्य तितके लहान ठेवा आणि प्रोडक्शनमध्ये हे अजूनही कुठे अयशस्वी होऊ शकते हे स्पष्ट करा.
त्याची चाचणी कशी करावी
समीक्षक एआय-सहाय्यित कोडला मान्यता देण्यापूर्वी पाच सोप्या तपासण्या करू शकतो:
-
त्याच आयडम्पोटेन्सीकी (idempotencyKey) सह तीच चेकआउट विनंती दोनदा सबमिट करा.
-
प्रोव्हायडर टाइमआउटचे अनुकरण करा, जिथे प्रोव्हायडर नंतर यशाची पुष्टी करतो.
-
टाइमआऊटनंतर पुन्हा प्रयत्न करून पहा आणि दुसरा चार्ज तयार होत नाही याची खात्री करा.
-
संवेदनशील डेटा उघड न करता, योग्य डीबगिंग फील्डसाठी लॉग तपासा.
-
रिट्राई लॉजिक जेनेरिक युटिलिटीऐवजी या लेयरमध्ये का असावे, हे लेखकाला स्पष्ट करण्यास सांगा.
एखादा कमकुवत एआय मसुदा यशस्वी मार्ग पार करू शकतो, पण टाइमआऊटनंतर यश मिळण्याच्या स्थितीत अयशस्वी होऊ शकतो. हेच ते “स्वच्छ जगाचे” गृहीतक आहे जे चाचणीच्या स्वरूपात दिसून येते.
निकाल
उदाहरणादाखल निकाल: या काल्पनिक चेकआउट बगसाठी पाच-केस पुनरावलोकन सरावाची वेळ मोजल्यावर, AI मसुदा तयार होण्यास सुमारे 20 मिनिटे लागली, परंतु पहिल्या आवृत्तीमध्ये 5 आवश्यक चाचण्यांपैकी 2 चाचण्या चुकल्या होत्या: डुप्लिकेट-क्लिक हाताळणी आणि टाइमआऊटनंतर प्रदात्याच्या यशस्वितेची हाताळणी.
वर नमूद केलेल्या डोमेन मर्यादा जोडल्यानंतर, सुधारित मसुद्यामध्ये सर्व ५ टेस्ट केसेस समाविष्ट झाल्या आणि त्यासाठी कमी मॅन्युअल रिव्ह्यू कमेंट्सची गरज लागली: पहिल्या मसुद्यावर ९ कमेंट्स, तर मर्यादित मसुद्यावर ३ कमेंट्स. एकूण रिव्ह्यू आणि रिव्हिजनचा वेळ अंदाजे ५५ मिनिटांवरून ३२ मिनिटांपर्यंत कमी झाला.
हा एक सिद्ध मापदंड नाही. हा एक उदाहरणादाखल अंदाज आहे, जो एखादी टीम प्रत्यक्ष पुल रिक्वेस्ट्स दरम्यान तीन आकड्यांचा मागोवा घेऊन पडताळून पाहू शकते: मसुद्यापासून मंजूर पीआरपर्यंत लागलेला वेळ, समीक्षकांच्या टिप्पण्यांची संख्या आणि अयशस्वी झालेल्या एज-केस चाचण्यांची संख्या.
काय बिघडू शकतं?
एआयला 'टाइमआउट'ला 'अपयश' मानू देणे ही सर्वात धोकादायक चूक आहे. पेमेंट सिस्टीम, ईमेल डिलिव्हरी, बुकिंग प्लॅटफॉर्म, इन्व्हेंटरी अपडेट्स आणि बॅकग्राउंड जॉब्समध्ये, या गृहीतकामुळे दुहेरी क्रिया निर्माण होऊ शकतात.
इतर सामान्य समस्या:
-
जेव्हा रेपो PaymentAttempt वापरतो, तेव्हा AI 'ट्रान्झॅक्शन' सारखी एक नवीन संज्ञा तयार करते.
-
ते व्यापक त्रुटी शोधते आणि मूळ अपयश लपवून एक सोपा संदेश देते.
-
यात एक पुन्हा वापरता येण्याजोगा रिट्राय हेल्पर जोडला आहे, जो इतर डेव्हलपर्स अशा ठिकाणी कॉपी करू शकतात जिथे रिट्राय करणे असुरक्षित आहे.
-
ते गरजेपेक्षा जास्त माहिती नोंदवते आणि चुकून त्यात ग्राहकांची किंवा पेमेंटची संवेदनशील माहिती समाविष्ट होते.
-
जेव्हा प्रत्येक डिपेंडन्सी अचूकपणे कार्य करते, तेव्हाच कोड काम करतो हे सिद्ध करणाऱ्या चाचण्या ते तयार करते.
व्यावहारिक निष्कर्ष
एआय-सहाय्यित कोड अधिक सुरक्षित बनवण्याचा सर्वोत्तम मार्ग म्हणजे त्याला आधी वास्तविक तथ्ये देणे: खरी नावे, अपयशाचे खरे प्रकार, खरे लॉग, खऱ्या चाचणी केसेस आणि खऱ्या मर्यादा. एआय त्याची सुव्यवस्थित आवृत्ती पटकन तयार करू शकते. कोड मर्ज होण्यापूर्वी, त्यात प्रत्यक्ष वापरासाठी आवश्यक तपशील जोडणे हे तुमचे काम आहे.
वारंवार विचारले जाणारे प्रश्न
कोड एआयने लिहिला आहे हे कसे कळेल?
एआय-सहाय्यित कोड अनेकदा गरजेपेक्षा जास्तच व्यवस्थित, जवळजवळ 'पाठ्यपुस्तकासारखा' दिसतो: सुसंगत फॉरमॅटिंग, एकसमान रचना, सामान्य नावे (जसे की data, items, result), आणि संतुलित, सुबक त्रुटी संदेश. तसेच, त्यात डॉकस्ट्रिंग्ज किंवा कमेंट्सचा एक गुंता असू शकतो, ज्यात केवळ उघड तर्काची पुनरावृत्ती केलेली असते. यातील मोठा संकेत शैलीचा नसून, प्रत्यक्ष वापरातील अनुभवाच्या कणखरपणाचा अभाव हा आहे: म्हणजेच, डोमेन भाषा, रेपोची संकेतपद्धती, अवघड बंधने आणि प्रणालींना टिकवून ठेवणारा अपवादात्मक परिस्थितींना जोडणारा दुवा.
एआय-जनरेटेड एरर हँडलिंगमधील सर्वात मोठे अडथळे कोणते आहेत?
व्यापक अपवाद पकडणे (except Exception), शांतपणे डीफॉल्ट मूल्ये परत करणारे दुर्लक्षित अपयश, आणि "एक त्रुटी आली" यासारख्या अस्पष्ट लॉगिंगकडे लक्ष द्या. हे पॅटर्न खरे बग लपवू शकतात आणि डीबगिंगला त्रासदायक बनवू शकतात. मजबूत त्रुटी हाताळणी ही विशिष्ट, कृती करण्यायोग्य असते आणि लॉगमध्ये संवेदनशील डेटा न टाकता पुरेसा संदर्भ (आयडी, इनपुट, स्थिती) देते. अपुरा बचाव करण्याइतकेच अति-संरक्षणात्मक असणे देखील धोकादायक असू शकते.
एआय कोड बहुतेकदा अति-इंजिनिअर केलेले किंवा अति-अमूर्त का वाटते?
एआयची एक सामान्य प्रवृत्ती म्हणजे काल्पनिक भविष्याचा अंदाज घेऊन हेल्पर फंक्शन्स, लेयर्स आणि डिरेक्टरीज जोडून 'व्यावसायिक' दिसण्याचा प्रयत्न करणे. तुम्हाला process_data() किंवा handle_request() आणि सुबक मॉड्यूल सीमा दिसतील, ज्या तुमच्या सिस्टमच्या जोडणीपेक्षा आकृतीला अधिक शोभून दिसतात. यावर एक व्यावहारिक उपाय म्हणजे वजाबाकी करणे: जोपर्यंत तुमच्याकडे सध्या असलेल्या गरजांशी जुळणारी सर्वात लहान आणि अचूक आवृत्ती मिळत नाही, तोपर्यंत काल्पनिक लेयर्स कमी करत जा; नंतर येऊ शकणाऱ्या गरजांशी नाही.
वास्तविक रेपोमध्ये चांगला एआय-असिस्टेड कोड कसा दिसतो?
सर्वोत्तम एआय-सहाय्यित कोड तुमच्या टीमने दावा केल्याप्रमाणे वाचतो: तो तुमच्या डोमेन संज्ञा वापरतो, तुमच्या डेटा आकारांशी जुळतो, तुमच्या रिपॉझिटरी पॅटर्नचे अनुसरण करतो आणि तुमच्या आर्किटेक्चरशी संरेखित करतो. ते अर्थपूर्ण चाचण्या आणि हेतुपुरस्सर पुनरावलोकनासह - आनंदी मार्गांच्या पलीकडे - तुमचे धोके देखील प्रतिबिंबित करते. ध्येय "एआय लपवणे" नाही, तर ते मसुद्याला संदर्भात अँकर करणे आहे जेणेकरून ते उत्पादन कोडसारखे वागेल.
कोणत्या चाचण्या "स्वच्छ जग" गृहीतके सर्वात जलद उघड करतात?
इंटिग्रेशन चाचण्या आणि एज-केस चाचण्यांमध्ये समस्या लवकर दिसून येतात कारण एआय आउटपुट बहुतेकदा आदर्श इनपुट आणि अंदाजे अवलंबित्व गृहीत धरते. डोमेन-केंद्रित फिक्स्चर वापरा आणि जिथे महत्त्वाचे असेल तिथे विचित्र इनपुट, गहाळ फील्ड, आंशिक अपयश, टाइमआउट आणि कॉन्करन्सी समाविष्ट करा. जर कोडमध्ये फक्त हॅपी-पाथ युनिट चाचण्या असतील, तर जेव्हा कोणी उत्पादनात एक न तपासलेले बटण दाबते तेव्हा ते अयशस्वी होत असतानाही ते योग्य दिसू शकते.
एआय-लेखित नावे "तांत्रिकदृष्ट्या योग्य पण सांस्कृतिकदृष्ट्या चुकीची" का वाटतात?
एआय अनेकदा सुरक्षित, सर्वसाधारण नावे निवडते जी अनेक प्रकल्पांमध्ये चालतात, परंतु कालांतराने टीम्स एक विशिष्ट बोलीभाषा विकसित करतात. यामुळेच, 'userId' विरुद्ध 'AccountId'किंवा 'transaction' विरुद्ध 'LedgerEntry'. नावातील हा बदल हा एक संकेत आहे की, कोड तुमच्या कार्यक्षेत्राच्या आणि मर्यादांच्या चौकटीत राहून लिहिलेला नाही.
कोड रिव्ह्यूमध्ये एआय कोड शोधण्याचा प्रयत्न करणे योग्य आहे का?
लेखकत्वापेक्षा गुणवत्तेसाठी पुनरावलोकन करणे सहसा अधिक उत्पादक असते. मानव स्वच्छ, जास्त टिप्पणी केलेले कोड देखील लिहू शकतात आणि मार्गदर्शन केल्यावर एआय उत्कृष्ट मसुदे तयार करू शकते. गुप्तहेर खेळण्याऐवजी, डिझाइन तर्क आणि उत्पादनातील संभाव्य अपयशाच्या मुद्द्यांवर दाबा. नंतर चाचण्या, आर्किटेक्चर अलाइनमेंट आणि त्रुटी शिस्तीसह प्रमाणित करा. प्रेशर-टेस्टिंग व्हायब-टेस्टिंगला मागे टाकते.
कोड अधिक विश्वासार्ह होण्यासाठी तुम्ही एआय कसे प्रॉम्प्ट कराल?
तुमच्या रेपोमध्ये अपेक्षित इनपुट/आउटपुट, डेटा आकार, कामगिरीच्या गरजा, त्रुटी धोरण, नामकरण पद्धती आणि विद्यमान नमुने: अडचणींना सुरुवात करून सुरुवात करा. फक्त उपायांसाठीच नाही तर ट्रेड-ऑफसाठी विचारा - "हे कुठे खंडित होईल?" आणि "तुम्ही काय टाळाल आणि का?" शेवटी, फोर्स सबट्रॅक्शन: काहीही विस्तृत करण्यापूर्वी अनावश्यक अॅब्स्ट्रॅक्शन काढून टाकण्यास आणि सर्वात लहान योग्य आवृत्ती तयार करण्यास सांगा.
संदर्भ
-
स्टॅक ओव्हरफ्लो - स्टॅक ओव्हरफ्लो डेव्हलपर सर्व्हे २०२५ - survey.stackoverflow.co
-
GitHub - GitHub ऑक्टोवर्स (ऑक्टोबर 28, 2025) - github.blog
-
गुगल - गुगल अभियांत्रिकी पद्धती: कोड पुनरावलोकनाचे मानक - google.github.io
-
Abseil - Google वर सॉफ्टवेअर अभियांत्रिकी: युनिट चाचणी - abseil.io
-
अब्सेइल - गुगलवर सॉफ्टवेअर अभियांत्रिकी: कोड पुनरावलोकन - abseil.io
-
Abseil - Google वर सॉफ्टवेअर अभियांत्रिकी: मोठी चाचणी - abseil.io
-
मार्टिन फाउलर - मार्टिन फाउलर: वैशिष्ट्य टॉगल - martinfowler.com
-
मार्टिन फाउलर - व्यावहारिक चाचणी पिरॅमिड - martinfowler.com
-
OWASP - OWASP थ्रेट मॉडेलिंग चीट शीट - cheatsheetseries.owasp.org
-
OWASP - OWASP लॉगिंग चीट शीट - cheatsheetseries.owasp.org
-
OWASP - OWASP टॉप १० २०२५: सुरक्षा लॉगिंग आणि अलर्टिंग अपयश - owasp.org
-
ईएसलिंट - ईएसलिंट डॉक्स - eslint.org
-
गिटहब डॉक्स - गिटहब कोडक्यूएल कोड स्कॅनिंग - docs.github.com
-
टाइपस्क्रिप्ट - टाइपस्क्रिप्ट: स्टॅटिक टाइप चेकिंग - www.typescriptlang.org
-
mypy - mypy दस्तऐवजीकरण - mypy.readthedocs.io
-
पायथॉन - पायथॉन डॉक्स: पायथॉन प्रोफाइलर्स - docs.python.org
-
पायटेस्ट - पायटेस्ट फिक्स्चर डॉक्स - docs.pytest.org
-
पायलिंट - पायलिंट डॉक्स: बेअर-एक्सेप्ट - pylint.pycqa.org
-
अमेझॉन वेब सर्व्हिसेस - AWS प्रिस्क्रिप्टिव्ह मार्गदर्शन: बॅकऑफसह पुन्हा प्रयत्न करा - docs.aws.amazon.com
-
अमेझॉन वेब सर्व्हिसेस - एडब्ल्यूएस बिल्डर्स लायब्ररी: जिटरसह टाइमआउट्स, रिट्राईज आणि बॅकऑफ - aws.amazon.com