AI を実際につくっている人たちが今日話したこと。1 ページ、約 3 分。
AIを使ったコーディングの進化に、それを管理するための習慣や仕組みが追いついていません。今日の注目すべき話題は、コードベースをagentが扱える状態にすること、成果物をレビューすること、そして何を作るべきかを明確にすることに集中していました。
StanfordのAIコーディング講座、学生が実際のオープンソースプロジェクトに参加
Mihail Ericは簡単なコーディング課題をやめ、大規模なオープンソースプロジェクトへの貢献を授業に取り入れました。メンテナーが学生の作業をレビューし、複雑なソフトウェアがどう設計されているかを教えます。改訂後の講座では、コードベースをagent向けに整える方法、コードレビュー、セキュリティ、バックグラウンドで動くagentも扱います。Monacoでのツール選びについて、彼は「学ぶためなら買い、使い続けるためなら作る」を原則にしています。
Nan Yu：まずは動く範囲でいちばん単純な設計から始める
Nan Yuによれば、シンプルなソフトウェアは反復を重ねた先にたどり着くものです。出発点には、仕事をこなせる範囲でいちばん単純なアーキテクチャと設計を選ぶべきだといいます。凝った設計は、ユーザーが理解するための負担を増やします。AIのおかげで、目標が明確なら作ることは容易になりました。一方、目標が曖昧なままだと、チームが役に立たないものを大量に作れてしまい、かえって高くつく可能性があります。
Tan、particle-1で再現したエンジニアリングの結果がさらに改善したと報告
Garry Tanは、自身のgstack-evalsプロジェクトでJev Engineeringの記事の結果を再現し、particle-1ではさらに良い結果が出たと述べています。ただし、投稿には数値や検証方法は示されていません。また、ソフトウェアを簡単に変更できるようになれば、放置されたバグはますます受け入れがたくなり、必要なときに作る個人向けソフトウェアへとつながると主張しています。
元データは zarazhangrui によるオープンソースプロジェクト follow-builders（MIT ライセンス）から取得しています。要約はそのプロジェクトの公開フィードをもとに LLM が生成し、要約プロンプトも同プロジェクトを改変したものです。上記の各項目は原文にリンクしています。
要約は自動生成です。判断の根拠にする前に原文をご確認ください。
