Nowe narzędzia AI dla koderów

Idea inteligentnego robota, który wspomaga kodera w codziennej pracy była dotąd marzeniem futurystów i zagadnieniem rozważanym jako science-fiction. Dziś można powiedzieć, że jest to rzeczywistość, która nadeszła nagle i niespodziewanie, i która rewolucjonizuje całą branżę, nieodwracalnie zmieniając sposób w jaki pracujemy.

Programiści mają dziś dostęp do zaawansowanych narzędzi AI, które potrafią nie tylko generować kod, ale także go analizować, optymalizować, testować i zapewniać bezpieczeństwo projektów, a to wszystko przy bardzo dużej wydajności i za niewielką cenę.

W artykule tym przyjrzymy się nowemu typowi narzędzi dla koderów i programistów, jakim są asystenci AI, czyli wirtualni pomocnicy, którzy całościowo wspomagają codzienną pracę przy pisaniu kodu.

Co oferuje i do czego może się przydać asystent AI

Asystenci AI to zaawansowane narzędzia, które integrują modele językowe AI z edytorami kodu, a więc dostarczają zestaw funkcjonalności umożliwiających  usprawnienie i przyspieszenie procesu tworzenia oprogramowania, oferując programistom niespotykane dotąd, interakcyjne środowisko pracy. Najbardziej popularne z nich są trenowane na bardzo dużych bazach kodu, dzięki czemu potrafią rozpoznawać, sugerować i generować rozwiązania dla praktycznie dowolnego zakresu problemów programistycznych. Działają one na zasadzie “pair programming”, gdzie AI pełni rolę wirtualnego partnera, wspomagając kodera w czasie rzeczywistym.

Można powiedzieć, że powstaje aktualnie “standard” dla tego typu narzędzi i są one już w pełni dojrzałe – większość z nich oferuje ten sam bazowy zestaw funkcjonalności, a wybór konkretnej oferty jest głównie kwestią indywidualnych preferencji, wymagań projektu, w mniejszym stopniu także ceny. Poniżej przedstawiamy  listę funkcjonalności, która jest wspólna i charakterystyczna dla większości z tych narzędzi.

• Wsparcie dla wielu języków programowania.
  Asystenci AI potrafią integrować się do pracy z dowolnym używanym językiem programowania, ale jakość odpowiedzi może różnić się w zależności od bazy kodu, na której trenowany był model. Np. narzędzie Copilot będzie potencjalnie lepiej współpracować z językami JavaScript i Python, ponieważ to one są najpopularniejsze w repozytoriach GitHub, na których trenowany był model. Najnowsze rozwiązania coraz częściej integrują również analizę danych wizualnych (np. diagramów czy zrzutów ekranu), co umożliwia szersze zrozumienie architektury projektu.
• Generowanie fragmentu kodu na podstawie opisu tekstowego.
  Po wpisaniu komentarza lub krótkiego opisu zadania, narzędzie jest w stanie wygenerować fragmenty kodu dopasowane do kontekstu, przyspieszając proces tworzenia funkcjonalności.
• Autouzupełnianie i inteligentne sugestie kodu podczas pisania.
  Narzędzie analizuje bieżący kontekst pracy i podpowiada kolejne wiersze lub całe fragmenty kodu, a także sugeruje optymalizacje i poprawki, co znacząco zwiększa efektywność pracy.
• Refaktoryzacja i analiza jakości kodu.
  Asystent AI może przeprowadzać analizę kodu i zaproponować zmiany, które zwiększą czytelność kodu, np. przez podział złożonych funkcji na mniejsze moduły. Asystent pomoże też wykrywać i naprawiać potencjalne błędy, problemy z wydajnością oraz luki bezpieczeństwa, co przyczynia się do podniesienia jakości finalnego produktu.
• Automatyczne tworzenie testów i dokumentacji.
  Narzędzia te potrafią generować kod testów na podstawie istniejącego kodu, a także potrafią tworzyć przejrzystą dokumentację funkcji i modułów, ułatwiając późniejszą konserwację projektu.
• Podpowiedzi kontekstowe.
  Narzędzia mogą analizować cały projekt, wskazywać powiązane miejsca w kodzie,  odpowiadać na pytania związane z bazą kodu. Może to być pomocne w zrozumieniu struktury projektu lub wyszukiwaniu miejsc, gdzie zaimplementowana jest jakaś funkcjonalność.
• Generowanie tekstowych objaśnień wskazanego fragmentu kodu.
  Asystenci AI mogą generować objaśnienia dla wybranego fragmentu kodu w języku naturalnym, co może być przydatne przy wdrażaniu się do nowego projektu, lub dla początkujących programistów. Przykład: Narzędzie może wyjaśnić wiersz po wierszu co robi zaznaczony blok kodu.
• Okno czatu z możliwością zadania dowolnego pytania.
  W zasadzie wszystkie tego typu narzędzia oferują interaktywne okno czatu, gdzie programiści mogą zadawać pytania dotyczące kodu lub technologii, a AI odpowiada w czasie rzeczywistym. Pytania nie muszą być związane z kodem, dostaniemy także odpowiedzi z teorii, dokumentacji itp. W dużym stopniu może to usunąć konieczność przeszukiwania sieci w odpowiedzi na te pytania – dostajemy je od razu w edytorze kodu.
• Wsparcie dla zarządzania zależnościami i konfiguracjami projektu.
  Narzędzia potrafią automatycznie generować pliki konfiguracyjne (np. package.json czy pliki Dockerfile) oraz pomagać w zarządzaniu bibliotekami, co usprawnia proces konfiguracji środowiska projektowego.
• Integracja z systemami kontroli wersji i narzędziami DevOps.
  Dzięki połączeniu z platformami takimi jak GitHub, asystenci AI mogą automatycznie generować komunikaty commitów, tworzyć pull requesty oraz integrować się z procesami CI/CD, co przyspiesza wdrożenia i zarządzanie projektem.

Korzyści i zagrożenia płynące z wykorzystania w codziennej pracy narzędzi AI

Wykorzystanie narzędzi typu asystent AI do codziennej pracy przynosi szereg istotnych korzyści, znacząco poprawiając różne aspekty procesu tworzenia oprogramowania, ale niesie ze sobą także pewne wyzwania, które warto rozważyć.

Korzyści

• Przyspieszenie pracy.
  Automatyzacja powtarzalnych zadań, takich jak generowanie kodu, testów czy dokumentacji, pozwala deweloperom skupić się na bardziej złożonych problemach i kreatywnych aspektach tworzenia oprogramowania.
• Potencjalne zwiększenie jakości kodu.
  Narzędzia AI analizują istniejący kod, sugerują optymalizacje, wykrywają potencjalne błędy i luki bezpieczeństwa, co prowadzi do poprawy jakości oprogramowania.
• Wsparcie w nauce i wdrażaniu.
  Interaktywne interfejsy, takie jak czat, pomagają w szybkim rozwiązywaniu problemów oraz wyjaśniają działanie poszczególnych fragmentów kodu, co jest szczególnie pomocne przy wdrażaniu nowych osób do projektu, lub dla młodszych programistów i osób uczących się.
• Personalizacja sugestii.
  Dzięki mechanizmom uczenia się na podstawie indywidualnego stylu kodowania, narzędzia AI dostarczają coraz bardziej dopasowane do potrzeb użytkownika propozycje, co zwiększa efektywność pracy.

Zagrożenia

• Potencjalne błędy w generowanym kodzie.
  Większość dyskutowanych narzędzi to modele trenowane na konkretnej bazie kodu, stąd wygenerowany kod może zawierać błędy, nie być najbardziej optymalny lub nie uwzględniać specyficznych wymagań projektu. Programiści powinni więc zawsze weryfikować i korygować wygenerowany kod – narzędzia te są istotną pomocą, ale nie zawsze będą w stanie podjąć odpowiednio wszystkich decyzji – nie zastępują człowieka.
• Uzależnienie od automatyzacji.
  Zbyt duże opieranie swojej pracy na wynikach generowanych przez asystenta AI może negatywnie wpłynąć na umiejętności programistyczne i analityczne, lub spowolnić ich rozwój, co jest szczególnie istotne np. dla początkujących deweloperów.
• Problemy związane z prawami autorskimi.
  Generowany kod może rodzić wątpliwości co do własności intelektualnej i licencyjności, co wymaga uważnego monitorowania aktualnych regulacji oraz stosowania odpowiednich praktyk prawnych.
• Zagadnienia związane z prywatnością i bezpieczeństwem.
  Korzystanie z narzędzi które przesyłają kod do zewnętrznych systemów AI może wiązać się z ryzykiem ujawnienia wrażliwych informacji.  Większość narzędzi oferuje w tym zakresie wbudowane zapewnienia o prywatności lub dodatkowe możliwości do wyboru.

Przegląd wybranych asystentów AI dla koderów

GitHub Copilot

https://github.com/features/copilot

GitHub Copilot to  przypuszczalnie najbardziej popularny aktualnie asystent kodowania, opracowany przez GitHub we współpracy z OpenAI. Wykorzystuje model językowy GPT-4, jest trenowany na ogromnej bazie kodu z publicznych repozytoriów GitHub, a także innych zasobów. Jest to narzędzie zaprojektowane aby działać jako wirtualny “pair programmer”, który współpracuje z programistą w czasie rzeczywistym. Copilot integruje się z popularnymi edytorami kodu, w szczególności z Visual Studio Code. Projekt jest intensywnie rozwijany (“Copilot X”) i rozbudowywany o nowe możliwości.

Aktualnie najważniejsze możliwości oferowane przez narzędzie to:

• Wielofunkcyjny moduł do generowania podpowiedzi kodu w edytorze w czasie rzeczywistym.
  Podczas pisania kodu Asystent wyświetla propozycję dokończenia aktualnego wiersza lub całego bloku kodu. Sugestie mogą być generowane także na podstawie wskazanego komentarza opisującego funkcjonalność. Sugestie mogą być akceptowane w całości lub częściowo, a także jest możliwość wygenerowania innych wariantów danej podpowiedzi. Najnowsza funkcjonalność tego narzędzia to “Next Edit Suggestions”, czyli przewidywanie i sugerowanie kolejnych zmian w kodzie na podstawie ostatnich zmian wprowadzanych przez kodera.
• Narzędzie do code review zaznaczonego fragmentu kodu.
  W rezultacie dostajemy zbiór sugerowanych zmian w kodzie w formie komentarzy, które można zaakceptować, zmodyfikować lub odrzucić.
• Narzędzia kontekstowe dla zaznaczonego fragmentu kodu.
  Dostajemy tu możliwość poproszenia m.in. o: wyjaśnienie kodu, poprawienie błędu, wygenerowanie dokumentacji, zaproponowanie refaktoryzacji oraz mini czat na popupie.
• Copilot Chat.
  To interfejs czatu wyświetlany w sidebarze edytora. Mamy tu możliwość zadawania pytań dotyczących m.in.: kodu w edytorze, dokumentacji języka programowania lub narzędzi, także wyjaśnień teoretycznych. Można też poprosić o sugestie lub pomoc w rozwiązaniu problemu. W odpowiedzi dostajemy kod, możliwy do przeniesienia lub zintegrowania do okna z edytorem. Moduł oferuje kilka szczegółowych kontekstów, m.in. “workspace” umożliwiający zadawanie pytań odnoszących się do całej bazy kodu w projekcie, lub np. “terminal” generujący polecenia do wklejenia w konsoli. Narzędzie umożliwia wybór modelu językowego, aktualnie poza GPT od OpenAI jest to jeszcze Gemini oraz Claude.
• Copilot Edits.
  To jedna z nowszych funkcjonalności, która pozwala generować edycje lub nowy kod bezpośrednio w edytorze i w wielu plikach na raz. Narzędzie wymaga podania kontekstu (listy plików z kodem z aktualnego projektu) oraz promptu dotyczącego oczekiwanych zmian. Tryb “Agent” pozwala zaplanować całą funkcjonalność i rozmieścić kod dla niej w nowych plikach w ramach projektu.
• Inne integracje ułatwiające pracę – integracja z terminalem, wsparcie dla obsługi git itd.

Koszt narzędzia: aktualnie oferowane są 3 różne plany z rozliczeniem miesięcznym – indywidualny za 10$, dla firm za 19$ oraz enterpise z rozbudowanym zestawem możliwości za 39$.

Cursor

https://www.cursor.com

Cursor to samodzielne IDE, budowane na bazie Visual Studio Code przez firmę Anysphere. Edytor, poza wszystkimi funkcjonalnościami VSCode, oferuje natywnie wbudowanego, zintegrowanego asystenta AI, używającego dodatkowo wyspecjalizowanych modeli (purpose-built models).

Asystent oferuje “standardowy” zestaw funkcjonalności, które jednak wyróżniają się kilkoma dodatkowymi możliwościami:

• Podpowiedzi dopasowane do stylu. Narzędzie uczy się naszego stylu pisania kodu i dopasowuje podpowiedzi do niego.
• Moduł do generowania podpowiedzi kodu w edytorze poza standardowymi funkcjami oferuje możliwość generowania zmian wokół kursora, przewidywania kolejnego położenia kursora (nawigacja tab) oraz generowania sugestii sekwencyjnie w kolejnych miejscach kodu. Asystent analizuje aktualny kontekst i poprzednio edytowany kod i na tej podstawie przewiduje i proponuje kolejne miejsca do podobnych zmian (nawigacja tab). Ciekawą opcją jest też możliwość pisania “niedbale”, asystent poprawi za nas literówki, rozwinie skróty do pełnych wierszy kodu itp.
• Moduł czatu posiada standardowe możliwości: wybór modelu (GPT-4+, Gemini, Claude) i wybór kontekstu (aktualny plik, fragment kodu, cały projekt itp), ale wyróżnia go dodatkowa możliwość przeszukiwania sieci lub dołączenia do kontekstu dokumentacji api / biblioteki z podanego adresu url w sieci, a także możliwość dołączenia grafiki jako kontekstu wizualnego do zapytań.
• Moduł Composera. To odpowiednik “Copilot Edits” z GitHub Copilot, narzędzie pozwala generować kod bezpośrednio w edytorze na podstawie kontekstu (wskazane pliki) i promptu tekstowego. Wyniki są implementowane w formie widoku diff z możliwością akceptacji lub odrzucenia, a kolejne iteracje traktowane są jako “checkpoints” z możliwością wycofania.
• Moduł Agent. Jest to bardziej zaawansowany tryb Composera, który działa wolniej, ale dokładniej niż Composer, ma też dostęp do konsoli i narzędzi edytora, więc nadaje się do bardziej złożonych zadań.
• Tryb prywatności. Po włączeniu dostajemy zapewnienie, że kod ani żadne informacje nie będą wysyłane na zdalne serwery (certyfikat SOC 2)

Koszt: edytor oferowany jest aktualnie w trzech planach, które różnią się głównie ilością możliwych do wykonania zapytań danego typu do danego modelu: Hobby (darmowy), Pro (20$/miesiąc), Business (40$/miesiąc).

Tabnine

https://www.tabnine.com

Tabnine jest asystentem AI integrującym się z wybranym edytorem kodu (podobnie jak Copilot) i oferuje zasadniczo zbliżony zestaw rozwiązań UI i funkcjonalności jak inne tego typu narzędzia: autouzupełnianie kodu w edytorze oraz okno czatu do interakcji z kodem i zadawania pytań.

Aktualnie wyróżnikiem tego narzędzia jest priorytetowe traktowanie kwestii bezpieczeństwa i prywatności:

• Możliwość wyboru modelu używanego do pracy z szerokiej listy; lista oferuje poza modelami GPT także Codestral, Mistral, Claude Sonnet oraz własny i zalecany model Tabnine Protected; przy każdym modelu mamy krótki opis oraz informacje na temat prywatności, zabezpieczeń i wydajności modelu.
• Zapewnienie że modele Tabnine trenowane są wyłącznie na kodzie z licencjami pozwalającymi na jego dowolne używanie – daje to pewność, że użycie generowanego przez narzędzia kodu nie łamie praw autorskich i nie naraża nas na ewentualne problemy prawne. W planie Enterprise asystent oferuje też sprawdzenie pod kątem pochodzenia i własności kodu – jeżeli proponowany kod znajduje się w publicznych repozytoriach GitHub, dostajemy informacje o jego pochodzeniu i licencji.
• Zapewnienie o zwiększonej prywatności przy używaniu modeli Tabnine: nasz kod nie jest przechowywany na zdalnym serwerze ani udostępniany bez zgody. Modele nie są trenowane na naszym kodzie.
• Z planem Enterprise mamy możliwość lokalnej instalacji narzędzia w  prywatnym i izolowanym środowisku.

Warto jeszcze wspomnieć o kilku innych cechach wyróżniających tego asystenta:

• Zapewnienie, że narzędzie uczy się naszego stylu oraz wzorców i dopasowuje do tego generowane propozycje kodu.
• Kontekst “onboarding” w oknie czatu, który generuje wprowadzenie do zawartości aktualnego workspace: opis, listę najważniejszych plików z krótkim opisem, wskazania na temat używanych narzędzi.
• W planie Enterprise możliwość zintegrowania z całą bazą kodu firmy (np. przez konto github, gitlab) i dopasowanie odpowiedzi do uzyskanej stamtąd wiedzy.
• Integracja z narzędziem Atlassian Jira.

Koszt: narzędzie jest oferowane w trzech wersjach: darmowej (bardzo ograniczonej), Pro za 15$ miesięcznie (90-dniowy okres za darmo) oraz Enterprise za 39$.

Amazon Q Developer

https://aws.amazon.com/q/developer

Dawniej Amazon Whisperer, to narzędzie zintegrowane jako część ekosystemu AWS, co ułatwia programistom tworzenie aplikacji w chmurze. Narzędzie zbudowane jest na platformie Amazon Bedrock, czyli usłudze w ramach AWS, która zapewnia dostęp do zaawansowanych modeli językowych i generatywnych modeli AI (np. Amazon Titan do generowania obrazów) od różnych dostawców.

Asystent integruje się z IDE, ale jest też dostępny np. w konsolach AWS i oferuje podobne funkcjonalności jak wymienione wcześniej narzędzia: autouzupełnianie kodu, czat, praca kontekstowa z kodem. W szczególności narzędzie może automatycznie sugerować kod, który wykorzystuje różne usługi AWS, takie jak S3 czy Lambda.

Na uwagę zasługuje kontekst “dev”, który pozwala wykonać np. nową funkcjonalność w projekcie: dla danego promptu z opisem narzędzie tworzy plan, który po zaakceptowaniu zmieniany jest na kod oraz dzielony na pliki. Asystent potrafi też w tym kontekście np. automatycznie migrować kod na nowszą wersję języka (aktualne dostępne dla języka Java).

Koszt: aktualnie narzędzie oferowane jest w wersji Free (limity ilościowe i funkcjonalne) oraz w wersji Pro za 19$ miesięcznie.

Podsumowanie

Widzimy aktualnie proces tworzenia się standardu nowego typu narzędzi AI dla koderów i programistów. Większość z wirtualnych asystentów oferuje zbliżoną bazę funkcjonalności, czyli czat, sugestie kodu generowane na bieżąco w edytorze oraz konteksty do pracy z kodem: refactoring, testy, wyjaśnianie i dokumentowanie kodu, przeszukiwanie bazy kodu pod kątem problemu postawionego przez prompt.

Narzędzia te rozwijają się bardzo szybko, uzupełniają i wymieniają funkcjonalnościami w ramach konkurencji na rynku. Trudno powiedzieć które z nich jest “najlepsze” – wyboru pod tym kątem każdy powinien dokonać sam biorąc pod uwagę preferowany interfejs, być może jakieś szczegółowe funkcjonalności, które w danym momencie wyróżniają narzędzie korzystnie pod kątem naszej codziennej pracy. Koszty dostępu również są zbliżone i oscylują między 10 a 20 dolarów miesięcznie.

Dyskutując całkowicie nowy typ narzędzi dla koderów warto na koniec zwrócić uwagę, że ich pojawienie się na rynku to rodzaj rewolucji, która fundamentalnie przedefiniuje i przekształci całą branżę, a w zasadzie już to się dzieje. Narzędzia AI już dziś potrafią wyraźnie przyspieszyć, usprawnić i uprzyjemnić nam pracę, zwłaszcza w prostszych projektach sieciowych, typu np. strony internetowe budowane na WordPress.