코드 개발에서 AI '슬롭' 완화

Andrej Karpathy는 AI 에이전트가 코드 추상화를 자주 부풀리고 코드 미학이 떨어지며, 코드 블록을 광범위하게 복사 붙여넣는 경향이 있어 비체계적이고 비효율적인 솔루션을 초래한다고 관찰합니다.

Karpathy는 또한 모델이 사용자 대신 잘못된 가정을 하고 유효성 검사 없이 진행하여 불필요한 코드를 만들고, 예를 들어 100줄이면 충분할 곳에 1,000줄을 생성하는 등 과도한 줄을 생성한다고 지적합니다.

오류 코드는 쉽게 식별하고 수정할 수 있지만, 슬롭은 컴파일은 되지만 불필요하게 복잡한 저품질 AI 생성 기사, 이미지 및 코드를 말합니다.

컴파일되지 않거나 테스트를 통과하지 못하는 코드와 달리 슬롭 코드는 성공적으로 실행되고 기본적인 요구 사항을 충족하지만 불필요하게 복잡하고 검토하기에 정신적으로 지치며 시간이 지남에 따라 유지보수가 어렵습니다.

이러한 스타일에는 원시 답변을 위한 '스파르탄'과 간결한 요약을 위한 '주의-친절'이 포함되며, '주의-친절'은 400단어 이상의 응답을 94단어로 줄여 코드 생성 전 계획 단계에서 잠재적인 문제를 효과적으로 파악하는 예시를 보여줍니다.

주요 규칙에는 모호한 요청에 대해 침묵하며 가정을 하는 대신 옵션을 제시하도록 조언하는 '코딩 전에 생각하기', 기존 코드 스타일과 일치하면서 필요한 줄만 변경할 것을 옹호하는 '단순성 우선', 엄격한 지침 대신 성공 기준을 제공할 것을 제안하는 '목표 기반 실행'이 포함됩니다.

특정 버그를 재현하는 테스트를 작성하는 것은 AI 모델이 작업 완료를 성공적으로 확인할 수 있는 명확하고 검증 가능한 검사를 제공합니다.

마크다운 파일이 지침을 제공할 수 있지만, 컨텍스트가 커지면서 종종 무시되어 엄격한 준수를 강제하는 데 신뢰할 수 없으므로 AI 작업을 효과적으로 안내하기 위한 실행 가능한 테스트의 필요성이 강조됩니다.

JavaScript 및 TypeScript용 비 AI 도구인 Oxlint는 규칙 위반 코드를 플래그 지정하여 에이전트가 프로젝트가 미리 정의된 표준을 충족할 때까지 린팅 오류를 해결하도록 강제합니다.

Oxlint 내의 '안티 슬롭' 규칙 세트는 일반적으로 낮은 코드 품질로 이어지는 AI 생성 패턴을 특별히 대상으로 하고 방지하여 에이전트가 실패한 린트 명령을 무시할 수 없으며 코드가 유효성 검사를 통과할 때까지 오류를 반복적으로 수정해야 합니다.

AI가 선호하는 일반적인 패턴인 조건부 객체 스프레드는 코드베이스의 명확성과 검토 가능성을 향상시키기 위해 첫 번째 안티 슬롭 규칙에 의해 금지됩니다.

또 다른 규칙은 'save' 함수에서 지정되지 않은 'object'와 같은 모호한 매개변수 사용을 방지하고 대신 코드 가독성을 향상시키고 모호성을 제거하기 위해 특정 명명 규칙을 요구하여 주관적인 코딩 선호도를 객관적이고 검증 가능한 요구 사항으로 전환합니다.

코드 생성 과정에서 AI가 내리는 모든 결정은 인간 개발자의 해당 검토를 필요로 하므로, AI의 의사 결정 범위를 줄이는 것이 검토 부담을 직접적으로 줄인다는 점이 강조됩니다.

Kotlin과 같은 표준 라이브러리 함수를 활용함으로써 개발자는 AI 생성 로직을 검증된 컴파일러 수준 코드로 대체할 수 있으며, 이는 모든 세션과 코드베이스에서 항상 동일한 출력을 생성합니다.

예를 들어, Kotlin의 데이터 클래스는 컴파일러 생성 동등성 및 복사 함수를 제공하여 종종 불일치를 초래하는 AI 작성 도우미의 필요성을 없애며, 내부 일관성이 부족할 수 있는 AI 에이전트와 달리 컴파일러는 항상 자체 일치를 유지한다는 점을 강조합니다.

이 프로젝트 기반 강좌는 모든 수준의 학습자를 위해 설계되었으며, Kotlin 개발자로부터 직접 Kotlin을 마스터할 기회를 제공하며, 프로모션은 10월 9일에 종료됩니다.

Google이 Android 개발을 위해 선호하는 Kotlin은 Spring 및 Ktor와 같은 프레임워크를 이용한 웹 및 백엔드 개발에 적용될 뿐만 아니라 Kotlin Multiplatform을 통해 Android와 iOS 간의 코드 공유를 가능하게 함으로써 상당한 이점을 제공합니다.

Kotlin을 사용하는 팀은 Java에 비해 코드를 최대 40% 적게 사용하고 개발 주기를 30%에서 50% 더 빠르게 달성한다고 보고하며, Google, Amazon, Meta, Uber와 같은 주요 회사들이 대규모로 이를 채택하고 있습니다.

AI 코딩 워크플로에서 엄격한 검증을 시행하기 위한 중요한 규칙은 에이전트의 어휘에서 '완료'와 유사한 추측성 언어를 금지하는 것입니다.

'완료'라는 단어의 사용은 AI가 코드를 확인하기보다는 추측하는 경향을 반영하여 '작동해야 함' 또는 '아마 통과함'과 같은 미확인 진술로 이어지며, 따라서 구체적인 증거 없이 완료 주장을 방지합니다.

이 규칙은 또한 에이전트가 새로운 메모리 상태에서 테스트를 실행하고, 전체 출력과 종료 코드를 철저히 읽으며, 증거가 주장을 뒷받침하지 않는 경우, 근거 없는 주장을 하는 대신 실제 상태를 보고하도록 규정합니다.

AI를 통해 코드 생성이 사실상 무료화되었지만, 관련 비용이 사라진 것이 아니라 코드를 작성하는 사람에서 코드를 검토하는 사람으로 전환되었습니다.

이 새로운 패러다임에서 개발자의 주요 책임은 AI 생성 코드 중 어떤 부분이 유지하고 관리할 만큼 가치 있는지를 결정하는 데 있으며, 방대한 양의 생성된 출력을 걸러내기 위한 엄격한 품질 관리 프로세스가 필요합니다.