Bob Martin publikuje zasady kodowania dla agentów AI
Bob Martin publikuje zasady kodowania dla agentów AI
Skill ub-mode Roberta Martina wyznacza ograniczenia dla agentów AI piszących kod: minimalne zmiany, prawdziwe testy i usuwanie przyczyn błędów.
Bob Martin, autor książki „Czysty kod”, opublikował zbiór zasad, które stosują jego własne agenty AI podczas pisania kodu.
Najważniejsze punkty:
- Sprawdzanie, które tylko ukrywa awarię, nie usuwając jej przyczyny, nie może być uznane za poprawkę.
- Jeśli test nadal przechodzi, mimo że wszystkie funkcje nic nie zwracają, taki test należy odrzucić.
- Zmiany w kodzie powinny być minimalne, ale wystarczające do rozwiązania postawionego zadania.
- Zanim zmienisz kod, napisz test, który ujawnia istniejący błąd.
Instalacja tego skillu pozwala zapobiegać ukrywaniu błędów przez agentów AI i unikać sytuacji, w których pomyślnie zaliczone testy tworzą fałszywe wrażenie działającego kodu.
Prompt instalacyjny:
Zainstaluj skill ub-mode z repozytorium GitHub unclebob/ub-mode w moim folderze skills i użyj polecenia /ub-mode przy następnej zmianie kodu. Jeśli crapper, dryer lub mutator nie są zainstalowane, pomiń odpowiednie kroki.
Repozytorium: unclebob/ub-mode
Dlaczego to ważne
AnalizaZasady pomagają agentom AI unikać fałszywie zielonych testów i ukrywania błędów w kodzie.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
Bob Martin publikuje zasady dla agentów AI piszących kod
Bob Martin, autor książki Clean Code, opublikował repozytorium GitHub ub-mode ze zbiorem zasad dla agentów AI, którzy tworzą i modyfikują kod.
Projekt open source z 74 umiejętnościami do tworzenia gier
Repozytorium open source na GitHub zawiera 74 umiejętności dla Unity, Godot, Unreal Engine i innych silników, z automatycznym doborem i obsługą Claude Code oraz Codex.
Claude Code Projects: jak jeden AI koordynuje zespół autonomicznych agentów
Głęboka analiza Claude Code Projects: architektura Coordinator i Threads, równoległe gałęzie, wspólna pamięć MEMORY.md oraz zarządzanie agentami w chmurze.
Jev i System One AI: Kompletny praktyczny przewodnik po modelu decyzyjnym od TypeSafe
Głęboka analiza inżynieryjna flagowego modelu Jev: architektura System One w kontraście do LLM, prymitywy Choice/Score/Noul, równoległość zapytań, matematyka pewności, przypadki użycia wideo, kod oraz przegląd lokalnych alternatyw open-weight (Laya, GLiNER2.5, CLM-8B).
Agenci AI (agenci autonomiczni)
Systemy programowe oparte na modelach językowych (LLM), zdolne do samodzielnego postrzegania stanu środowiska, dekompozycji złożonych celów, wywoływania zewnętrznych narzędzi oraz iteracyjnego korygowania własnych błędów.
Zapachy kodu generowanego przez AI
Typowe antywzorce i wskaźniki syntetycznego kodu (\"zapachy kodu\" od AI). Nadmiarowe, oczywiste komentarze, duplikowanie narzędzi pomocniczych w każdym pliku, fikcyjne mocki oraz bezsensowne bloki try-catch, które ujawniają niezweryfikowaną generację.