AI Slop (ШІ-шлак та засмічення кодової бази)(ШІ-шлак: Засмічення кодових баз)

1. Огляд концепції та системна проблема

Зі зниженням вартості генерації токенів індустрія розробки зіткнулася з новою формою інфляції: вартість створення рядка коду впала майже до нуля, тоді як вартість його розуміння, рев'ю, підтримки та налагодження залишилася незмінною або навіть зросла.

AI Slop (Штучний шлак) — це код, який синтаксично коректний і навіть проходить примітивні тести, але є концептуально шкідливим для здоров'я проекту. Він характеризується:

• Невиправданим роздуванням розміру файлів (Code Bloat).
• Прихованим дублюванням існуючої функціональності.
• Замаскованими крайніми випадками (Edge Cases), які модель "загладила" небезпечними fallback-значеннями замість виклику коректних винятків.
• Втратою єдиного інженерного стилю проекту.

Якщо в репозиторій потрапляє 30% AI Slop, кодова база стає непідтримуваною протягом 6–12 місяців: нові фічі ламають старі непередбачуваним чином, час онбордингу нових розробників зростає втричі, а швидкість розробки падає до нуля.

Процес засмічення репозиторію (The Slop Accumulation Cycle):
[Задача] ---> [Промпт без контексту] ---> [LLM генерує 200 рядків бойлерплейту]
                                                       |
                                                       v
[Згенеровано дублікат функції formatCurrency] <--- [Сліпий клік "Accept"]
                                                       |
                                                       v
[Роздування бандла + Нові приховані баги] <--- [Мердж у main без глибокого рев'ю]

2. Архітектурна таксономія та ментальна модель

Різновиди шлаку, що виникають у процесі бездумної кодогенерації:

1. Slop повторного винаходу (Reinvention Slop):
   • Модель не бачить наявного хелпера cn() (clsx/tailwind-merge) або formatDate() і генерує свій локальний аналог прямо всередині компонента.
   • Результат: 20 різних реалізацій однієї операції з різною поведінкою при null або undefined.
2. Slop захисного програмування (Defensive Bloat):
   • Нескінченні перевірки if (user && user.profile && user.profile.settings) у середовищах із сучасним опціональним ланцюжком (Optional Chaining user?.profile?.settings) або строгою типізацією TypeScript, яка вже гарантує наявність поля.
3. Slop приховування помилок (Silent Failure Slop):
   • Огортання будь-якої потенційної проблеми в try { ... } catch (e) { return null; }.
   • Результат: система не падає, але тихо втрачає дані або генерує спотворені звіти, перетворюючи налагодження в продакшені на кошмар.
4. Slop коментарів (Comment Hallucination):
   • Десятки рядків очевидних коментарів, які модель додає для обсягу, створюючи візуальний шум і заважаючи бачити сутність алгоритму.

3. Технічний пайплайн та внутрішня механіка

Порівняння: Здоровий код проти AI Slop

Приклад AI Slop (Роздутий, небезпечний, багатослівний):

// Function to calculate user discount based on type
export function calculateDiscount(user: any): number {
  // Check if user is not null and not undefined
  if (user !== null && user !== undefined) {
    // Check if user role exists
    if (user.role) {
      if (user.role === 'VIP') {
        return 0.20; // 20 percent discount
      } else if (user.role === 'PREMIUM') {
        return 0.15; // 15 percent discount
      } else {
        return 0.05; // standard discount
      }
    } else {
      return 0;
    }
  } else {
    // Return zero if user does not exist
    return 0;
  }
}

Ідіоматичний продуктовий код (Чистий, строго типізований):

export type UserRole = "VIP" | "PREMIUM" | "STANDARD";

const ROLE_DISCOUNTS: Record<UserRole, number> = {
  VIP: 0.20,
  PREMIUM: 0.15,
  STANDARD: 0.05,
} as const;

export function getDiscount(role?: UserRole): number {
  return role ? ROLE_DISCOUNTS[role] ?? 0 : 0;
}

Автоматичний фільтр відхилення дублікатів у CI/CD

Впровадження перевірки кодової бази на копіпаст за допомогою jscpd:

// .jscpd.json
{
  "threshold": 1.5,
  "reporters": ["console", "json"],
  "ignore": ["**/node_modules/**", "**/dist/**", "**/*.d.ts"],
  "absolute": true,
  "minTokens": 35,
  "minLines": 5
}

Якщо комміт згенерованого коду піднімає відсоток дублювання вище 1.5%, пайплайн автоматично блокує PR.

4. Практичні інженерні сценарії в продакшені

01. Розвантаження клієнтського бандла після вичищення шлаку

Команда помітила, що розмір JavaScript-бандла Next.js зріс із 180 КБ до 950 КБ за 3 місяці активного використання агентів. Аудит виявив, що агенти встановили 4 різні бібліотеки для роботи з датами (date-fns, dayjs, moment, luxon) та 3 різні іконкові паки. Після видалення дублікатів та уніфікації через базовий імпорт бандл скоротився на 70%.

02. Запобігання витоку пам'яті через спагеті-слухачі подій

Агент згенерував компонент із підпискою на WebSocket, але всередині useEffect забув про функцію очищення (return () => socket.off(...)). Замість цього модель додала перевірку прапорця isMounted. При перемиканні маршрутів старі слухачі продовжували висіти в пам'яті, що призвело до падіння вкладки браузера через переповнення heap через 20 хвилин сесії.

03. Очищення бази даних від галюцинованих колонок

Розробник сліпо застосував міграцію Prisma, запропоновану моделлю. Модель додала в таблицю 8 надлишкових полів "на майбутнє" з некоректними типами (varchar замість jsonb). Архітектор виявив це на етапі code review, видалив міграцію до її деплою на staging і повернув модель до мінімалістичної схеми.

5. Підводні камені, типові помилки та безпека

1. Ілюзія повноти за рахунок коментарів: Наявність гарних JSDoc-коментарів перед функцією створює оманливе враження високої якості, тоді як всередині знаходиться повільний алгоритм або небезпечна інтерполяція рядків у SQL. Оцінюйте лише логіку та асимптотику, а не зовнішній вигляд.
2. Галюцинація залежностей (Package Slop / Slop Typosquatting): Модель може згенерувати імпорт неіснуючого NPM-пакету (наприклад, import { superValidator } from 'fast-super-validator'). Зловмисники навмисно реєструють такі поширені галюцинації в npmjs.com і розміщують там шкідливий код, який виконується під час npm install на вашому сервері.
3. Втрата архітектурних інваріантів системи: Якщо проект будувався за принципами Clean Architecture або FSD (Feature-Sliced Design), некерований агент швидко розмиє межі шарів, викликаючи методи бази даних прямо з UI-компонентів. Вимагайте від агентів суворого дотримання проектних правил через .cursorrules або AGENTS.md.