Az előadó elmeséli, hogyan vesztegetett el több mint 100 órát mesterséges intelligencia által generált kód hibakeresésére. Felveti a kérdést: vajon hogyan lehetne jelentősen lerövidíteni ezt a folyamatot ahelyett, hogy folyton csak a rossz kódot javítanánk?
Rámutat egy fontos szemléletváltásra: ahelyett, hogy azonnal kijavítjuk az AI által írt hibákat, érdemes inkább visszagondolni, mi lehetett az oka annak, hogy a mesterséges intelligencia hibás kódot írt. Ez a hozzáállás új szintre emelheti a fejlesztési folyamatokat, különösen összetettebb projekteknél, ahol az előző hibákból levont tanulságok beépítése idővel felgyorsítja a munkát.
A részletek során szó esik arról, miként építhető fel a projektben az úgynevezett tartós kontextus, és hogyan használható ki az iteratív munka előnye. Megismerkedhetünk azzal is, hogy a szabályokat nem érdemes előre, nagy mennyiségben definiálni, helyette fokozatosan, valós problémák alapján célszerű kialakítani őket.
Konkrét példák szemléltetik, milyen gyakori gondok merülnek fel különféle SDK-kkal és modellekkel, például a Gemini verziókezelésével, vagy éppen adatbázisok kezelésekor. Felveti, hogy mennyire kulcsfontosságú a folyamat során keletkező tanulságokat szabályokká alakítani, és ezeket a jövőbeni AI-munkafolyamatokhoz elérhetővé tenni.
A videó végig arra ösztönöz, hogy ne csak a hibák tüneteit kezeljük, hanem azok mélyebb okait is feltárjuk, és ezekből előremutató tanulságokat építsünk be a fejlesztési folyamatba.
