El sistema de codificación habilitado para IA está aquí y, en lugar de asumir el papel de desarrolladores, ayuda a facilitarles la vida y reducir la fatiga.
GitHub Copilot se lanzó por primera vez como una versión preliminar de tecnología El verano pasado, Un ejemplo popular de codificación aumentada por IA. Incluso hay mentes profundas código alfa Y cubierta diffluEsta es una solución de prueba unitaria para código Java.
Recientemente Tiempos SD en vivo! En el evento, Matthew Lodge, director ejecutivo de Difflu, explicó que existen tipos clave de codificación aumentada por IA:
- La finalización automática del código es lo que hace GitHub Copilot
- Sistemas de codificación diseñados para ganar concursos de codificación, aquí es donde entra en juego el código alfa
- Pruebas de prueba de unidad de escritura que se incluyen en Diffblue con soluciones como EvoSuite y CircleCI’s Phoenix.
Según Lodge, la IA es eficaz para aumentar la escritura de pruebas unitarias porque, al escribir programas de prueba, la cantidad de pruebas posibles es exponencial. El uso de IA es una forma de realizar una búsqueda inteligente en ese espacio.
«Estamos buscando un conjunto de todos los programas de prueba posibles, y queremos un conjunto de programas que sean válidos y estén en ejecución, creando más cobertura y más fáciles de leer para los desarrolladores», dijo Lodge.
Lodge explicó que Diffblue utiliza la búsqueda de probabilidad para buscar posibles soluciones dentro del área de prueba.
«No tiene la garantía de obtener la mejor solución, no es el objetivo, porque la única forma de obtener la mejor solución es analizar todas las posibilidades. Pero lo más probable es que obtenga una buena solución con un enfoque como este». «, explicó Lodge.
Luego, si una prueba falla, un desarrollador o un experto en control de calidad debe entrar y averiguar por qué.
La cubierta de Diffblue escribe pruebas de unidades de retraso para el código Java, lo que significa que se pueden escribir pruebas para toda la aplicación para obtener los conceptos básicos de las pruebas.
Según Lodge, una de las ventajas de las pruebas de regresión es que puede ejecutarlas con código nuevo o cambios en el código existente.
«Podemos reducir drásticamente el tiempo que lleva ejecutar un CI», dijo Lodge. «Entonces obtendrá algunas fallas en las pruebas y las fallas en las pruebas pueden deberse a que rompió algo que no le gustó o fue intencional. Después de eso, puede actualizar la base de Diffblue con nuevas pruebas».
Otro beneficio clave es la retención de desarrolladores. Cuando las empresas luchan con la realidad de las renuncias importantes, es importante tener en cuenta que retener sus mejores habilidades de desarrollador y una forma de mantener a esos desarrolladores a bordo es asegurarse de que estén satisfechos con el trabajo que están haciendo, es decir, eliminarlo. Estos son solo algunos de los shareware de establecimiento de objetivos que puede usar con IA.
Para obtener más información, consulte el seminario web, «Copilot to Cover: la codificación asistida por IA no es la sobrecarga de su robot: está aquí para ayudarlo”Ahora disponible bajo demanda.
