Los mejores consejos de un líder tecnológico de Amazon para la codificación de Vibe con IA | AI,as-told-to,amazon,vibe-coding

Este ensayo, tal como se cuenta, se basa en una conversación con Anni Chen, quien ha trabajado en ingeniería de software en Amazon durante aproximadamente tres años y medio. Ha sido editado para mayor extensión y claridad. Business Insider comprobó su historial laboral.

La IA me ayudó a codificar, pero lo más importante es que me ayudó a convertirlo en productos. Fue la combinación de dominar la IA y traducirla en productos escalables lo que me ayudó a conseguir un ascenso más rápido.

Comencé como ingeniero de software I, un puesto de nivel inicial, en 2022. Estuve en el equipo de recomendaciones trabajando en la entrega de widgets de recomendación.

Hace unos dos años, comencé a trabajar en productos de IA de forma paralela. Esto se hizo enorme y eventualmente condujo a su propio equipo, del cual soy uno de los ingenieros fundadores.

Me ascendieron en el equipo de recomendaciones a Ingeniero de software II y luego me ascendieron al equipo actual a Ingeniero senior.

Me concentro en lo que llamamos memoria, que impulsa la personalización de experiencias de IA generativa en Amazon.

La IA escribe el 95% de mi código

Comencé a usar la IA como un proyecto paralelo para generar títulos atractivos para widgets de recomendación cuando surgieron ChatGPT y Claude. Vi lo poderoso que es para generar algo verdaderamente creativo.

Empecé a pensar: cada vez que tengo una pregunta o quiero codificar algo, simplemente le pido ayuda a la IA antes de intentarlo.

Vi que la solución vino al mejorar mi propio código y eso también me ayudó a codificar más. Ahora, diría que casi el 95% del código que he escrito está escrito por IA.

No sólo uso IA para codificar; También integro resultados de IA en productos. Necesito tener un conocimiento profundo de cómo funciona la IA, qué funciona bien y qué no.

Necesito estar abierto y receptivo a nuevos modelos y herramientas que puedan ayudar con las iteraciones de productos y mejorarlos.

Trabajo como líder técnico en sistemas LLM a gran escala en entornos de producción. Así que tengo un asiento de primera fila para comprender cómo se comportan los flujos de trabajo impulsados ​​por IA, no solo en prototipos, sino a escala del mundo real y en la colaboración entre equipos.

Los mejores consejos para codificar vibraciones

El primer consejo es comprender el funcionamiento interno de los LLM y dónde podrían fallar.

Los LLM están preentrenados: se entrenan en un corpus grande y es un juego probabilístico. A esto le sigue un ajuste fino supervisado, de modo que el modelo responderá basándose en la estructuración de una pregunta y el formato de respuesta. Finalmente, le sigue RLHF: aprendizaje por refuerzo a partir de la retroalimentación humana.

Al comprender estos tres pasos, podrá saber, por ejemplo, cuándo el LLM no entenderá de qué está hablando y cuándo necesitará su conocimiento del dominio. Sabrás cuándo usar una nueva ventana o por qué ocurren las alucinaciones.

Al comprender las limitaciones de la ventana emergente, sabrá cuándo solucionar el problema. Kunjungi lkj6. Aprenderá a seguir la estructura para dividir las cosas en niveles inferiores, luego se concentrará lentamente en cada componente y generará.

Al comprender el funcionamiento interno, también sabrá que necesita explicar las cosas a un compañero. Si no lo explica en detalle, todas estas suposiciones se basarán de forma predeterminada en el modelo más común, pero es posible que ese no se ajuste a su caso de uso.

Mi segundo consejo: piense antes de codificar el estado de ánimo.

Si marca la respuesta primero, sus pensamientos se verán influenciados por la respuesta. Compare sus pensamientos con los del LLM y vea cuáles son las lagunas, lo que no sabe y por qué las respuestas difieren. A partir de ahí, sabrá qué suposiciones implícitas no le dijo al LLM.

En tercer lugar, haga preguntas difíciles. Haga preguntas como ¿cuál es el recurso alternativo en caso de error o cómo evolucionará esto? Es como si un profesor le pidiera a un estudiante o un ingeniero senior le pidiera a un ingeniero junior que se asegurara de que los casos difíciles estén cubiertos. Si desea que el producto crezca, piénselo desde el primer día y hágase conscientemente estas preguntas de escala.

Finalmente, revise y comprenda. Revise siempre en cada paso, no solo después de que se haya generado todo el código. Esto garantiza que los errores se detengan temprano en lugar de que se produzcan en cascada hasta el final, donde hay que rehacer todo.

Crear código incorrecto es muy peligroso. La presencia de código hace que la gente piense: «Está bien, eso está bien, funciona». Pero el código incorrecto que ingresa a producción puede causar más daño que la falta de funcionalidad.

Comprender el código sigue siendo importante

Necesitas entender tu propio código. La IA reduce las barreras para escribir código, pero no la responsabilidad de comprenderlo.

Si algo sale mal y usted cometió el código, usted es responsable.

Imagina que tu código falla en producción y necesitas arreglarlo, y dices: «Yo tampoco lo sé, me lo dijo la IA». Éste no es el camino correcto.

No creo que todavía podamos confiar a la IA tareas tan importantes.

La comprensión se vuelve más fácil con la IA porque también es una oportunidad perfecta para aprender. Simplemente puede abrir otra ventana y pedirle que le explique el concepto.

Si preguntas en la misma ventana qué produjo, te lo explicará sólo en ese contexto. Pero usted quiere entender el concepto de manera más general y ver si tiene sentido aplicarlo en este caso.

¿Tiene una historia que compartir sobre la codificación con IA? Contacta con este periodista en cmlee@businessinsider.com.