At least for me, writing code has never been *the* issue. It is a way of exploring a problem and model solutions.
Only relying on LLM-based systems is a dangerous edge to live on. Active thinking and code-thinkering is sometimes fundamental in gaining valuable insights about the problem at hand.
Needless to say (at least for skeptics like me) that output code still needs to be read very carefully, even more.
In my eyes, as these systems evolve the number of *very* subtle bugs that are introduced grows. Code certainly compiles, seems to work fine, but there could be some subtle thing that it has not been thought properly, and this can break stuff.
It is a little bit better than Github Copilot and similar IDE-based tools, which seem to gain less insights on the codebase autonomously (read: more hand holding needed on what classes to use, edit, etc.)
It's been two days of testing OpenAI Codex CLI to work on a large, complex, codebase - and I must say that it works better than I expected.
Пробуем Codex CLI от OpenAI для доработки ХрюХрюКара
Пару дней назад я опубликовал статью про ХрюХрюКар - телегам- бот для борьбы со стоянкой автомобилей на зелёных зонах. Проект с открытым исходным кодом . За два дня ко мне обратилось несколько сторонников с просьбой добавить их города. Но вот незадача: у меня была возможность через админ-панель Django править данные в базе, но об этом кеш сервера не узнает ( основной бекэнд на Go). В результате приходилось добавлять данные и перезагружать контейнеры с go-бекэндом вручную. Основные серверы ХХК уже имели сторы, которые получают и обрабатывают апдейты, прилетающие через redis. По сути, оставалось внести правки в часть django-бэкенда, чтобы обрабатывать сигналы pre_save и pre_delete , сериализовать данные и отправлять их в нужный канал редиса. Решил поручить эту задачу Codex CLI , которую вчера OpenAI представили нам с вами.
