AI-Assisted Coding for Beginners: A Practical Start

AI coding assistants เช่น GitHub Copilot, ChatGPT และ Claude ได้เปลี่ยนวิธีที่ผู้คนเขียนซอฟต์แวร์ แต่สำหรับผู้เริ่มต้น มันคือดาบสองคม ใช้ได้ดี มันจะเพิ่มความเร็วในการเรียนรู้ ใช้ได้แย่ มันจะกลายเป็น crutch ที่ทำให้คุณไม่สามารถเขียน for-loop โดยไม่ได้รับความช่วยเหลือได้ คำแนะนำนี้ครอบคลุมวิธีการที่จะได้รับมูลค่าจริงจากเครื่องมือเหล่านี้พร้อมกับการสร้างทักษะที่แท้จริง

เลือกเครื่องมือและเข้าใจว่ามันทำอะไร

เริ่มต้นด้วยผู้ช่วยหนึ่งแทนที่จะใช้สามตัวพร้อมกัน GitHub Copilot ทำงานรวมกับ VS Code โดยตรงและแนะนำโค้ดขณะที่คุณพิมพ์ ChatGPT และ Claude ทำงานได้ดีกว่าสำหรับการสนทนา: อธิบายข้อผิดพลาด วางแผนฟังก์ชัน หรือตรวจสอบโค้ดที่คุณเขียนแล้ว

เข้าใจกลไก: สิ่งเหล่านี้เป็น large language models ที่ทำนายโทเค็นถัดไปที่มีแนวโน้มมากที่สุดโดยอิงจากรูปแบบในข้อมูลการฝึก พวกเขาไม่รันโค้ดของคุณ พวกเขาไม่รู้จักโครงสร้างไฟล์เฉพาะของคุณเว้นแต่คุณแสดงให้พวกเขาเห็น และพวกเขาจะสร้างโค้ดที่ถูกต้องตามไวยากรณ์อย่างมั่นใจที่ทำสิ่งที่ผิด ปฏิบัติต่อทุกคำแนะนำเหมือนร่างจากผู้ร่วมงานที่เร็วแต่บางครั้งประมาท

ใช้มันเพื่ออธิบาย ไม่ใช่เพื่อสร้างเท่านั้น

ข้อผิดพลาดที่ใหญ่ที่สุดที่ผู้เริ่มต้นทำคือขอวิธีแก้ปัญหาที่สมบูรณ์และวางมันลงโดยไม่อ่าน แทนที่จะเป็นเช่นนั้น ขอให้ AI อธิบายโค้ดทีละบรรทัด ถ้าคุณติดอยู่กับ Python script ที่ใช้ zip() และ enumerate() ด้วยกัน ให้ถาม: "Explain what zip and enumerate do here, and why someone would combine them." คุณจะได้บทเรียนเล็กน้อยแทนที่จะเป็นกล่องดำ

เมื่อแก้จุดบกพร่อง วางข้อความข้อผิดพลาดที่แน่นอนและโค้ดที่เกี่ยวข้อง ไม่ใช่คำอธิบายที่คลุมเครือเช่น "it's not working." เปรียบเทียบ:

Traceback (most recent call last):
  File "app.py", line 12, in <module>
    result = calculate_total(items)
TypeError: unsupported operand type(s) for +: 'int' and 'str'

Traceback นั้นบอก AI (และคุณ) ตรงว่าต้องมองไปที่ไหน บรรทัดที่ 12 การไม่ตรงกันของประเภท ขอให้มันอธิบายว่าทำไมการผสม int และ str จึงล้มเหลวใน Python และคุณจะจำบทเรียนได้แทนที่จะแก้ไขบัคเพียงตัวเดียว

เขียนโครงกระดูกด้วยตัวคุณเองก่อน

ก่อนขอความช่วยเหลือ ลองเขียนลายเซนต์ฟังก์ชันและความเห็นอธิบายว่าแต่ละส่วนควรทำอะไร:

def calculate_total(items):
    # items is a list of dicts with 'price' and 'quantity'
    # return the sum of price * quantity for each item
    pass

จากนั้นขอให้ AI เติมส่วนตัว หรือดีกว่านั้น ลองเขียนด้วยตัวเองแล้วขอตรวจสอบ ลำดับนี้สำคัญ ถ้าคุณขอก่อนและเขียนหลัง คุณกำลังแก้ไขการคิดของคนอื่น ถ้าคุณเขียนก่อน คุณกำลังสร้างแบบจำลองจิตใจของตัวเอง และ AI จะกลายเป็นการตรวจสอบงานของคุณแทนที่จะเป็นการแทนที่งาน

ยืนยันทุกอย่าง โดยเฉพาะอย่างยิ่งกับ library ที่ไม่คุ้นเคย

AI models มักจะล้าสมัยหรือเพียงแค่ผิดเกี่ยวกับ library APIs โดยเฉพาะสำหรับเครื่องมือที่เคลื่อนไหวเร็ว ถ้า Copilot แนะนำ pandas method หรือเวอร์ชัน npm package เฉพาะ ให้ตรวจสอบเอกสารจริงก่อนที่จะเชื่อถือมัน รันโค้ด พิมพ์ค่ากลาง ใช้ debugger เช่น pdb ใน Python (import pdb; pdb.set_trace()) หรือ Chrome DevTools debugger สำหรับ JavaScript แทนที่จะขอให้ AI บอกว่าผิดตรงไหนเป็นครั้งที่สอง

นิสัยที่ดี: หลังจาก AI สร้างฟังก์ชัน ให้เขียนกรณีทดสอบหนึ่งหรือสองกรณีด้วยตัวคุณเอง

assert calculate_total([{'price': 10, 'quantity': 2}]) == 20
assert calculate_total([]) == 0

ถ้าโค้ดของ AI ล้มเหลวในการทดสอบของคุณ คุณได้จับสิ่งที่การมองแวบไม่จะได้

ตั้งกฎสำหรับตัวคุณเอง

ให้ข้อจำกัดที่แท้จริงแก่ตัวคุณเองเพื่อไม่ให้เครื่องมือทำลายทักษะของคุณ:

ใช้เวลา 15 นาทีแรกกับปัญหาใหม่ใดๆ โดยไม่มี AI เพียงแต่คิดและร่าง pseudocode ไม่เคยยอมรับคำแนะนำที่คุณไม่สามารถอธิบายให้คนอื่นฟังได้ เมื่อเรียนรู้ภาษาหรือ framework ใหม่อย่างแน่นอน ให้ปิดใช้งาน inline autocomplete (Copilot มีปุ่มสำหรับสิ่งนี้) และใช้เฉพาะความช่วยเหลือแบบแชท เพื่อให้คุณถูกบังคับให้พิมพ์ไวยากรณ์ด้วยตัวเองจนกว่ามันจะติด

ข้อจำกัดเหล่านี้รู้สึกช้าในตอนแรก พวกเขาจ่ายตัวเองในไม่กี่สัปดาห์เพราะคุณเลิกพึ่งพาคำแนะนำสำหรับสิ่งที่คุณควรรู้อย่างลึกซึ้ง เช่น list comprehensions, basic loops หรือ string formatting

สร้างบางสิ่งจริงเพื่อทดสอบตัวคุณเอง

เลือกโปรเจกต์เล็กน้อยที่มีเป้าหมายชัดเจน command-line to-do list script ที่เปลี่ยนชื่อไฟล์ในโฟลเดอร์ตามวันที่สร้างตัวเอง basic Flask API ที่มีสองเอนดพอยต์ สร้างมันด้วยความช่วยเหลือของ AI จากนั้นสร้างเวอร์ชันที่คล้ายกันใหม่จากศูนย์หนึ่งสัปดาห์ต่อมาโดยไม่มี ความพยายามครั้งที่สองเผยให้เห็นว่าคุณได้เรียนรู้อะไรอย่างแน่นอนเทียบกับสิ่งที่คุณคัดลอก

AI tools มีประโยชน์อย่างแท้จริงสำหรับผู้เริ่มต้นเมื่อคุณใช้พวกมันเพื่อเร่งการเข้าใจแทนที่จะข้ามมัน โปรแกรมเมอร์ที่ได้รับประโยชน์มากที่สุดปฏิบัติต่อผู้ช่วยเหมือนครูที่อดทนซึ่งบังเอิญพิมพ์เร็ว ไม่ใช่เหมือนเครื่องจำหน่ายสินค้าสำหรับโค้ดที่สมบูรณ์

หากคุณต้องการสร้างพื้นฐานที่เครื่องมือเหล่านี้สันนิษฐานว่าคุณมีแล้ว ให้ตรวจสอบ Python และ Computer Science tracks ของ Korra Studio สำหรับการฝึกที่มีโครงสร้างควบคู่ไปกับโปรเจกต์ที่ได้รับความช่วยเหลือจาก AI