Saya Membuat Lalat Buah Mereview Kode Saya - Nick Nisi, WorkOS

하이라이트

• Otak lalat buah jantan yang dipindai dengan mikroskop elektron memiliki 176.000 neuron, 6,3 juta sambungan, dan lebih dari 125 juta sinapsis.

• Model sistem satu bernama Jev bertindak sebagai hidung lalat dengan mengajukan 30 pertanyaan tidak bias yang mengubah kode menjadi bau harfiah.

• Lalat buah berhasil mendeteksi contoh kode yang memerlukan perubahan dengan tingkat akurasi mencapai 88 persen hingga 96 persen.

• Proses peninjauan kode otomatis menggunakan lalat buah dapat diuji secara daring melalui situs web fruitfly.review.

• Tim DX di WorkOS menggunakan aturan pemilik kode di GitHub dan skrip peninjau khusus untuk menetapkan batas minimal peninjauan manusia.

타임라인

1. 00:00 - 03:36

   Hambatan dalam Peninjauan Kode Modern

   Perkembangan alat bantu penulisan kode membuat pembuatan perangkat lunak menjadi sangat cepat. Meskipun pemeriksaan otomatis seperti CI dan agen pintar sudah mampu mendeteksi banyak masalah, manusia sering kali masih menjadi hambatan utama dalam proses persetujuan. Fokus peninjauan kode kini bergeser dari sekadar memeriksa baris sintaks menjadi memastikan apakah kode tersebut benar-benar menghasilkan fungsionalitas yang diharapkan.

   • Kecepatan penulisan kode dan pengiriman pull request meningkat pesat melebihi masa lalu.
   • Proses CI, linting, dan berbagai agen otomatis sudah tersedia namun proses persetujuan akhir masih sering menunggu peninjauan manusia.
   • Peran pengembang bergeser menjadi manajer yang mengawasi agen dan sistem pemeriksaan otomatis.
   • Istilah bug dalam perangkat lunak berawal dari penemuan ngengat sungguhan pada relai komputer di tahun 1947.
2. 03:36 - 08:15

   Memanfaatkan Konektom Lalat Buah untuk Meninjau JavaScript

   Eksperimen unik dilakukan dengan menghubungkan konektom otak lalat buah ke sistem pemrosesan kode JavaScript. Model AI berfungsi sebagai hidung buatan yang mengubah karakteristik kode menjadi rangsangan bau yang diterima oleh sensila lalat. Melalui mekanisme pembelajaran penghargaan gula dan hukuman rasa pahit, otak lalat merespons apakah suatu kode memiliki kualitas yang baik atau mengandung masalah.

   • Konektom lalat buah jantan dipindai melalui pengirisan mikroskop elektron ribuan kali untuk memetakan jutaan sambungan sarafnya.
   • Model AI Jev menerjemahkan kode menjadi bau melalui 30 pertanyaan untuk diproses oleh sensor penciuman lalat.
   • Kode yang dinilai baik memberikan sensasi air gula yang memicu penghargaan dopamin, sedangkan kode buruk menghasilkan bau pahit dan hukuman.
   • Ingatan lalat yang diatur melalui pengujian menentukan respons apakah suatu perubahan kode layak disetujui atau ditolak.
3. 08:15 - 11:57

   Evaluasi Kinerja Peninjauan Kode Lalat Buah

   Pengujian langsung yang melibatkan penonton menunjukkan bahwa manusia dan lalat buah sama-sama mampu mengenali beberapa masalah dalam basis kode. Meskipun lalat buah tidak memiliki kemampuan komunikasi bahasa pemrograman, tingkat akurasinya dalam mendeteksi anomali kode tergolong tinggi. Sistem ini membuktikan bahwa pendekatan biologis buatan dapat mendeteksi kesalahan kode secara konsisten.

   • Audiensi penonton berhasil menjawab tiga dari tiga contoh uji kode, sementara lalat buah menjawab dua dari tiga dengan benar.
   • Tingkat akurasi lalat buah mencapai sekitar 80 hingga 88 persen secara umum dan naik hingga 96 persen pada kasus pengujian yang lebih sulit.
   • Lalat buah tidak dapat memberikan saran perbaikan bahasa pemrograman karena keterbatasannya, melainkan hanya memberikan indikasi penolakan berdasarkan bau.
   • Pengujian mandiri terhadap pull request dapat dilakukan secara langsung oleh pengguna melalui platform daring fruitfly.review.
4. 11:57 - 16:31

   Transformasi Proses Peninjauan Kode Tim Masa Depan

   Keterlibatan manusia dalam peninjauan kode masa depan dirancang agar hanya berfokus pada eskalasi yang benar-benar memerlukan perhatian khusus. Tim pengembang dapat membangun skrip dan aturan peninjauan tim yang dikelola secara kolektif untuk menyaring perubahan yang aman. Dengan demikian, proses penggabungan kode dapat berjalan otomatis sementara verifikasi akhir dibuktikan melalui hasil uji dan dokumentasi visual agen.

   • Tim rekayasa perangkat lunak mempertahankan keterampilan peninjauan inti untuk menetapkan standar minimum pemeriksaan.
   • Pengklasifikasi ringan dan agen otomatis menyaring risiko sebelum memutuskan apakah suatu perubahan memerlukan eskalasi ke manusia.
   • Verifikasi fungsionalitas dilakukan melalui tangkapan layar, video, hasil pengujian, atau uji asap yang disediakan oleh agen.
   • Pengelolaan peninjauan yang disesuaikan dengan kebutuhan spesifik tim memungkinkan perangkat lunak dikirimkan dengan lebih cepat dan aman.