Как Domain-Driven Design помогает в работе с ИИ

Что произошло

В последние годы языковые модели (LLM) стали активно использоваться в разработке программного обеспечения. Однако их эффективность резко падает при работе с унаследованными кодобазами, где много технического долга и сложных зависимостей. Автор статьи предлагает использовать подход Domain-Driven Design (DDD) для решения этих проблем.

Детали

Основная проблема заключается в том, что LLM часто ошибаются при работе с кодом, где отсутствует чёткая структура и единый язык. Например, модель может создать новое написание термина, который уже существует в трёх разных вариантах. Это происходит из-за отсутствия чёткого определения терминов и контекстов в коде.

Автор разделяет работу на стратегическую и тактическую части. Стратегическая часть включает анализ кода и планирование изменений, а тактическая — их реализацию с помощью ИИ. Для этого используется система подзадач (sub-agents), каждая из которых выполняет узкую задачу, например, рефакторинг или проверку безопасности.

Почему это важно

Использование DDD позволяет устранить неоднозначности в коде, что повышает качество работы ИИ. Это особенно актуально для проектов с унаследованным кодом, где часто отсутствует чёткая структура и единый язык. Кроме того, разделение работы на стратегическую и тактическую части позволяет сосредоточиться на наиболее важных аспектах разработки.

Что дальше

Автор планирует продолжить работу над системой, которая будет использовать навыки (skills) для автоматизации задач в рамках DDD. Это позволит ещё больше упростить работу с унаследованными кодобазами и повысить качество работы ИИ.

"Стратегическая работа — это анализ и планирование, а тактическая — реализация с помощью ИИ."

Таким образом, Domain-Driven Design становится ключевым инструментом для эффективной интеграции ИИ в сложные проекты с унаследованным кодом.