Pengembangan Agen dan Pengembangan Berbasis Dokumentasi: Saat AI Menulis Kontrak, Bukan Kode
Sebuah artikel menjelaskan pendekatan agentik di mana model bahasa besar (LLM) pertama-tama merancang kontrak sistem (OpenAPI, Proto, JSON Schema, CloudEvents, AsyncAPI) sebelum generasi kode. Metode yang disebut Pengembangan Agen Berbasis Dokumentasi ini menggunakan beberapa tahap prompt untuk menghasilkan dan meninjau kontrak. Penulis mendemonstrasikannya pada contoh layanan sentral telepon otomatis (PBX), membedakan antara generator dan agen.
Penulis, Matvey Likhota, seorang pengembang senior Go, mengusulkan pendekatan pengembangan di mana LLM pertama-tama merancang sistem dan menghasilkan kontrak seperti OpenAPI, Proto, JSON Schema, CloudEvents, dan AsyncAPI, dengan kode yang kemudian dihasilkan oleh generator yang dapat diulang dan bagian yang bergantung pada proyek oleh pengembang dan agen. Ia menyebutnya Pengembangan yang Didorong Dokumentasi atau Pengembangan yang Didorong Spesifikasi. Artikel ini menunjukkan proses pada contoh layanan PBX sederhana. Prompt pertama meminta LLM untuk mendaftar pertanyaan yang signifikan secara arsitektural tanpa menulis kode. Prompt kedua menghasilkan kontrak OpenAPI 3.1 dengan persyaratan ketat termasuk kesalahan RFC 9457, Idempotency-Key, If-Match/ETag, dan paginasi kursor. Kemudian prompt peninjauan adversarial mengkritik kontrak untuk cacat. Untuk kontrak peristiwa, CloudEvents 1.0 digunakan dengan katalog peristiwa seperti CallStarted, CallAnswered, CallMissed. Kontrak WebSocket dijelaskan melalui AsyncAPI 3.0, dan API internal dirancang sebagai gRPC dengan proto3. Artikel ini menekankan pemisahan desain kontrak dari pembuatan kode dan penggunaan prompt peninjauan untuk menangkap inkonsistensi.
Sumber: Habr — хаб ИИ —
asli