Rust-Projekt-Perspektiven zu KI: Praktische Einblicke von Mitwirkenden

Was das ist

Ein Zusammenfassungsdokument, verfasst von nikomatsakis am 27. Februar 2024, das Perspektiven von Rust-Mitwirkenden und -Maintainern zur Nutzung von KI-Tools sammelt. Das Dokument zielt darauf ab, die gesamte Bandbreite der Meinungen zu erfassen, um die Argumentationslandschaft auf beiden Seiten zu verstehen.

Wichtige Details aus der Quelle

Das Rust-Projekt hat derzeit keine kohärente Sichtweise oder Position zur Nutzung von KI-Tools. Dieses Dokument repräsentiert individuelle Perspektiven, nicht eine offizielle Projektposition. Die Diskussion behandelt sowohl die KI-Nutzung bei rust-lang-Crates als auch die KI-Nutzung durch Rust-Entwickler an anderen Stellen.

KI erfordert Engineering-Kompetenz

Diejenigen, die die besten Ergebnisse mit KI erzielen, betonen, dass echtes Engineering nötig ist, um KI gut funktionieren zu lassen. Wie Mitwirkender TC anmerkt: "Es erfordert Sorgfalt und sorgfältiges Engineering, um gute Ergebnisse zu erzielen. Man muss daran arbeiten, die Modelle innerhalb ihres Leistungsbereichs zu halten. Man muss das Problem sorgfältig strukturieren, den richtigen Kontext und Anleitung bieten sowie geeignete Tools und eine gute Umgebung bereitstellen."

TC beobachtet auch eine rasche Verbesserung: "Etwas, das vielleicht nicht offensichtlich ist, ist, wie sehr sich die Dinge in den letzten 2-3 Monaten verändert haben. Früher war es schwer, den Einsatz von Modellen für ernsthafte Arbeit zu rechtfertigen. Aber die modernsten Modelle sind jetzt zu gut, um sie zu ignorieren."

Nicht-programmierende KI-Anwendungsfälle

Viele Mitwirkende finden KI auch für Aufgaben jenseits des Programmierens wertvoll:

• Suchen und Entdecken: davidtwco berichtet, dass er interne KI-Tools bei Arm nutzt, um über 10.000 Seiten Architekturdokumentation zu durchsuchen, was es einfacher macht, zeitnah auf Upstream-Probleme zu reagieren.
• Codebasis-Navigation: scottmcm findet KIs hilfreich für Forschungsfragen wie "Nun, ich bin hier und brauche eine Span; wo bekomme ich eine her?"
• Code-Review und Ideenexploration: BennoLossin nutzt KI zum Überprüfen von Arbeiten und zum Stellen von Fragen, die helfen, korrekte Ideen zu erkunden. RalfJung erwähnt Interesse daran, LLMs für Code-Reviews zu erkunden und verweist darauf, dass Linux-Kernel-Leute Erfolg mit projektspezifischen, sorgfältig formulierten Prompts hatten.
• Großskalige Datenverarbeitung: Mehrere Mitwirkende merken an, dass KI die Arbeit mit halbstrukturierten Daten handhabbarer macht, mit Beispielen aus der FLS (Future Language Specification)-Gruppe.

Unterschiedliche Erfahrungen

Mitwirkender yaahc bemerkt die kognitive Dissonanz zwischen respektierten Entwicklern, die Wert in KI-Tools finden, während andere "99% des Werts, den Leute von diesen Tools behaupten, als reine Luftnummer ohne Substanz" empfinden. Der Unterschied scheint darin zu liegen, wie Eingaben strukturiert und Tools genutzt werden, wobei erfahrene Ingenieure bessere Ergebnisse erzielen.