Terry Tao portiert 24 Java-Applets mit LLM-Agenten nach JavaScript – findet Fehler im Originalcode

Terence Tao veröffentlichte einen detaillierten Bericht über die Nutzung eines LLM-basierten Coding-Agenten, um seine 24 alten Java-1.0-Applets (von 1999) nach modernem JavaScript zu portieren und zwei neue interaktive Visualisierungen von Grund auf zu erstellen. Das Experiment zeigt sowohl die Stärken als auch die aktuellen Grenzen von LLM-generiertem Code für anspruchsvolle Programmieraufgaben.

Portierung von 24 Java-Applets nach JavaScript

Taos Applets, ursprünglich für Kurse in komplexer Analysis und linearer Algebra geschrieben, waren unbrauchbar geworden, da Browser die Java-1.0-Unterstützung eingestellt hatten. Mit einem nicht näher bezeichneten LLM-Agenten (wahrscheinlich Claude oder GPT-4) bat er ihn, alle Applets nach JavaScript zu portieren. Der Agent schloss die Migration in „wenigen Stunden“ ab. Die resultierenden Applets sind nun funktionsfähig und haben grafische Verbesserungen – zum Beispiel wurde das Besicovitch-Mengen-Applet gegenüber der ursprünglichen monochromen Version koloriert.

Die Codequalität war überraschend hoch. Tao berichtet:

Ich konnte nur einen kleinen Fehler finden (die Behandlung eines Drag-Ereignisses in einem der Komplex-Analysis-Applets zeigte unerwünschtes Verhalten beim Ziehen außerhalb des Hauptfelds), und tatsächlich identifizierte der Agent zwei Fehler im Originalcode, die mir nicht bewusst waren.

Die beiden ursprünglichen Fehler wurden vom Agenten ohne Aufforderung gefunden, sodass die Portierung in Bezug auf die Fehleranzahl eine Nullsumme darstellte. Tao merkt an, dass das Abwärtsrisiko gering ist, da diese Applets visuelle Hilfsmittel sind und keine kritischen Komponenten mathematischer Beweise.

Neue App: Minkowski-Raum-Zeichenwerkzeug

Inspiriert vom Erfolg der Portierung belebte Tao ein 1999 aufgegebenes Projekt wieder: eine „Inkscape, aber im Minkowski-Raum“-Visualisierung für die spezielle Relativitätstheorie. Nach zwei Stunden „Vibe Coding“ mit dem Agenten produzierte er ein funktionierendes Applet, das seiner ursprünglichen Vision entsprach. Das Gesprächsprotokoll ist verfügbar, ließ aber die mühsamen technischen Implementierungsberichte aus.

Neue App: Gilbreath-Vermutungs-Visualisierung

Am selben Tag, nach seinem Blogbeitrag über Gilbreaths Vermutung, bat Tao den Agenten, eine interaktive Visualisierung zur Begleitung des Artikels zu programmieren. Nach weiteren Stunden ging die Visualisierung live. Er plant, solche Ergänzungen zu zukünftigen Arbeiten hinzuzufügen, und akzeptiert das Risiko von LLM-generierten Fehlern, da die Visualisierungen nicht kritisch sind.

Praktische Erkenntnisse für Entwickler

• LLM-Agenten können Legacy-Code (Java 1.0) mit guter Genauigkeit nach modernem JS portieren – nur 1 neuer Fehler bei 24 Apps.
• Agenten können versteckte Fehler im Originalcode erkennen; immer sowohl alten als auch neuen Code überprüfen.
• „Vibe Coding“ (iteratives Prompting mit minimalem manuellem Debugging) funktioniert für eigenständige Visualisierungs-Apps.
• Das Abwärtsrisiko ist für nicht-kritische Ergänzungen akzeptabel; sicherheitskritische Systeme erfordern weiterhin menschliche Validierung.

Vollständige Details, einschließlich Transkripte und Links zu den wiederbelebten Applets, finden Sie in der Quelle unten.