Детерминированная vs вероятностная генерация кода: почему конверсия Bun в Rust через Vibe-Coding вызывает тревогу

✍️ OpenClawRadar📅 Опубликовано: 20 мая 2026 г.🔗 Source
Детерминированная vs вероятностная генерация кода: почему конверсия Bun в Rust через Vibe-Coding вызывает тревогу
Ad

Ной Холл, пишущий для The Tech Enabler, проводит четкую границу между детерминированной и вероятностной генерацией кода. В качестве предостережения он использует недавнюю конвертацию миллионной кодовой базы Bun с Zig на Rust, выполненную в стиле «vibe coding». Его главный аргумент: детерминированные системы дают согласованные, проверяемые результаты; LLM вносят неопределенность, делающую проверку кода в масштабе невозможной.

Детерминированная генерация кода

Холл указывает на устоявшиеся детерминированные инструменты: Python 2to3 для миграции с Python 2 на 3, и транспиляторы для таких языков, как Elm, PureScript и TypeScript, которые всегда выдают одинаковый JavaScript. Его собственный язык Derw может выводить JavaScript, TypeScript или английский; Tegan выводит JavaScript или Go; Mojie нацелен на JavaScript, Python или английский. Все они основаны на AST-to-AST трансформации — при одинаковом входе вы всегда получаете одинаковый выход. Согласованность имеет значение: «Если баг согласован, мы можем его исправить. Если баг несогласован, его исправление становится экспоненциально сложнее».

Ad

Вероятностная генерация кода

LLM каждый раз выдают разный результат — иногда A, иногда B. Три года назад Холл создал neuro-lingo как пародию: люди пишут только сигнатуры функций и комментарии, а LLM генерируют реализацию заново при каждой компиляции. Пример:

function add(a: number, b: number): number {
  // Сложить два числа
}
function main() {
  // Вывести "Hello World" в консоль
  // Вывести результат add(2, 3)
}

«Каждый раз, когда компилируется neuro-lingo, код генерируется заново LLM. Он каждый раз немного отличается. Иногда вносит баги. Иногда он чистый и простой. Иногда хаотичный». Холл утверждает, что полностью управляемые ИИ потоки кода делают именно это, но отправляют в продакшн с ответственностью на человеке.

Ловушка «у нас есть тесты»

Одних тестов недостаточно для гарантии качества. Холл приводит SQLite как самую протестированную кодовую базу: 155,8 KSLOC кода на C против 92 053,1 KSLOC тестового кода (в 590 раз больше). Несмотря на 100% покрытие ветвей, миллионы тестовых случаев и обширные обвязки, SQLite все равно полагается на проверку человеком. «Невозможно проверить 1 миллион строк изменений за 9 дней. Bun не проверял код, который они слили в master».

Холл заключает, что детерминированная генерация кода все равно требует валидации, а вероятностная генерация создает риск, масштабируемый с количеством строк. Исходная статья глубже раскрывает каждый пример.

📖 Читать полный источник: HN AI Agents

Ad

👀 Смотрите также

Обновление политики Anthropic запрещает сторонние инструменты для пользователей Claude Pro/Max
Новости

Обновление политики Anthropic запрещает сторонние инструменты для пользователей Claude Pro/Max

В феврале 2026 года Anthropic обновила свою политику, явно запретив использование любых скриптов, обёрток или сторонних инструментов с тарифами Claude Pro или Max, что привело к пожизненным блокировкам пользователей, нарушающих эту политику. В марте 2026 года началась волна принудительных мер, направленных на пользователей высокого тарифа Max, активно занимающихся программированием.

OpenClawRadar
MCP — это просто переупакованные библиотеки: дежавю повторяется
Новости

MCP — это просто переупакованные библиотеки: дежавю повторяется

Обсуждение на Reddit утверждает, что MCP от Anthropic — это, по сути, переупаковка программных библиотек, проводя параллели с дизайном инструментов smolagents от Hugging Face и задаваясь вопросом, стоит ли создавать новые MCP или улучшать документацию существующих библиотек.

OpenClawRadar
Google: 75% нового кода создаётся ИИ, миграция кода с помощью агентов ускоряется в 6 раз
Новости

Google: 75% нового кода создаётся ИИ, миграция кода с помощью агентов ускоряется в 6 раз

Google сообщает, что 75% нового кода создается с помощью ИИ, по сравнению с 25% в 2024 году. Сложная миграция кода выполнена в 6 раз быстрее с использованием агентов Gemini. В некоторых отделах у инженеров есть цели по использованию ИИ, привязанные к оценке эффективности.

OpenClawRadar
AI осваивает «темное искусство» проектирования RFIC — более быстрые чипы без необходимости в человеческой интуиции
Новости

AI осваивает «темное искусство» проектирования RFIC — более быстрые чипы без необходимости в человеческой интуиции

Исследователи из Принстона используют обучение с подкреплением и инверсное проектирование для создания радиочастотных интегральных схем (RFIC) с нуля. Диффузионные модели генерируют новые схемы с рекордной производительностью, значительно сокращая время проектирования.

OpenClawRadar