greenai.guide

Strona główna › Jak…? › Jak korzystać z asystenta AI do programowania bez dużego śladu?

Jak…?

Jak korzystać z asystenta AI do programowania bez dużego śladu?

Aktualizacja · Czas czytania: 1 min

W skrócie

Z asystenta należy korzystać tam, gdzie wyraźnie się opłaca, dawać mu skupiony kontekst zamiast całych repozytoriów, wybierać mniejszy lub szybszy model do rutynowych zmian, a trudne zadania dzielić na proste kroki do przejrzenia. Jedno badanie wykazało, że programowanie z pomocą AI miało w testowanych zadaniach ok. 33 razy większy ślad węglowy niż podejście ręczne, więc nawyki mają znaczenie.

Kroki

  1. Należy zdecydować, czy zadanie wymaga asystenta, czy szybciej będzie napisać kod samemu.
  2. Do rutynowych uzupełnień i zmian należy wybierać mniejszy lub szybszy model.
  3. Asystenta należy kierować do właściwych plików, a nie do całego repozytorium.
  4. Trudne zadanie należy podzielić na małe kroki i przejrzeć każdy przed przejściem dalej.
  5. W trybach agentowych należy ustawić limity kroków lub wydatków i przerywać przebiegi, które się zapętlają.
  6. Należy śledzić korzystanie zespołu z asystenta obok kosztów.

Z asystenta należy korzystać świadomie, a nie odruchowo, i ograniczać to, co czyta. Asystenci do programowania są przydatni, ale zużywana przez nich energia jest niewidoczna dla osoby, która z nich korzysta.

Dlaczego to ważne?

Cheung i współpracownicy porównali programowanie ręczne i z pomocą AI na zestawie zadań programistycznych i ustalili, że podejście z pomocą AI miało ok. 33 razy większy ślad węglowy niż ręczne, a różnica rosła wraz z trudnością zadań. Nie oznacza to, że nigdy nie należy korzystać z asystentów; oznacza, że warto używać ich tam, gdzie oszczędzają realny czas.

Tryby agentowe kosztują jeszcze więcej. Anthropic podał, że jego agenci zużywali zwykle ok. cztery razy więcej tokenów niż czat, a systemy wieloagentowe ok. piętnaście razy więcej.

Co ma największe znaczenie?

  • Kontekst. Każdy plik, który czyta asystent, jest przetwarzany ponownie w każdej turze. Należy otwierać lub wskazywać tylko istotne pliki i zaczynać nową sesję przy nowym zadaniu.
  • Wybór modelu. Wiele narzędzi pozwala wybrać model. Mały, szybki model zwykle wystarcza do uzupełnień, zmian nazw i kodu szablonowego; duży warto zostawić do projektowania i debugowania.
  • Limity agentów. Agentom należy dać jasny cel, warunek zatrzymania i limit kroków. Zob. jak powstrzymać agentów AI przed marnowaniem tokenów.
  • Małe kroki z przeglądem. Człowiek sprawdzający każdy krok zapobiega długim przebiegom w złym kierunku.

Częste błędy

Szerszy obraz przedstawia artykuł agentowa AI i marnowanie tokenów.

Źródła

  1. Comparative analysis of carbon footprint in manual vs. LLM-assisted code development, Cheung, Kaul, Jahangirova, Mousavi and Zie, ResponsibleSE 2025 (ACM) (2025)
  2. How we built our multi-agent research system, Anthropic (2025)
  3. GreenCode Constitution: agent principles for optimizing code and LLM inference energy use, Kapenekakis, Kim, Ionescu, Thomsen and Albano, GreenAI workshop, ECML PKDD 2026 (2026)

Dołącz do nas

Pomóżmy zmniejszyć wpływ AI na planetę

Nowe przewodniki, nabory wniosków i wpisy w katalogach e-mailem, mniej więcej raz w miesiącu. Można też dodać do katalogów swój produkt, kurs, ofertę studiów doktoranckich lub badania.

Bez śledzenia. Rezygnacja jednym kliknięciem. Inne sposoby dołączenia · Prywatność