Rychlé psaní kódu, pomalé porozumění

Musím přiznat — vibe coding je jako kouzelnictví. Řeknete, co chcete, a kód se zničeho nic objeví. Pipeline se roztočí. Funkce se rodí jedna za druhou. Je to vzrušující a upřímně řečeno, jsme v situaci, kterou jsme tu nikdy neměli.

Ale tady je ten háček. Co se stane o půl roku později, až se pipeline rozbije? Až se změní požadavky? Až do týmu přijde nový kolega? Kde je v tu chvíli všechno to vědění?

Odpověď většinou zní: kdepak.

Křehká povaha kontextu

Když vibe codujete, cpete do promptů obrovské množství kontextu. Obchodní pravidla. Předpoklady. Hraniční případy. Závislosti mezi systémy. Proč jste zvolili přístup A místo B. Všechno to putuje do konverzace, krystalizuje se v generovaném kódu a pak... zmizí jako ranní mlha.

Kód zůstane. Úvahy se vypaří.

To není jen problém s dokumentací. Je to systémový problém současného AI-asistovaného vývoje. Generujeme systémy rekordní rychlostí a zároveň přicházíme o institucionální znalosti, které ty systémy dělají udržovatelnými a rozšiřitelnými.

U datových platforem to vytváří kaskádový efekt. Moderní datové architektury nejsou jednoduché aplikace — jsou to celé ekosystémy. Ingestační vrstvy, transformační logika, orchestracní frameworky, sémantické vrstvy, serving API, ML pipeliny. Každá komponenta o těch ostatních ví jen to, co se dozvěděla z křehkých implicitních smluv mezi nimi.

Proč data engineering cítí tuhle bolest nejvíc

Když stavíte CRUD aplikaci, vibe coding a jeho problém s pamětí je otravný. Když provozujete enterprise datovou platformu, může to být existenční problém.

Data engineering vždycky byla o koordinaci. Obchodní logika musí být konzistentní napříč transformacemi. Schema změny se šíří downstream způsoby, které jsou často těžko předvídatelné. Validační pravidla chrání kvalitu dat. Orchestrační závislosti rozhodují o úspěchu či neúspěchu.

Když AI generuje tuhle logiku z promptů, všechno to koordinační vědění zůstává lidské. Žije v hlavách senior inženýrů. Schovává se ve Slack vláknech z roku 2023. Je zahrabané v Notion stránkách, které už nikdo neaktualizuje.

Samotná platforma nemá žádnou paměť na to, proč byla postavená zrovna takhle.

Jiná cesta vpřed

Co kdyby specifikace samy o sobě byly součástí systému?

Spec-driven development obrací celou věc naruby. Místo toho, aby prompty generovaly kód, na který se pak nahání dokumentace, vysvětlení a institucionální paměť, se specifikace stává zdrojem pravdy — spustitelným, verzovaným a trvalým.

Vaše obchodní pravidla nejsou jen "co kód dělá." Jsou to explicitní, testovatelné kontrakty, které přežijí jakoukoliv konkrétní konverzaci. Vaše orchestrační logika není jen "co běží kdy." Je to verzovaná definice, se kterou můžou konzistentně pracovat lidi i AI agenti.

Nejde o nahrazení AI generování. Jde o to dát AI-generovaným systémům něco, co jim chybělo: stabilní základ trvalého operačního vědění.

Realistický pohled

Buďme féroví: spec-driven development není zázračné řešení. Přidává počáteční investici. Vyžaduje, aby týmy explicitně přemýšlely o požadavcích před samotným generováním. Vyžaduje disciplínu, která se občas pere s rychlostí, která dělá vibe coding atraktivním.

Ale tady to podstatné — pokud stavíte systémy, které mají vydržet, vyvíjet se a které budou udržovat týmy, které se budou v čase měnit, ta počáteční investice se mnohonásobně vrátí.

Nejlepší doba budovat trvalou systémovou paměť byla před šesti měsíci. Druhá nejlepší doba je teď.

Závěrem

Vibe coding je fantastický produktivní multiplikátor pro samotnou implementaci. Ale implementace je jen část životního cyklu softwaru. Údržba, vývoj, debugging a předávání znalostí — to je, kde systémy ve skutečnosti tráví většinu svého života.

Pokud se chceme spoléhat na AI při generování čím dál komplexnějších systémů, musíme být stejně promyšlení v tom, jak ty systémy zachovávají své vlastní porozumění v čase.

Budoucnost AI-asistovaného vývoje není jen rychlejší generování. Je to generování, které buduje systémy schopné vysvětlit samy sebe.

Jaký přístup používáte pro uchování kontextu ve vašich AI-asistovaných vývojových workflow? Rádi bychom slyšeli, jak různé týmy tento problém řeší.