Τι Μπορούν να Μάθουν οι Developers από τις Ομάδες Databases για τους AI Coding Agents

Ας είμαστε ειλικρινείς: κάθε εβδομάδα βλέπουμε ένα ακόμα headline για AI agents που γράφουν κώδικα πιο γρήγορα από developers. Ο Cursor έφτιαξε SQLite σε λίγες μέρες. Εργοστάσια λογισμικού βγάζουν PRs κατά εκατοντάδες. Αρκετά για να αναρωτιέται κανείς αν η δουλειά του είναι σε δανεικό χρόνο.

Αλλά αυτό που χάνουν τα headlines είναι αυτό: η ταχύτητα είναι το εύκολο κομμάτι. Να γράφουν οι agents κώδικα γρήγορα; Τετριμμένο πρόβλημα. Να γράφουν κώδικα που θα εμπιστευόσουν σε production συστήματα; Αυτό είναι το δύσκολο πρόβλημα που κανείς δεν θέλει να συζητήσει.

Πρόσφατα, η Cockroach Labs μοιράστηκε την προσέγγισή τους σε αυτό το θέμα, και αξίζει να το δούμε—ειδικά αν είσαι startupper ή developer που σκέφτεσαι να ενσωματώσεις AI agents στη ροή εργασίας σου.

Η Ερώτηση των $160.000

Το 2024, η Cockroach Labs πρόσθεσε υποστήριξη Oracle databases στο migration tool τους, το MOLT. Το project διήρκεσε εννέα μήνες και κόστισε περίπου $160.000 σε engineering χρόνο. Στέρεη, επαγγελματική δουλειά από έμπειρους μηχανικούς.

Μετά ήρθε ο Απρίλιος. Η ομάδα χρειαζόταν να προσθέσει υποστήριξη για IBM Db2—μια database με πλούσια SQL dialect, πολύπλοκο σύστημα τύπων, και native wire protocol. Το ίδιο τεχνικό εύρος.

Το έκαναν σε λιγότερο από δύο μέρες. Το συνολικό κόστος ήταν $4.172.

Η catch; Κανένας άνθρωπος δεν έγραψε κώδικα.

Πριν αρχίσεις να γράφεις επιστολή παραίτησης, σκέψου τι το επέτρεψε: δεν ήταν απλά πιο έξυπνοι agents. Ήταν ένα σύστημα σχεδιασμένο γύρω από μια ριζοσπαστική υπόθεση—ότι το bottleneck δεν είναι να γράφεις κώδικα, είναι να γράφεις αξιόπιστο κώδικα.

MOLT Sinai: Ένα Coding Hospital

Η Cockroach Labs δεν πέταξε απλά agents στο πρόβλημα. Έφτιαξαν αυτό που αποκαλούν MOLT Sinai: ένα pipeline μοντελοποιημένο με βάση τα teaching hospitals, όπου τα issues γίνονται "ασθενείς", το merged code γίνεται "εξιτήριο", και οι human reviewers γίνονται "Chiefs of Medicine".

Το λεξιλόγιο είναι χαριτωμένο, αλλά η υποκείμενη φιλοσοφία είναι σοβαρή:

• Issues είναι ασθενείς: Κάθε task μπαίνει στο σύστημα με documentation, περνάει triage, και ακολουθεί ένα καθορισμένο care pathway
• Decomposition είναι διάγνωση: Μεγάλα προβλήματα σπάνε σε sub-problems με explicit dependency graphs. Foundation δουλειά πριν τα type systems. Type systems πριν τα row iterators. Δεν μπορείς να βιάσεις την επούλωση.
• Review είναι rounds: Κάθε κομμάτι δουλειάς εξετάζεται, επιστρέφει για αλλαγές (κάποιες φορές 55 φορές ανά parent issue), και κλιμακώνεται όταν χρειάζεται
• Οι άνθρωποι είναι chiefs: Η τελική αρχή μένει στους έμπειρους μηχανικούς που μπορούν να κλιμακώσουν issues στον εαυτό τους όταν κάτι φαίνεται λάθος

Αυτό δεν αφορά το να αντικαταστήσεις τους γιατρούς—αφορά το να χτίσεις ένα σύστημα όπου οι residents, attendings και specialists έχουν όλοι ξεκάθαρα ορισμένους ρόλους.

Γιατί η Throughput είναι το Λάθος Μέτρο

Εδώ είναι που τα περισσότερα AI coding experiments πάνε στραβά: βελτιστοποιούν για "PRs ανά ώρα" ή "γραμμές κώδικα ανά μέρα". Αυτές οι μετρικές φαίνονται συναρπαστικές στα demos. Κάνουν τρομερά headlines. Είναι σχεδόν άχρηστες για το να παραδίδεις πραγματικά software.

Η Cockroach Labs το λέει ξεκάθαρα: προτιμούν οι agents να πάρουν 10x περισσότερο χρόνο παρά να προσγειώσουν λάθος δεδομένα σε έναν customer migration. Για μια εταιρεία της οποίας η αξία είναι η ορθότητα των δεδομένων, αυτό δεν είναι απλά φιλοσοφία—είναι επιβίωση.

Η ερώτησή τους δεν ήταν "πόσα PRs μπορούμε να κάνουμε merge;" Ήταν "πόσα από αυτά τα PRs θα ντρεπόμασταν να κάνουμε merge;"

Αυτή είναι μια ερώτηση που περισσότερες ομάδες θα έπρεπε να κάνουν, είτε χρησιμοποιούν AI agents είτε όχι.

Τι Πραγματικά Συνέβη

Όταν η Db2 υποστήριξη προσγειώθηκε στο MOLT:

• 32 sub-issues άνοιξαν κάτω από το parent issue
• 27 pull requests έγιναν merge μέσω του pipeline
• 55 φορές, reviewers έστειλαν δουλειά πίσω για αλλαγές
• 9 issues κλιμακώθηκαν, με 2 να φτάνουν σε human intervention
• Η test coverage ταίριαξε με την πιο καλά testαρισμένη dialect τους (PostgreSQL)

Οι agents δεν ήταν τέλειοι. Έκαναν issues ενάντια στη δική τους δουλειά: fixture gaps, type-mapping bugs, isolation-level fixes. Χρειάζονταν oversight. Αλλά το oversight ήταν δομημένο, σκόπιμο, και κλιμακωμένο στην πολυπλοκότητα της δουλειάς.

Σύγκρινέ το με ένα software factory που τρέχει agents παράλληλα με ένα merge-handling layer. Αυτή η αρχιτεκτονική βγάζει νόημα όταν το bottleneck είναι η ταχύτητα γραφής. Για correctness-critical δουλειά; Χρειάζεσαι κάτι πιο κοντά σε νοσοκομείο, όχι σε factory floor.

Τι Σημαίνει Αυτό για την Ομάδα Σου

Κοίτα, οι περισσότεροι από εσάς δεν φτιάχνετε database migration tools. Φτιάχνετε web apps, APIs, internal tools, MVPs για το επόμενο μεγάλο πράγμα. Τα stakes είναι διαφορετικά.

Αλλά το lesson ισχύει: οι AI agents διαπρέπουν στον όγκο, οι άνθρωποι διαπρέπουν στην κρίση. Οι ομάδες που παίρνουν πραγματική αξία από AI coding δεν κάνουν απλά prompt στο ChatGPT και shipping το output. Χτίζουν συστήματα που αξιοποιούν τον καθένα για αυτό που είναι καλός.

Αυτό μπορεί να σημαίνει:

• Χρήση agents για boilerplate, tests και scaffolding
• Building review pipelines που πιάνουν αυτό που οι agents χάνουν
• Το να αντιμετωπίζεις το agent output ως "draft one" αντί για "ship ready"
• Το να κρατάς ανθρώπους στο loop για οτιδήποτε αγγίζει customer data ή core business logic

Οι developers που θα ευδοκιμήσουν μαζί με AI agents δεν είναι αυτοί που μαθαίνουν να γράφουν πιο γρήγορα. Είναι αυτοί που μαθαίνουν να σχεδιάζουν συστήματα που κάνουν το AI force multiplier αντί για liability.

Το Bottom Line

Το MOLT Sinai επεξεργάστηκε το ισοδύναμο εννέα μηνών engineering δουλειάς σε δύο μέρες, στο 2.5% του κόστους, με ποιότητα που ταίριαζε με human-written κώδικα.

Αλλά αυτό το headline κρύβει τι πραγματικά συνέβη: μια ομάδα ανθρώπων έφτιαξε ένα αυστηρό σύστημα, όρισε ξεκάθαρους ρόλους, έθεσε νόημα checkpoints, και μετά εμπιστεύτηκε τους agents να λειτουργήσουν μέσα σε αυτό το framework.

Οι agents δεν αντικατέστησαν τους μηχανικούς. Τους ενίσχυσαν.

Αυτή δεν είναι ιστορία για AI που αντικαθιστά developers. Είναι ιστορία για developers που χτίζουν συστήματα αρκετά εξελιγμένα για να χρησιμοποιήσουν καλά το AI.

Και ειλικρινά; Αυτή είναι η εκδοχή αυτής της ιστορίας που αξίζει να προσέξεις.

Βαρεθήκατε την υποδομή που σας κρατάει πίσω; Το Vibe Hosting συνδυάζει AI-powered deployment με την αξιοπιστία που χρειάζεστε για να ship προχωράτε γρήγορα χωρίς φόβο. Domain registration, SSL certificates, και cloud hosting—όλα σε ένα μέρος.