Η Ψευδαίσθηση του Vibe Coding: Γιατί η AI Μπορεί να Γράψει Κώδικα αλλά Δεν Μπορεί να Αντικαταστήσει τους System Designers

Ας είμαστε ειλικρινείς: το έχουμε περάσει όλοι. Ανακαλύπτεις ένα νέο AI εργαλείο για coding και ξαφνικά νιώθεις ότι μπορείς να φτιάξεις οτιδήποτε. Εχεις χρόνια που σκέφτεσαι "αν είχα τον χρόνο να υλοποιήσω αυτή την ιδέα"; Ο χρόνος ήρθε. Απλά περιέγραψε αυτό που θέλεις, κάνε iterate με την AI, και ship it.

Αυτό το αίσθημα είναι μεθυστικό. Και επικίνδυνο.

Η γοητεία του "αρκετά καλού" κώδικα

Πέρυσι αποφάσισα να δοκιμάσω τα όρια του vibe coding φτιάχνοντας ένα "απλό" σύστημα μνήμης για AI agents. Ξέρεις, αυτό που θα επέτρεπε σε έναν coding assistant να θυμάται τι έμαθε ανάμεσα στις sessions αντί να ξεκινάει από το μηδέν κάθε φορά.

Πόσο δύσκολο μπορεί να είναι; Αποθήκευσε μερικά facts, ανάκτησέ τα όταν χρειάζονται, ίσως σήμανε αντιφάσεις. Μια έξυπνη database με ένα ωραίο API.

Ο κώδικας συγκεντρώθηκε γρήγορα. Πολύ γρήγορα. Ο agent που δούλευα έβγαλε ένα Rust daemon, ένα classification system, τέσσερις retrieval strategies με re-ranking μέσω local models. Με κάθε μέτρηση, έμοιαζε εντυπωσιακό. Τα tests περνούσαν. Ο compiler ήταν ευχαριστημένος.

Και τότε προσπάθησα να το χρησιμοποιήσω.

Να τι συμβαίνει με τα συστήματα μνήμης για agents: δεν πρόκειται πραγματικά για αποθήκευση. Πρόκειται για νόημα. Και το νόημα, όπως αποδεικνύεται, είναι φιλοσοφικά αγκαθωτό με τρόπους που κάνουν τον προσεκτικά typed κώδικά σου να μοιάζει σαν να χτίζεις ένα rocket και να ξεχνάς να υπολογίσεις τη βαρύτητα.

Το πρόβλημα της αντίφασης που κανείς δεν συζητά

Ο αρχικός μου στόχος ήταν απλός: αν ο agent μάθει κάτι καινούργιο, έλεγξε αν αντιφάσκει με αυτό που ήδη "ξέρει." Φαίνεται λογικό. Μια μνήμη που αντιφάσκει με άλλες μνήμες χωρίς εξήγηση δεν είναι απλά άχρηστη — είναι ενεργά επιβλαβής. Ρυπαίνεις το context window με αντικρουόμενες πληροφορίες.

Τι θα μπορούσε να είναι απλούστερο; Σύγκρινε δύο facts. Σήμανε τη σύγκρουση.

Εκτός.

Τι είναι μια αντίφαση σε ένα τέτοιο σύστημα; Αν ο agent έμαθε τη Δευτέρα ότι "Το Project X χρησιμοποιεί PostgreSQL" και έμαθε την Τρίτη ότι "Το Project X χρησιμοποιεί MySQL," είναι αυτό αντίφαση; Μπορεί να άλλαξε το tech stack. Μπορεί μια πηγή να ήταν λάθος. Μπορεί το "Project X" να αναφέρεται σε διαφορετικά projects. Μπορεί το "χρησιμοποιεί" να σημαίνει διαφορετικά πράγματα σε διαφορετικά contexts.

Οι άνθρωποι χειριζόμαστε αυτό μέσω χρόνων συσσωρευμένης κοινής λογικής, context, και της ικανότητας να λέμε "αυτό δεν αισθάνεται σωστό" χωρίς να μπορούμε να το εκφράσουμε ακριβώς γιατί. Τα AI συστήματα μπορούν να παράγουν уверенη prose για οποιαδήποτε από αυτές τις ερμηνείες, αλλά αυτή η уверенность είναι συχνά απλά pattern matching χωρίς grounded κατανόηση.

Πού σπάει το vibe coding

Το vibe coding τα πάει εξαιρετικά με προβλήματα που μπορείς να περιγράψεις ξεκάθαρα. Έχεις ένα bug; Περιέγραψε τα συμπτώματα. Χρειάζεσαι μια function; Καθόρισε τα inputs και outputs. Η AI χειρίζεται τις λεπτομέρειες υλοποίησης με αξιοσημείωτη ικανότητα.

Αλλά το system design — το πραγματικό system design — αφορά την επίλυση προβλημάτων που δεν μπορείς να περιγράψεις ξεκάθαρα. Αφορά την πρόβλεψη αλληλεπιδράσεων μεταξύ components που δεν υπάρχουν ακόμα. Αφορά το να ρωτάς "τι γίνεται όταν..." για σενάρια που δεν έχεις φανταστεί.

Όταν ζήτησα από τον AI assistant μου να "υλοποιήσει contradiction detection," ουσιαστικά του ζητούσα να λύσει ένα πρόβλημα που δεν μπορούσα να ορίσω ακριβώς. Τα αποτελέσματα ήταν... δημιουργικά. Εξερευνήσαμε Belnap lattices, four-valued logic, formal verification με Agda proofs, Petri nets. Ο assistant ήταν game για οτιδήποτε πρότεινα, και ειλικρινά, μερικές από τις ιδέες ήταν πραγματικά ενδιαφέρουσες.

Αλλά "ενδιαφέρον" δεν σημαίνει "λειτουργεί."

Το proof σε Agda ήταν sound. Η architecture ήταν καλά τεκμηριωμένη. Και το σύστημα εξακολουθούσε να μην ανιχνεύει αξιόπιστα αντιφάσεις γιατί formalize-άμε τη λάθος abstraction. Χτίζαμε ένα όμορφο cathedral πάνω σε θεμέλια από άμμο, και ούτε η AI ούτε εγώ το αναγνωρίσαμε μέχρι να έχουμε επενδύσει μήνες.

Η άβολη αλήθεια

Αυτό που δεν σου λένε οι vibe coding advocates: το δύσκολο κομμάτι της ανάπτυξης λογισμικού δεν ήταν ποτέ το να γράφεις τον κώδικα. Είναι το να καταλαβαίνεις τι να φτιάξεις.

Αυτό ίσχυε πάντα. Αυτό που άλλαξε είναι ότι το χάσμα μεταξύ "είχα μια ιδέα" και "έχω κώδικα" έχει καταρρεύσει δραματικά. Αυτό είναι γνήσια θαυμάσιο για prototyping, για μάθηση, για εξερεύνηση του τι είναι δυνατό.

Αλλά σημαίνει επίσης ότι μπορείς να αποτύχεις πολύ πιο γρήγορα και ακριβά από πριν. Μπορείς να παράγεις βουνά από уверенου-φαίνεται κώδικα που λύνει το λάθος πρόβλημα, και μπορεί να μην το καταλάβεις μέχρι να έχεις χτίσει ένα ολόκληρο σύστημα πάνω σε ελαττωματικά θεμέλια.

Τι βοηθάει πραγματικά

Τίποτα από αυτά δεν σημαίνει ότι η AI-assisted ανάπτυξη είναι κακή ιδέα. Δεν είναι. Αλλά η αποτελεσματική χρήση της απαιτεί διαφορετικές δεξιότητες από την καθαρή ικανότητα coding:

Πρέπει να ξέρεις τι δεν ξέρεις. Όταν η AI προτείνει μια λύση σε έναν τομέα που δεν γνωρίζεις, δεν είναι η ώρα να πεις "ακούγεται καλό, υλοποίησέ το." Είναι η ώρα να σκάψεις βαθύτερα.

Τα proofs of concepts πρέπει να testάρονται ανελέητα απέναντι σε πραγματικά use cases. Αν φτιάχνεις ένα σύστημα μνήμης, πέρασε τόσο χρόνο προσπαθώντας να το σπάσεις όσο πέρασες χτίζοντάς το. Ειδικά προσπάθησε να σπάσεις τις βασικές υποθέσεις που δεν ήξερες ότι έκανες.

Η уверенность δεν είναι δική σου. Όταν ένας AI assistant είναι πολύ σίγουρος για μια απόφαση design, αυτή η уверенность ανήκει στο μοντέλο, όχι στην κατανόησή σου. Ένα σύστημα που δεν καταλαβαίνεις βαθιά είναι ένα σύστημα που δεν μπορείς να κάνεις maintain ή debug.

Το systems design εξακολουθεί να είναι discipline. Μπορείς να χρησιμοποιείς AI για να εξερευνάς designs πιο γρήγορα, να υλοποιείς κομμάτια συστημάτων πιο γρήγορα, να κάνεις prototype ιδέες που θα χρειάζονταν εβδομάδες για να χτιστούν χειροκίνητα. Αλλά εξακολουθείς να χρειάζεσαι κάποιον που μπορεί να αξιολογήσει αν το design έχει νόημα, αν τα components αλληλεπιδρούν σωστά, αν οι core abstractions στέκουν.

Η ουσία

Εξακολουθώ να χτίζω το memory tool μου. Βελτιώνεται, αργά. Έχω μάθει να κάνω διαφορετικές ερωτήσεις, να testάρω πιο αυστηρά, να είμαι πιο καχύποπτος με τα "αρκετά καλά" αποτελέσματα.

Αλλά έχω επίσης μάθει να σέβομαι το χάσμα μεταξύ "ο κώδικας δουλεύει" και "το σύστημα είναι σωστό." Αυτό το χάσμα υπήρχε πάντα. Τα AI εργαλεία δεν το έκλεισαν — απλά το έκαναν πιο εύκολο να αγνοηθεί.

Οι καλύτεροι vibe coders δεν είναι αυτοί με τις καλύτερες prompting δεξιότητες. Είναι αυτοί που ξέρουν πότε η vibe είναι λάθος.

Έτοιμος να εξερευνήσεις τι είναι δυνατό με AI-assisted hosting και development; Το Vibe Hosting της NameOcean συνδυάζει ισχυρή υποδομή με τα εργαλεία που χρειάζεσαι για να χτίσεις, deployάρεις και κλιμακώσεις το επόμενο project σου.