Dlaczego AI ignoruje REST? Prawdziwe powody dziwnych API z generatorów

Piszę kod, proszę AI o endpoint do API, a dostaję POST z RPC w środku, choć GET idealnie pasowałby do REST. Znasz to?

Ten schemat powtarza się non-stop. Pytanie brzmi: leniwe dane treningowe czy coś głębszego?

REST to bardziej filozofia niż sztywna reguła

Nie winię AI na wyrost. REST to luźne wskazówki architektoniczne, nie kodowe przykazania. To podejście myślowe, a modele językowe słabo radzą sobie z takimi abstrakcjami.

Podstawy REST:

• GET na bezpieczne odczyty, bez zmian
• POST do tworzenia zasobów
• Wykorzystaj semantykę HTTP
• Bądź stateless

To mądre praktyki z ery webu. Ale nic nie zmusza cię do ich ścisłego przestrzegania. Wiele działających API olewa REST – i działa w produkcji.

Co AI naprawdę "widzi" w danych treningowych

Prawda boli: dane treningowe to chaos. GitHub, Stack Overflow, docs z milionów projektów – co tam dominuje?

Spotkasz:

• RPC wszędzie: Mikrousługi wewnętrzne, GraphQL, stare systemy, praktyczne API bez pedantyzmu REST
• POST na wszystko: Łatwiejsza walidacja, rozszerzanie, debug (logi POST różnią się od GET)
• Frameworki faworyzujące POST: Domyślnie bezpieczniej
• Bezpieczeństwo: Parametry w body, nie w URL

Statystycznie AI myśli: POST jest uniwersalny. I ma rację – odzwierciedla realny kod.

Liczą się tokeny – prostota wygrywa

Prostsza sprawa: tokeny kosztują.

RPC POST:

POST /api/users
{ "action": "getUser", "id": 123 }

REST GET:

GET /api/users/123

Generując token po tokenie, AI woli mniej decyzji. Mniej tokenów, szybciej.

Główny powód? Niekoniecznie. Ale pasuje do ich mechaniki.

REST ma swoje słabości – AI to wyczuwa

REST nie jest panaceum. GraphQL powstał przez sztywne odpowiedzi REST. Zapytania złożone bolą w query stringach. Wewnętrzne usługi rezygnują z REST, bo korzyści znikają w kontrolowanym środowisku.

Może AI podskórnie wie: REST na publiczne API i klient-serwer, ale nie zawsze? To tłumaczy upodobanie do RPC – nie błąd, a kontekst.

Podsumowanie: mieszanka czynników

Rzeczywistość to miks:

1. Dane treningowe: Non-REST dominuje w praktyce
2. Abstrakcja: Filozofia REST trudna do "nauczenia"
3. Efektywność: Prostszy kod = lepsze generowanie
4. Kontekst: REST ma limity

Jak zmusić AI do REST?

Bądź precyzyjny w prompcie:

Stwórz RESTful endpoint wg zasad REST. 
GET na odczyty, poprawne kody HTTP.
Model: User { id, name, email }

Szczegóły = lepsze wyniki. To prompt engineering dla API.

Prawdziwa lekcja

AI nie buntuje się przeciw REST. Pokazuje, jak kod wygląda naprawdę. REST jest elegancki, ale nie jedyny. Wybór zależy od sceny: publiczne API, przeglądarki, rozproszone systemy – tak. Wewnętrzne serwisy, perfokrytyka – pragmatyzm górą.

AI już to ogarnia. My też powinniśmy.

Chcesz solidne API w projekcie? NameOcean's Vibe Hosting ma narzędzia AI, które uczą się twoich wzorców. Ustaw raz, generuj mądrzej. Dowiedz się więcej o NameOcean.