Süni İntellekt Dövranında “Vibe Coding” və Tərtibatçının Dəyişən Rolu
Proqram təminatının hazırlanması prosesi köklü paradiqma dəyişikliyindən keçir. Əvvəllər tərtibatçının əsas vaxtı sintaksis yazmağa, boilerplate kodları tərtib etməyə və kitabxana sənədlərini araşdırmağa sərf olunurdusa, bu gün bu ağır yükü GitHub Copilot, Cursor və qabaqcıl böyük dil modelləri (LLM) öz üzərinə götürür. Sektorun son dövrlərdə ən çox müzakirə etdiyi konsepsiyalardan biri olan “Vibe Coding” məhz bu nöqtədə meydana çıxır.
GitHub-ın texniki tövsiyələrində qeyd edildiyi kimi, proqramçının rolu artıq birbaşa kod yazan icraçıdan Texniki Rəhbərə (Technical Director) və baş kod müfəttişinə (Lead Reviewer) çevrilir. Süni intellektə sadəcə istiqamət vermək kifayət etmir; arxitekturanı qorumaq, kənar ssenariləri (edge-cases) hesablamaq və təhlükəsizlik boşluqlarını vaxtında aşkar etmək mühəndislik peşəkarlığının əsas meyarına çevrilib.
“Vibe Coding” Nədir: İlluziya və Real Mühəndislik
“Vibe coding” ideyası tərtibatçının layihənin arxitekturasını və niyyətini təbii dildə ifadə etməsi, süni intellektin isə bu niyyəti işlək koda çevirməsi prinsipinə əsaslanır. Lakin bu yanaşma kor-koranə etimad demək deyil. Əksinə, idarəetmə metodologiyası düzgün qurulmadıqda, layihə qısa müddətdə texniki borc (technical debt) bataqlığına sürüklənə bilər.
İki Əsas İdarəetmə Qaydası
- Tapşırıqların dekompozisiyası (Break tasks down): Süni intellektə monolitik və qeyri-müəyyən təlimatlar vermək (“Mənə tam e-ticarət backend-i qur”) daxili ziddiyyətlərə, kontekst itkisinə və natamam struktura səbəb olur. Bunun əvəzinə tapşırıqlar modul-modul, addım-addım ötürülməlidir.
- Sıfır Etimadla Kod Təhlili (Never blindly merge): Süni intellekt tərəfindən yaradılan Pull Request-lər (PR) heç vaxt yoxlanılmadan ana budağa (main branch) inteqrasiya edilməməlidir. Gizli təhlükəsizlik zəiflikləri, icra xətaları, asinxron bloklamalar və yaddaş sızmaları ən çox bu mərhələdə yaranır.
Monolitik Sorğular vs. Modul İdarəetmə
Aşağıdakı cədvəl süni intellektlə işləyərkən yanlış və düzgün mühəndislik yanaşmaları arasındakı fərqi izah edir:
| Xüsusiyyət | Yanlış Yanaşma (Həddindən artıq abstrakt) | Düzgün Yanaşma (“Technical Director” modeli) |
|---|---|---|
| Sorğunun Strukturu | “İstifadəçi qeydiyyatı və profil sistemini tam hazırla.” | “Prisma ilə User modelini yarat, sonra bcrypt və JWT inteqrasiyalı Express endpoint-ini yaz.” |
| Xətaların İdarə Edilməsi | Ümumi try/catch blokları, detallı logların olmaması. | Hər bir kənar vəziyyət (məs: unikal email xətası, rate limit) üçün xüsusi xəta idarəetməsi tələbi. |
| Təhlükəsizlik | Avtomatik generasiya olunan koda birbaşa güvənmək. | SQL injection, IDOR, Mass Assignment və CORS konfiqurasiyalarının manual auditi. |
Addım-Addım Təlimat: Süni İntellekt Vasitəsilə Modul Backend İnşası
Süni intellekti peşəkar şəkildə yönləndirmək üçün Node.js, Express və Prisma ORM stack-i üzərindən nümunəvi bir iş axınına baxaq.
Addım 1: Tapşırığın Dekompozisiyası və Sxemin Qurulması
İlk öncə layihə mühitini hazırlayın və süni intellektdən yalnız verilənlər bazası sxemini istəyin:
mkdir vibe-coding-demo && cd vibe-coding-demo
npm init -y
npm install express prisma @prisma/client bcryptjs jsonwebtoken dotenv
npx prisma initSüni intellekt üçün 1-ci Sorğu:
“PostgreSQL üçün Prisma sxemində `User` modeli yarat. Sahələr: id (UUID), email (unikal), passwordHash, role (ADMIN, USER enumu) və createdAt olsun. Yalnız schema.prisma kodunu təqdim et.”
Addım 2: API Marşrutunun və Biznes Məntiqinin Tələbi
Sxem təsdiqləndikdən sonra növbəti mərhələyə keçin. Bütün sistemi deyil, yalnız autentifikasiya marşrutunu hədəfləyin.
Süni intellekt üçün 2-ci Sorğu:
“İndi bu Prisma sxeminə uyğun olaraq Express.js-də istifadəçi qeydiyyatı (POST /api/auth/register) marşrutunu yaz. Tələblər: Şifrəni bcrypt ilə hash-lə, daxil olan parametrləri yoxla, eyni email mövcud olduqda 409 xətası qaytar və şifrə hash-ini response daxilində geri göndərmə.”
Addım 3: Təhlükəsizlik və “Edge-Case” Yoxlaması (Review Mərhələsi)
Model kodu generasiya etdikdən sonra onu dərhal layihəyə köçürməyin. Aşağıdakı yoxlama siyahısı (checklist) üzrə auditi həyata keçirin:
- Input Validation: Sorğuda göndərilən email formatı düzgündürmü? Şifrənin uzunluğu və mürəkkəbliyi yoxlanılıbmı? (Məsələn, Zod və ya Joi kitabxanası tətbiq edilməlidir).
- DoSNəzarəti: Şifrələmə üçün istifadə olunan salt raundları (məs:
bcrypt.hash(password, 10)) serveri iflic etməyəcək səviyyədə balanslaşdırılıbmı? - Məlumat Sızması: Xəta mesajları (error handling) daxili bazanın strukturu və ya Prisma xətaları barədə kənar şəxslərə ipucu verirmi?
Addım 4: İnteqrasiya və Testin Generasiyası
Kod sizin texniki tələblərinizə cavab verdikdə, süni intellektdən həmin kod üçün inteqrasiya testləri yazmasını istəyin:
Süni intellekt üçün 3-cü Sorğu:
“Yazdığın /api/auth/register marşrutu üçün Jest və Supertest istifadə edərək iki fərqli kənar ssenarini (uğursuz validasiya və təkrarlanan email) yoxlayan test blokları tərtib et.”
İqtisadi və Sahə Təsiri: Tərtibatçılar Üçün Yeni Bacarıq Tələbləri
“Vibe coding” və generativ alətlər proqram təminatı mühəndisliyini ləğv etmir, əksinə mühəndislik standartlarını daha yuxarı səviyyəyə qaldırır. Sintaksis maneəsi aradan qalxdıqca, bazarın gözləntiləri dəyişir:
- Sistem Arxitekturası Ön Plana Keçir: Kod sətirlərini deyil, mikroservislərin qarşılıqlı əlaqəsini, keşləmə mexanizmlərini (Redis), verilənlər bazası indekslərini anlamaq daha vacib olur.
- Kod Oxuma Bacarığı Kod Yazma Bacarığını Üstələyir: Gələcəyin mühəndisi saniyələr ərzində generasiya olunmuş yüzlərlə sətir koddakı məntiq xətalarını dərhal skan edə bilməlidir.
- Junior Tərtibatçılar Üçün Təhlükə və Fürsət: Süni intellektə sadəcə “kopiyala-yapışdır” aləti kimi baxan gənc mütəxəssislər fundamental bilikləri qazanmaqda çətinlik çəkəcəklər. Lakin bu alətləri dərindən analiz aparmaq və öyrənmək üçün fərdi mentor kimi istifadə edənlər sənayedə çox daha sürətlə irəliləyəcəklər.
Nəticə
Süni intellektlə proqramlaşdırma artıq gələcəyin deyil, bugünün reallığıdır. “Vibe coding” metodologiyası tərtibatçıya görünməmiş sürət bəxş edir, lakin bu sürət nəzarətsiz qaldıqda fəlakətli texniki nəticələrə yol aça bilər. Layihənin uğuru süni intellektin nə qədər kod yazmasında deyil, proqram təminatı mühəndisinin həmin kodu necə yönləndirməsində və nə dərəcədə tənqidi yoxlamasındadır.