AI रॉकस्टार डेवलपर्स के बाद की सफ़ाई

“AI रॉकस्टार” / vibe-coded गड़बड़ियों की प्रकृति

• कई लोग AI-जनित कोड की तुलना पुराने “रॉकस्टार” या आउटसोर्स किए गए स्लॉप से करते हैं: तेज़ फीचर डिलीवरी, खराब डिज़ाइन, दोहराव, अजीब abstractions, और नाज़ुक integrations।
• LLM की विशिष्ट विशेषताएँ: अनावश्यक जटिलता, requirements से आगे overbuilding, frameworks जो पहले से देते हैं उसे फिर से invent करना, और बहुत बड़े, धीमे frontends।
• दूसरों का तर्क है कि यह नया नहीं है: ऐसी ही समस्याएँ spaghetti VB/PHP, copy-paste offshore work, और overengineered “resume-driven” stacks में भी थीं।

Management और संगठनात्मक गतिशीलताएँ

• कई लोग ज़ोर देते हैं कि यह मूलतः people/management problem है: code review की कमी, top-down AI mandates, और executives को संतुष्ट करने के लिए managers का “code” करना।
• कुछ कहते हैं कि आपको खराब PRs को reject करना चाहिए और authors को दर्द उठाने देना चाहिए; दूसरे जवाब देते हैं कि बड़े, hierarchical orgs में आप push back नहीं कर सकते और आपको cleanup करना ही अपेक्षित है।
• इस पर कड़ा मतभेद है कि क्या कंपनियाँ कभी “velocity” और MVPs के बजाय refactoring/maintenance को प्राथमिकता देंगी।

व्यवहार में LLMs का उपयोग कैसे किया जाता है

• सकारात्मक अनुभव:
  • डेवलपर्स scaffolding, refactors, migrations, infra, और tests के लिए multiple review/cleanup prompts के साथ LLMs का उपयोग करके productivity में बड़ा लाभ रिपोर्ट करते हैं।
  • कुछ लोग web + mobile + infra सहित पूरे apps largely LLMs के ज़रिए ship कर सकते हैं, और उन्हें legacy codebases खड़ा करने या मुश्किल मुद्दों को debug करने के लिए इस्तेमाल करते हैं।
• नकारात्मक या सतर्क दृष्टिकोण:
  • LLMs बुरी आदतों को बढ़ाते हैं; novices “it runs” को बिना समझे स्वीकार कर लेते हैं।
  • code bloat, duplicated logic, रहस्यमय abstractions, और मानवों की तुलना में तेज़ी से tech debt पैदा करने वाली organizations को लेकर चिंता।
  • “agents जो auto-clean tech debt करें” या “AI के युग में कोई technical debt नहीं” जैसी धारणाओं के प्रति संदेह।

Maintainability, refactoring, और craftsmanship

• व्यापक सहमति है कि maintainability अभी भी मानव समझ, architecture, tests, और अनुशासन पर निर्भर करती है।
• कुछ लोग AI को prototypes और disposable tools के लिए बेहतरीन मानते हैं; दूसरे चेतावनी देते हैं कि prototypes अक्सर production में जम जाते हैं।
• कई लोग refactoring skills और long-term “gardener” roles पर ज़ोर देते हैं; अन्य कहते हैं कि modern orgs शायद ही कभी इस काम को पुरस्कृत करते हैं।

करियर, भूमिकाएँ, और भावनाएँ

• थ्रेड boredom, burnout, underutilization, और replace होने के डर—या AI messes को अंतहीन साफ़ करने के डर—को सामने लाता है।
• “10x developers” और “developers” बनाम “engineers” के बीच भेद पर बहस; कुछ इसे gatekeeping कहते हैं, जबकि अन्य इसे वास्तविक productivity deltas मानते हैं।