AI-जनित कोड को हटाने के लिए हम हफ्ते के $10k लेते हैं

मूल लेख ↗ Hacker News चर्चा ↗

एक नई consultancy बड़े, AI-जनित codebases को साफ करने के लिए हफ्ते के $10,000 ले रही है, redundant “slop” को हटाकर पीछे एक छोटा, अधिक maintainable सिस्टम छोड़ने का वादा करते हुए। टिप्पणीकारों में राय बंटी हुई है: कुछ इसे traditional legacy-code consulting के स्वाभाविक विकास के रूप में देखते हैं, जबकि कुछ को शक है कि एक-सप्ताह के refactors, जो अक्सर AI tools का ही उपयोग करते हैं, missing specs, कमजोर tests, और जटिल business logic को संभाल पाएँगे। यह चर्चा एक बड़े तनाव को दिखाती है: AI निम्न-गुणवत्ता कोड के निर्माण और skilled engineers की productivity दोनों को बहुत तेज़ कर सकता है, जिससे human oversight और architectural judgment obsolete होने के बजाय और भी महत्वपूर्ण हो जाते हैं.

बिज़नेस मॉडल: “Slopfix” रिफैक्टरिंग सेवा

  • सेवा: एक-सप्ताह के एंगेजमेंट, तीन सीनियर इंजीनियर, लगभग $10k, AI-जनित “slop” कोड को हटाने और रिफैक्टर करने पर केंद्रित।
  • वे कोड-आकार में कमी का एक लक्ष्य तय करते हैं; भुगतान इस बात के अनुपात में होता है कि वे कितनी कमी हासिल करते हैं।
  • बड़े पैमाने पर रिफैक्टर के लिए टूल्स के रूप में LLMs का भारी उपयोग (जैसे Claude Code), लेकिन आर्किटेक्चर और निर्णय मनुष्य लेते हैं।
  • दो-सप्ताह की “वारंटी” विंडो को बहुत छोटा बताकर आलोचना हुई; प्रदाता का दावा है कि व्यवहार में वे ग्राहकों को नहीं छोड़ते और अब बग्स को ठीक करना आसान है।

क्या यह सचमुच नया है?

  • एक पक्ष: यह सिर्फ लेगेसी “big ball of mud” सिस्टम, आउटसोर्स्ड कोड, क्लाउड/क्रिप्टो/जो भी hype का fallout साफ करने का नया संस्करण है।
  • दूसरा पक्ष: AI ने LOC का अभूतपूर्व विस्फोट पैदा किया है; AI-slop क्लासिक लेगेसी टेक को भी पीछे छोड़ देगा और लंबे समय का “slopfield” काम बनाएगा।

AI-जनित कोड की गुणवत्ता

  • अनुभव काफी अलग-अलग हैं:
    • कुछ लोग बताते हैं कि कुशल इंजीनियरों द्वारा इस्तेमाल किया गया AI-सहायता प्राप्त कोड, AI-पूर्व कोड की तुलना में अधिक साफ, बेहतर दस्तावेज़ित, और बनाए रखने में आसान था।
    • दूसरों को गैर-इंजीनियरों या कम अनुभवी उपयोगकर्ताओं द्वारा बनाया गया बेहद “vibe-coded” गड़बड़ कोड दिखता है: नाज़ुक, आपस में उलझी हुई आर्किटेक्चर, खतरनाक shortcuts (जैसे destructive DB migrations)।
  • कई पोस्टर इन 3 स्थितियों में अंतर करते हैं:
    1. गैर-डेव्स द्वारा pure vibe coding।
    2. प्रक्रिया-जागरूक गैर-कोडर्स जो AI का उपयोग करते हैं।
    3. मजबूत review और structure के साथ AI का उपयोग करने वाले इंजीनियर।
    • क्लाइंट्स को (1) से (3) में ले जाना बेहद मूल्यवान माना जाता है।

AI से AI की सफाई

  • संदेहवादी “AI in, AI out” की तुलना बार-बार होने वाली lossy transcoding से करते हैं: गलतियाँ रद्द होने की बजाय जमा हो जाती हैं।
  • समर्थकों के अनुसार AI एक power tool है: अनुभवी devs के हाथों में यह targeted refactors, code profiling, और pattern-based cleanup को तेज करता है।
  • सामान्य पैटर्न: tests (e2e, unit, mutation) लिखना या सुधारना, strict duplication/linting rules तय करना, फिर CI के तहत AI के साथ iteratively code काटना और refactor करना।

व्यवहार्यता, दायरा, और जोखिम

  • एक हफ्ते में जटिल business rules समझने और regressions पकड़ने को लेकर संदेह, खासकर कमजोर test suites के साथ।
  • समर्थकों का दावा:
    • बहुत सा AI-slop शुरुआती चरण का है और अभी तक एक दशक के corner cases से बोझिल नहीं हुआ है।
    • काम को “conceptually hard” मानव कार्यों और “repetitive pattern” कार्यों में बाँटा जा सकता है, जिन्हें AI को दिया जाए।
    • प्रारंभिक scans, client walkthroughs, और architecture decisions मनुष्य-नेतृत्व में होते हैं।

बाज़ार, प्रोत्साहन, और दीर्घकालिक चिंताएँ

  • लक्षित ग्राहक अक्सर non-technical founders होते हैं जिन्होंने AI का अधिक उपयोग किया और अब unmaintainable repos का सामना कर रहे हैं।
  • कुछ लोग एक स्थायी चक्र की भविष्यवाणी करते हैं: क्लाइंट्स refactor करते हैं, फिर उसके ऊपर फिर से vibecode करते हैं, जिससे recurring consulting work बनता है।
  • अन्य लोग तर्क देते हैं कि “असल” समाधान human-led rewrites है, लेकिन कई लोग इसका विरोध करते हैं कि wholesale rewrites शायद ही कभी optimal होते हैं।
  • उद्योग के proprietary LLMs (Anthropic/OpenAI) पर core infrastructure के रूप में निर्भर होने और भविष्य की pricing या availability shocks के जोखिम पर चिंता उठाई गई।