वाइबकोडिंग हाथ से कोड लिखने जितना मज़ेदार नहीं है
कई लंबे समय से प्रोग्रामिंग कर रहे लोग कहते हैं कि AI एजेंटों से अपना ज़्यादातर कोड लिखवाना, “हाथ से कोड” करने की तुलना में कम संतोषजनक लगता है, क्योंकि इससे फ्लो, शिल्पकौशल, और सीखने का आनंद घटकर मशीन आउटपुट की समीक्षा और दिशा-निर्देशन जैसी अधिक प्रबंधकीय भूमिका रह जाती है। दूसरी ओर, कुछ लोग तथाकथित “वाइबकोडिंग” को एक शक्तिशाली टूल के रूप में अपनाते हैं, जो बोइलरप्लेट हटाता है, पहले असंभव रहे साइड प्रोजेक्ट्स को संभव बनाता है, और डोमेन विशेषज्ञों को गहरी प्रोग्रामिंग कौशल के बिना सॉफ्टवेयर बनाने देता है। अलग-अलग दृष्टिकोणों के बीच, लोग इस बात से जूझ रहे हैं कि वे प्रक्रिया को कितनी अहमियत देते हैं बनाम अंतिम उत्पाद को, AI-प्रधान वर्कफ़्लो में कौशल को तेज़ कैसे रखा जाए, और सॉफ्टवेयर डेवलपमेंट में यह बदलाव करियर के लिए क्या मायने रखता है।
“मज़ा” एक व्यक्तिनिष्ठ चीज़ है, और उसे कैसे प्रस्तुत किया जाए
- कई लोगों का तर्क है कि मज़ा स्वभावतः व्यक्तिगत होता है; “X मज़ेदार नहीं है” कहना साफ़ तौर पर अपने ही अनुभव के बारे में है।
- दूसरों का मानना है कि लेखकों को फिर भी व्यक्तिनिष्ठता का संकेत देना चाहिए (“मुझे लगता है”, “मेरे लिए”) ताकि अंतहीन बहस और क्लिकबेट जैसी धारणा से बचा जा सके।
- कुछ लोग इस विरोध को AI उपयोगकर्ताओं की रक्षात्मक प्रतिक्रिया मानते हैं; कुछ इसे इस बात से चिढ़ मानते हैं कि उन्हें बताया जा रहा है कि उन्हें क्या “पसंद” करना चाहिए।
लोग वास्तव में कोड लिखने के लिए AI का उपयोग कैसे करते हैं
- एक बहुत बड़ा दायरा: “कोई कोड नहीं पढ़ना, बस चैट करो और शिप करो” से लेकर “AI को ऑटोकम्प्लीट / रिफैक्टरिंग असिस्टेंट” तक और फिर योजना, कोडिंग, और समीक्षा एजेंटों वाले पूरी तरह “एजेंटिक” सेटअप तक।
- आम पैटर्न: रोचक या महत्वपूर्ण हिस्से हाथ से लिखना, और बोइलरप्लेट, ग्लू कोड, या एकबारगी इंटीग्रेशन एजेंट को सौंप देना।
- कुछ लोग AI का उपयोग मुख्यतः छोटे निजी यूटिलिटीज़ या पुराने प्रोजेक्ट्स को फिर से जीवित करने के लिए करते हैं; कुछ बड़े पेशेवर सिस्टमों के लिए, जहाँ उद्यमों में उपयोग मापा हुआ होता है।
वाइबकोडिंग के माने जाने वाले लाभ
- भारी गति बढ़ोतरी, खासकर: बोइलरप्लेट, जटिल लेकिन मानक स्टैक्स, ऐसे APIs जिन्हें आप सिर्फ एक बार इस्तेमाल करेंगे, उबाऊ डिबगिंग, पुराने कोड को बदलना या आधुनिक बनाना।
- यह “आइडिया वाले लोगों” या डोमेन विशेषज्ञों को, जो मजबूत कोडर नहीं हैं, वे चीज़ें बनाने देता है जिन्हें उन्हें पहले दूसरों से बनवाना पड़ता था।
- कई अनुभवी डेवलपर कहते हैं कि वे खुद को “आर्किटेक्ट” या “कंडक्टर” जैसा महसूस करते हैं, जो लंबे समय से सोचे गए विचारों को जल्दी साकार कर सकते हैं।
माने जाने वाले नुकसान और आनंद की कमी
- “फ्लो” और शिल्पकौशल के खोने का तीव्र एहसास; काम रचना से ज़्यादा मैनेजमेंट, DevOps, या कोड रिव्यू जैसा लगता है।
- वाइबकोडिंग ऐसा लग सकता है जैसे इंटरनेट से किसी और का कोड खींच लिया हो, या “खेलने के बजाय किसी और को गेम खेलते देखना।”
- कुछ लोगों को कठिन समस्याएँ हल करने से मिलने वाला डोपामिन अब धीमी, कम संतोषजनक संगठनात्मक और योजना संबंधी समस्याओं से बदलता हुआ लगता है।
- कई लोग पेशेवर कोडिंग छोड़ने या उसे कम प्राथमिकता देने की योजना बना रहे हैं क्योंकि मज़ेदार हिस्सा अब नहीं रहा।
कोड की गुणवत्ता, जोखिम, और समीक्षा का बोझ
- संशयवादी: LLMs औसत/मध्यम कोड को और बढ़ा देते हैं, मौजूदा एब्स्ट्रैक्शन्स की अनदेखी कर सकते हैं, और सूक्ष्म सुरक्षा या विश्वसनीयता जोखिम ला सकते हैं; जोखिम-संवेदनशील ग्राहक इस बात की परवाह करते हैं।
- समर्थक: अच्छी आर्किटेक्चर, सही प्रॉम्प्टिंग, और मल्टी-एजेंट समीक्षा के साथ आउटपुट सामान्य मानव कोड के बराबर या उससे बेहतर हो सकता है, और मात्र मात्रा के साथ तेज़ पुनरावृत्ति बड़ा लाभ है।
- कई लोग “रिव्यू डिलेमा” की शिकायत करते हैं: हर चीज़ की समीक्षा करें (बर्नआउट) बनाम एजेंट पर भरोसा करें (प्रोडक्शन में चौंकाने वाली समस्याएँ)।
करियर, पहचान, और गेटकीपिंग
- दो स्वयं-परिभाषित “कैंप”: वे जो कोड को शिल्प के रूप में पसंद करते हैं बनाम वे जो मुख्यतः अंतिम उत्पादों और उपयोगकर्ताओं की परवाह करते हैं।
- तनाव: कुछ आलोचकों पर “कोप” या गेटकीपिंग का आरोप लगाते हैं; कुछ भारी AI उपयोगकर्ताओं पर आलसी होने या “स्लॉप” स्वीकार करने का आरोप लगाते हैं।
- भविष्य में नौकरी-योग्यता को लेकर व्यापक चिंता, खासकर उन लोगों में जो मुख्यतः खुद कोडिंग का आनंद लेते हैं।
AI युग में कोडिंग सीखना
- पुराने डेवलपर शुरुआती लोगों को सलाह देते हैं: AI को ट्यूटर/रिव्यूअर की तरह इस्तेमाल करें, लेकिन अगर गहरी समझ चाहिए तो अपनी इम्प्लीमेंटेशन खुद टाइप करें; “निष्क्रिय सीखना नहीं होता।”
- चिंता है कि AI पर अत्यधिक निर्भरता कौशल को कमजोर कर देगी और बड़े AI-लिखित कोडबेस को AI के लिए भी बनाए रखना कठिन बना देगी।
- कुछ लोग एक नई कौशल-खाई पर ज़ोर देते हैं: एजेंटों को प्रभावी ढंग से चलाना और उनके आसपास आर्किटेक्चर बनाना जानना।