Ein Sprachmodell kann Quellcode in natürlicher Sprache erklären und Änderungsvorschläge machen. Verlässlich ist das Ergebnis erst nach Ausführung, Tests, Versionsprüfung und fachlichem Review.
Geeignet für
- unbekannten Code erklären
- Fehlerstellen eingrenzen
- Tests und Dokumentation entwerfen
- API-Nutzung anhand offizieller Dokumentation prüfen
- kleine Prototypen vorbereiten
Voraussetzungen
Programmiersprache, Laufzeitversion, Bibliotheksversionen, erwartetes Verhalten und Fehlermeldung müssen genannt werden. Geheimnisse, Zugangsdaten und proprietärer Code gehören nur in freigegebene Systeme.
Vorgehensweise
- Umgebung und exakte Versionen angeben.
- Erwartetes und tatsächliches Verhalten beschreiben.
- Zuerst Erklärung und Fehlerhypothesen anfordern.
- Nur eine Änderung nach der anderen durchführen.
- Tests vor und nach der Änderung ausführen.
- Sicherheits- und Lizenzfragen getrennt prüfen.
Beispiel
„Erkläre diesen Python-3.13-Code Zeile für Zeile. Ändere noch nichts. Nenne anschließend drei überprüfbare Ursachen für die Fehlermeldung und jeweils einen Test.“
Qualitätskontrolle
- Passt der Vorschlag zur genannten Version?
- Laufen vorhandene und neue Tests?
- Wurden Seiteneffekte und Fehlerbehandlung berücksichtigt?
- Entstehen neue Sicherheitslücken oder Abhängigkeiten?
Grenzen und Risiken
- Modelle können nicht existierende APIs oder veraltete Parameter vorschlagen.
- Funktionierender Code kann unsicher oder ineffizient sein.
- Große Projekte benötigen Architekturverständnis, Tests und Code-Review.
Passende Tools und Modelle
Geeignet sind codefähige Sprachmodelle mit Zugriff auf das Repository, eine isolierte Ausführungsumgebung und aktuelle offizielle Dokumentation.