OpenAI komt met AI-agent voor schrijven van code

OpenAI test een AI-agent die programmeertaken van softwareontwikkelaars moet kunnen overnemen. De tool kan verbonden worden met Github-repo's en kan onder meer code schrijven en pullrequests doen.

OpenAI heeft Codex als research preview uitgebracht. De AI-agent maakt gebruik van het nieuwe Codex-1-model. Dat is een aangepaste versie van redeneermodel o3 en is volgens het bedrijf geoptimaliseerd voor software-engineering. OpenAI beweert dat de code van Codex-1 menselijker oogt en dat het model instructies beter opvolgt.

Codex is toegankelijk via de webversie van OpenAI, maar wordt geopend in een sandboxed desktopomgeving zonder internettoegang. Gebruikers kunnen hun coderepositories van Github inladen en de AI-agent vragen over de codebase stellen of de code laten aanpassen. Codex is volgens de maker in staat om onder meer functies te schrijven, bugs te fiksen, tests uit te voeren en pullrequests voor te stellen.

Het uitvoeren van een taak duurt volgens OpenAI maximaal dertig minuten. De tool kan meerdere taken tegelijk uitvoeren en werkt op de achtergrond. Gebruikers kunnen zelf kiezen of ze de wijzigingen in de Github-repo of in een lokale omgeving willen integreren.

Codex is toegevoegd aan ChatGPT-abonnementen Pro, Enterprise en Team. Later moeten ook Plus- en Edo-abonnees toegang krijgen tot de agent. OpenAI is van plan om na de previewperiode de gebruikslimiet voor alle abonnementen te verlagen. Gebruikers kunnen dan los extra credits kopen.

OpenAI Codex

Door Kevin Krikhaar

Redacteur

17-05-2025 • 10:14

81

Reacties (81)

81
81
27
3
0
45
Wijzig sortering
Super interessant, hoe snel de vooruitgang ook gaat! Ik vraag mij wel af in hoeverre het toegankelijk is voor mensen die geen codeer achtergrond hebben. Moet dit ook samen gaan met windsurf en concurreren met cursor of wordt dit iets los wat daarnaast komt te staan? Ik heb zelf voor mijn opleiding werktuigbouwkunde alleen wat in python gerommeld dus ik ben zeker geen expert, maar ik vind het tot nu toe wel al heel vet wat ik kan doen met de basics zonder allemaal libraries te hoeven kennen!
Ik heb geen achtergrond in programmeren, maar ik heb twee weken terug in een paar dagen tijd dit gemaakt met behulp van ChatGPT. Wel zelf zo nu en dan wat dingen gefixt en zelf toegevoegd of weggehaald, maar het is het heerlijk om gewoon als input te kunnen geven wat je wilt en een redelijk werkbare code te krijgen (al is het wel hit & miss). Voorheen gebruikte ik Google en fora om antwoorden te krijgen op mijn C#-vragen of vragen over HTML/CSS, maar nu kun je er een AI-agent voor gebruiken met redelijk oké succes. Als het wat complexer wordt is het wel meer miss dan hit overigens, maar vaak kun je er dan ook wel uit komen door zelf te rommelen, wat handmatig te zoeken, en vragen op te delen in kleine stukjes zodat het wat minder complex wordt.

Voor iemand met vooral een creatieve achtergrond en interesse is dit echt ideaal, aangezien ik zo redelijk eenvoudig mijn creatieve ideeën tot leven kan brengen. Nou weet ik inmiddels wel een beetje hoe C# werkt, dat scheelt ook. Iemand die er helemaal niks van weet gaat denk ik ook met iets als ChatGPT of CoPilot niet ver komen.
Ik kan me grotendeels aansluiten bij @SomerenV wat betreft de bruikbaarheid. Hoe complexer de klus, hoe matiger de kwaliteit/werkzaamheid van de code. Ik ervaar het alsof er een collega naast je zit die je klussen kunt geven terwijl je zelf het overzicht houdt.

Er zit bij dit soort tools wel een soort "cut-off" qua kennis: Op een zeker punt weet je zelf genoeg van [vul programmeertaal hier in] dat je een agent het werk niet snel zou laten doen. Dan wil je het op "jouw manier" en accepteer je dat je het dan zelf moet tikken. Dan is Github Copilot wel weer handig als aanvulling (ipv een AI agent) omdat die bijvoorbeeld docstrings voor je kan schrijven.
Als developer moet ik zeggen, het is nu sinds de laatste versies van WindSurf wel echt serieus goed geworden. Niet perfect natuurlijk, maar weinig echte missers meer gehad.

De “op jou manier” en “beter zelf doen” herken ik wel, maar dat is ook een fase geweest, tenminste, bij mij wel… inmiddels heb ik me gerealiseerd dat perfectie niet bestaat en dat het me echt veel te veel tijd kost, dus nu is goed genoeg, goed genoeg en zijn andere dingen veel belangrijker 😊
... inmiddels heb ik me gerealiseerd dat perfectie niet bestaat en dat het me echt veel te veel tijd kost, dus nu is goed genoeg, goed genoeg en zijn andere dingen veel belangrijker
Dit is wel een issue voor productiecode; "consistency is king" is absoluut van betrekking op de onderhoudbaarheid van codebases. Toevoegingen / wijzigingen aan die codebase (door AI of mens) die "de stijl" van de codebase niet volgen hebben dus een negatieve invloed op de onderhoudbaarheid van de codebase. Uiteindelijk kunnen andere dingen alleen maar veel belangrijker zijn als ze ook daadwerkelijk gerealiseerd en onderhouden kunnen worden.
Aan de andere kant, de meeste softwareprogramma's worden niet eindeloos doorontwikkeld. Als je AI inzet om op alle mogelijke manieren testen te schrijven die valideren dat de huidige functionaliteit ongewijzigd blijft, is het in mijn ogen prima als de consistentie wat af neemt. Los daarvan is de gegenereerde code nu misschien nog niet altijd 100% consistent met je bestaande codebase, maar bij nieuwe modellen zou dat natuurlijk altijd kunnen verbeteren.
De meeste stukken software waar ik aan gewerkt heb als dev (10j ervaring) worden juist doorontwikkeld. In mijn ervaring is leesbaarheid en consistentie belangrijker dan tests. Dat ligt natuurlijk ook of je aan grote producten ontwikkeld of kleinere backend apps. Niets beschrijft de werking van code beter dan de nette code zelf!
En begrijp me niet verkeerd, ik houd van goede tests schrijven. Maar als je code niet netjes is is het ook lastig goede tests eromheen te zetten.
Ik zie juist de meeste producten na een paar jaar een beetje in maintenance modus geraken. Producten waar echt compleet nieuwe functionaliteit aan toe wordt gevoegd is zeldzaam.

Maar het bestaat natuurlijk wel. Ik werk al 10+ jaar aan een product waar we (door de modulaire opzet en loskoppelen van business logic van de code) elke maand een nieuwe module uitbrengen die het equivalent is van waar een normaal ontwikkelteam een jaar voor nodig heeft als ze het vanaf de grond af op willen bouwen.
Die modulaire opzet die je noemt is imho juist een voorbeeld van nette code waarvoor je echt wel ontwikkelaars met ervaring en kennis voor nodig hebt.
Ja, maar de meeste software wordt van het begin af aan al niet zo opgezet. Je hebt bedrijven die zich volledig toeleggen op software om bijvoorbeeld loonadministratie te doen, maar die nooit de stap nemen om ook bijvoorbeeld andere boekhoudkundige modules er bij te ontwikkelen. Als dat tien jaar draait, zijn de enige wijzigingen die worden gemaakt wanneer wet- en regelgeving verandert, wat op het grote geheel natuurlijk details zijn.
Met perfectie bedoel ik geen consistentie, maar ongezond lang perfectioneren van code, hier wat context:
https://medium.com/@scham...gineers-back-c464cbae0539

Consistentie is inderdaad belangrijk, stijl van code ook, maar dit zijn tegenwoordig dingen die je je AI wel kunt laten volgen, met een oogje in het zeil natuurlijk, en kleine stapjes helpen ook.

Maar dan nog, ik heb liever goed leesbare code met veel comments, dan "perfect" en zo kort mogelijk geschreven code dat microseconden sneller is.
Geeft dan ook duidelijke instructies en stel regels op om het op jouw manier te doen! Hoe zou je een nieuwe junior dev uitleggen hoe je werkt? Een hele middag hem/haar overvloeden met een zogenaamde werkwijze of 1x naar de repository wijzen? Een readme en een docs mapje doen wonderen, heb je ADRs? Zet ze in de repo.
Super leuk gemaakt!

En het mooie is dat je er door het snelle resultaat ook weer een hoop van leert wanneer je de code ziet en wilt aanpassen. En dat is vooral belangrijk wanneer je besluit dit op te schalen naar een volledige game (levels, doelen, beloningen, upgrades, menu's, handelen in knikkers (ruilen), etc)
Op deze manier leer ik ook beter/makkelijker dan door middel van tutorials, al mis je op deze manier wel weer een bepaalde basis dus ik betwijfel of het de betere manier van leren is. Natuurlijk past het ook wel in de huidige tijdsgeest waarbij er niet meer de aandachtspanne is om uren aan tutorials en uitleg te volgen om zo stapsgewijs iets te leren. En ik heb simpelweg de tijd niet om het op die manier te doen, dus dan maar super gericht en met behulp van AI. Werkt prima. Wat wél lastig is is het koppelen van allerlei losse systemen. Daarin schiet AI dan wel weer tekort naar mijn mening. Werkt goed voor losse snippets die niet al te complex zijn, maar daar voorbij worden de resultaten al snel een stuk minder goed.
Met zo een A i assistent krijg je geen harde muscle memory leer ervaring, maar voor kauw niveau van programmeer skills. De problem solving mindset verstompt. Want dat doet die AI assistent. Voor complexe problemen te moet oplossen en te evalueren zal je gedegen routine in kleinere probleem oplossend vermogen hebben. De kans is dus dat als je al hoog niveau had en na 10jaar zwaar leunen op AI assistent. Je ook in die vervangen taken achteruit gaat. En je dus afhankelijk van die AI assistentie wordt.
Zelf beetje basis C++ voor hobby programmeren. AI assistent kan ik dus wel gebruiken en van leren. Vaak heb je in programmeren ook van die paradigma kampen en hoe zo een AI gevoed is. Zal het ook bias hebben. Vooral guidline voorkeuren en oplossingen voorkeur. OOP vs DOD vs Functional etc.
Mensen worden sowieso steeds minder goed in het oplossen van problemen omdat alles steeds meer voorgekauwd wordt. Ik denk dat de de mensen die nu ~30 zijn de laatste generatie zijn (voorlopig althans) waarbij probleemoplossend vermogen nog relevant was. De laatste generatie die daadwerkelijk moeite moest doen om antwoorden op problemen te vinden. En eerlijk is eerlijk: het is ook wel gewoon makkelijk een kant en klaar antwoord te krijgen. Waarom rondstruinen op het internet of in boeken als je middels een simpele prompt hetzelfde kunt bereiken? Alleen zodra je af moet wijken van het voorgekauwde antwoorde gaat het al snel mis...
Ik ben wel een developer en ik vind het fantastisch dat iemand zonder achtergrond in programmeren ook de vrijheid krijgt iets te realiseren!

Wat ik wel vreemd vind in heel het online discours is dat als de rollen omgedraaid worden, dus als een programmeur AI gegenereerde afbeeldingen wil gebruiken omdat er (zoals in mijn geval) geen greintje artistieke creativiteit in zit, dit algemeen afgekraakt wordt als zijnde stelen en jobs ontnemen. Terwijl dit ook maar een brug is om iets te realiseren wat anders niet in de kaarten had gezeten.
Ik snap de hetze tegen AI generated content ook niet zo hoor, ook niet vanuit de creatieve hoek. In mijn ogen is het vooral de angst dat men straks niet meer nodig geacht wordt, in combinatie met het idee dat AI vooral leert door het 'jatten' van het werk van anderen. Nou leert AI op die manier ook iets als C#, maar da's toch vaak wat minder creatief omdat het wat meer onderhevig is aan vaste regels en formules, en dus minder erg ofzo?

De muziek in m'n knikkerspelletje is overigens ook AI generated door middel van Suno en ik vermoed dat de meeste mensen het niet eens horen. De meeste mensen zien ook het verschil niet tussen iets wat door een mens is gemaakt of iets dat door een computer is gegenereerd. Daar zit ook vooral de angst in, want als artist weet je gewoon dat je makkelijk te vervangen bent door een zielloze AI agent, zeker binnen nu en een paar jaar. Er zijn al assets die op basis van prompts prima textures kunnen genereren bijvoorbeeld, helemaal gereed voor een PBR-workflow.

Deze (r)evolutie ga je simpelweg niet meer stoppen en je er tegen verzetten is in mijn ogen volstrekt kansloos en zonde van de energie die je erin steekt. Ik snap de gedachtegang erachter, en hoe AI leert is nogal eens discutabel (lees: content gebruiken die eigenlijk niet gebruikt mag worden) maar die geest ga je nooit meer terug in de fles krijgen.
Ik vind het anders bijzonder vervelend om AI content te zien in een creatief vak

Ik kijk naar kunst en fotos, luister muziek of lees een boek omdat ik iemand zijn emotie en creativiteit (geschapen door iemand zijn persoonlijke ervaringen) wil zien. AI heeft geen daar van, het mist alle vormen van passie en emotie.

Hoe mensen kunnen genieten van creatieve content gemaakt door een stuk code snap ik echt niet, het weten dat er geen iemand met vele jaren aan leven het gemaakt heeft haalt eigenlijk al direct mijn plezier er uit. Je krijgt geen interessante inzichten in het leven, geen nieuwe creatieve creaties, alles is gebaseerd op al gemaakt werk.

AI heeft geen dingen mee gemaakt, AI heeft niet gehuild, gelachen of geliefd in zijn leven.
We hebben ons hele leven al getekend en gecreëerd omdat er onze ervaringen willen delen, de complexiteit van het mens zijn willen beschrijven, de connectie voelen van een ander.

AI content is een complete verdoening van mijn tijd en naar mijn mening een aanval van het corporate leven op iets wat echt menselijk tot de core is: Onze creativiteit

[Reactie gewijzigd door smiba op 17 mei 2025 23:40]

Het een sluit het ander niet uit. Ik kan ook enorm genieten van bijvoorbeeld foto's of muziek en ben nota bene zelf fotograaf en videograaf. Voor muziek heb ik sinds kort een platenspeler in huis waar ik echt dol op ben. Maar om mijn knikkerspelletje als voorbeeld te nemen: ik wilde voor in het hoofdmenu wat simpele lofi-muziek. Geen betekenis, geen nieuwe inzichten, gewoon een simpel chill deuntje zodat er geen stilte is. Daar is AI in mijn ogen perfect voor. Of daar kan het perfect voor zijn. Het geluid van de knikkers heb ik overigens wel zelf opgenomen met een Zoom H2n en bewerkt in Audition. Maar hetzelfde geldt ook voor bijvoorbeeld textures in een game. Voor de texture van een muur, straat of gras boeien persoonlijke ervaringen of creativiteit niet. Als ik dat moet hebben ga ik met m'n camera naar buiten voor referentiemateriaal, of ik maak een procedural texture in iets als Substance Painter. AI kan die taak prima overnemen. Daardoor blijft er meer tijd over voor mij om m'n creativiteit in te zetten voor andere zaken.

Om weer terug te grijpen naar mijn knikkerspelletje dat in feite niet had bestaan zonder de hulp van AI: het was mijn idee, mijn input en mijn visuele stijl. Zonder mijn creativiteit had het nooit bestaan, ook al heb ik gebruikgemaakt van Ai om het te realiseren. AI is prima geschikt om bepaalde processen te stroomlijnen zodat er meer tijd overblijft voor andere vormen van creativiteit. Als je geen uren kwijt bent aan het maken van saaie textures van muren of ondergronden heb je wellicht meer tijd om te werken aan toffe kunst of foto's voor in een game. Als je geen uren kwijt bent aan simpele achtergrondmuziek heb je meer tijd voor muziek die je hoort tijdens scenes die er wél toe doen.

Je ziet overigens ook steeds vaker dat mensen zonder creatieve achtergrond AI gebruiken voor placeholder assets, om daarna, als een project mogelijk rendabel blijkt, een daadwerkelijke artist in te huren voor de assets. Men ziet vaak vooral de negatieve kanten van AI, of laat angst regeren, maar het is niet een en al slecht nieuws.
Het een sluit het ander niet uit.
Helaas wel, ai zorgt voor een stortvloed aan peop waarin het steeds moeilijker wordt iets goeds te vinden.
Om weer terug te grijpen naar mijn knikkerspelletje dat in feite niet had bestaan zonder de hulp van AI:
Niet alles dat kan bestaan hoeft gepubliceerd te worden. De mensheid heeft een bepaalde bandbreedte en dus zal die stortvloed van artistiek lege knutselwerken kunstenaars compleet marginaliseren.
Als ik tijd steek in het spelen van jouw spelletje dan zal ik iemand anders zn spelletje, dat mischien artistiek wel meer ingevuld is, moeten laten liggen, want geen tijd. En de kans dat ik zo'n artistiek ingevulde game zal vinden zal kleiner worden en het proces moeizamer. Ik moet me immers door bergen aan bull baggeren en uiteindelijk minder geneigd zijn dat proces te doorlopen.,
Die stortvloed aan bagger bestond ook al lang voordat AI een ding was. Hordes mensen die met goedkope assets zo snel mogelijk iets maken om dat vervolgens meteen door te verkopen. Dat iets gemaakt is met behulp van AI maakt het niet automatisch bagger, al denken veel mensen momenteel wel zo. Zeg dat je AI hebt gebruikt en je product is direct waardeloos, maar er zijn zo ongelooflijk veel gradaties daarin. Simpelweg iets wegwuiven omdat er gebruikgemaakt is van AI vind ik bijzonder kort door de bocht.
Niks wat je zegt slaat op wat ik gezegd heb. Maar goed, er zal een tijd komen dat je het gaat begrijpen...
True. De hoeveelheid bagger wat men kan produceren neemt wel enorm toe met ai.
Als de job markt gedegen vak kennis eis dat met 10 ac20 jaar ervaring verkrijgt en onmisbaar maakt en goed betaald en de markt 100000 banen zijn.
Kunnen 10000 minder ervaren kort opgeleiden met 1 jaar AI prompt trainer voor vakgebied resultaten halen in fractie van de tijd en goedkoper.
Kwa bedrijven krijg je dus ook zwaardere concurrentie in prijs en kans op overaanbod
Ik heb ook totaal geen verstand van programmeren. Ik kom niet verder dan Advanced flows voor mijn Homey.
Maar het knikkeren ging mij wel redelijk af. Leuk gemaakt.
Gespeeld op een tablet.
Nog wel, maar gezien de snelheid waarmee de AI ontwikkelingen gaan, lijkt me dit slechts een kwestie van tijd.
Dit is heel gaaf gedaan, op deze manier lijkt het me ook leuk om eens te gaan kijken naar programmeren.
Voorheen was het veel zoekwerk als iets niet werkte, of assets uitproberen om te kijken hoe iets werkt, maar op deze manier mijn creatieve ideeën tot uiting brengen vind ik echt een stuk toffer. Ik ben geen programmeur en heb daar ook nooit echt interesse in gehad, maar ik vind het wel leuk om dingen te maken en uit te proberen. Allemaal redelijk onschuldig en niet heel complex, en daar is AI prima voor geschikt. Al maakt het alsnog wel genoeg fouten hoor, dus er is wel iets van een basiskennis vereist om het allemaal netjes aan de praat te krijgen.
Een van de fijnste zaken aan het gebruik van AI is dat vragen niet meer als dom/lui worden geacht. Je kan alles vragen zonder dat bijdehante antwoorden terug krijgt of mensen je negeren omdat ze er van uit gaan dat je geen moeite hebt gestopt in het zelf op onderzoek uitgaan.

Ik weet nog van de jaren 90 dat dat voor mij de top was waar mensen die wel code snapte, het meest elitair en snobberig waren, waarbij de drempel voor instappers het hoogst was.

Nu is de drempel het lager dan ooit. En over 10 jaar hebben we geen forums meer nodig om hulp te vragen.
Ik vraag mij dan af of met AI ook in discussie kan van paradigma van bijvoorbeeld OOD vs DOD vs Functioneel.
Dit is een game die inderdaad goed gemaakt kan worden met behulp van ChatGPT als je niet codering experience hebt. Maak nu ook eens een complete oplossing voor een bedrijf die nuttig is.

Challenge accepted???
Geef het een paar jaar en dan is ook dat prima mogelijk. Overigens denk ik dat je zonder C#-kennis ook met ChatGPT niet heel ver gaat komen hoor. Stel ik vertel m'n vrouw dat ze Pong moet maken, en voor de code ChatGPT of iets vergelijkbaars mag gebruiken. Prompts invoeren lukt haar nog wel, maar wat ze vervolgens met die code moet? Of hoe ze de code kan debuggen als er iets niet werkt? Die gaat niet ver komen :D

Maar de ontwikkeling van Machine Learning en AI gaat echt bizar snel. Als ik bij wijze van in 5 jaar tijd zou kunnen leren hoe je een nuttige oplossing kunt maken voor een bedrijf, dan kan een AI-model dat ook alleen vele malen sneller. Kijk voor de gein wat voor stappen generative video heeft gemaakt in een jaar tijd, of hoe ver het genereren van afbeeldingen is gekomen de laatste 5 jaar. Over 5 jaar kun je waarschijnlijk razendsnel een professionele backend ontwikkelend middels hulp van AI.
Het lijkt me inderdaad dat dit de reden is voor OpenAI om Windsurf aan te kopen. Maar dat laat open of dit dan exclusief via Windsurf beschikbaar wordt gesteld. Het lijkt me dat OpenAI nog te veel concurrentie heeft van anderen om die beweging te maken.
Super interessant, hoe snel de vooruitgang ook gaat! Ik vraag mij wel af in hoeverre het toegankelijk is voor mensen die geen codeer achtergrond hebben.
Best wel toegankelijk, er is inmiddels een redelijke vibe coding scene waarin mensen zonder enige programmeer kennis dingen bouwen. Leuk als hobby maar je ziet ook dat veel van die mensen proberen dingen te vibe coden en dan live zetten, deze worden allemaal vrij makkelijk gehacked omdat AI 0.0 rekening houd met beveiliging en deze mensen niet zelf de kennis hebben om te zien dat de beveiliging ruk is.
Ik heb daar toevallig vorige week een heel stuk over geschreven, maar de samenvatting is dat enige basiskennis of wat gevoel voor code nog wel nodig is als je wat complexere dingen wil maken (link)
Over het algemeen kun je 'vibe coden' met windsurf, cursor, cline/roo code etc. Ik heb geen specifieke kennis van deze tool maar vermoed dat het vergelijkbaar werkt.

Het hang wel af van je kennis in hoeverre je de prompts gericht kunt schrijven, wat dan bepalend zal zijn voor hoe ver je ermee kan komen qua code complexiteit.

Als het slecht is opgezet (bv veel grote code bestanden met duizenden regels code) dan kan de LLM fouten gaan maken, bijvoorbeeld dingen weglaten die belangrijk zijn tijdens het toevoegen of verfijnen van functionaliteit. Dan kun je in een lus terecht komen dat ie wel het ene toevoegt, en dan het andere breekt of weglaat, en omgekeerd waar je dus niet uit gaat komen met weinig programmeer ervaring.

Voor mij als medior programmeur is het prettig dat een nieuwe feature er voor 90% te maken is met een LLM en verfijn ik het handmatig als de LLM er niet meer uit komt. Dat laatste gebeurd steeds minder vaak naar gelang de LLMs steeds beter worden. Ik gebruik bijvoorbeeld Claude 3.7 sonnet. ChatGPT is erg slecht in vergelijking dus die gebruik ik niet, tenminste bij gebruik met Roo Code.

Je kunt in Roo Code ook verschillende modi activeren waarin de LLM je helpt met bijvoorbeeld een plan maken (architect mode) en je door middel van vragen een redelijk gedetailleerd plan kunt samenstellen. Aan het einde kun je overschakelen naar code mode om het plan uit te voeren. Dan maakt deze zelf de bestanden aan en checkt deze met een linter totdat alle fouten eruit zijn gehaald, of iig zoveel mogelijk. Front end fouten checkt ie nog niet (behalve pre processor fouten bv Vite, die kan ie al wel zien en verbeteren), maar zou dmv een tool call (MCP) wel uitgevoerd kunnen worden. Bijvoorbeeld een command line front end server side client render functie. De front end fouten kunnen dan naar de LLM gestuurd worden.

Voor consistentie/code smell kun je de LLM vragen om een linter te gebruiken, of een spel check etc en de issues automatisch laten oplossen.

Je kunt de LLM vragen om de structuur te volgen van bestaande code, bv de manier van navigatie, implementatie van front end/back end etc. Opgeven van bestaande bestanden om te gebruiken als referentie helpt. Hij kan het ook zelf uitzoeken door de bestanden in te lezen, maar het is vaak sneller en tref zekerder als je al wat voorwerk doet.
Ik gebruik op dit moment de gewone OpenAI modellen regelmatig via zowel Github CoPilot als rechtstreeks. Het zal me benieuwen wat deze speciale modellen toevoegen. Het is niet altijd feest om te programmeren met AI. Het grootste probleem is context. Dat je complete Git repo's in kan laden, zou wel eens een dealbreker kunnen zijn. Op dit moment moet ik het model expliciet uitleggen welke frameworks hij moet gebruiken. Het zou mooi zijn als dat al beter wordt. Dat scheelt al een hele slok op een borrel. Mijn baas is vrij streng in de toepassing van Typescript. Als je de hele repo in kan laden inclusief de Typescript setup, zou je ook daar kunnen winnen als ontwikkelaar in tijd en bochten waar je jezelf in moet wringen om dingen duidelijk te krijgen voor het AI-model. Per saldo zou dit wel eens leuk kunnen worden.
Ik dacht dat de enterprise versie van GitHub copilot je volledige Repo scant. De 'gewone' versie neemt enkel de open tabs als context
Nee, GitHub Copilot kan je hele repo (in vscode workspace) bekijken. Kan nu ook met #codebase. Zelfs in de free variant. Als je git repo op GitHub.com staat gebruikt vscode wel de remote indexing om sneller en beter te kunnen handelen.

De GitHub Copilot Enterprise variant kent o.a. Knowledgebases waar je in GitHub.com Copilot chat extra vragen over kan stellen en ook Custom Models (al tijdje in preview). Daarnaast meer premium requests. Enterprise wordt amper gebruikt.

[Reactie gewijzigd door Joost1981_2 op 17 mei 2025 13:56]

Ik verwacht dat AI gereedschap blijft. De vaardigheden om goede code te schrijven zijn dezelfde vaardigheden die je nodig hebt om een AI eenduidig te vertellen wat je wilt.
Ik gebruik verschilende AI tools, waaronder die van JetBrains en GitHub. De producten zijn verre van volwassen: omdat de integratie nog niet volledig is kunnen ze code schrijven die niet eens compileert. Als ik mijn test geschreven heb zou zo'n AI zonder mijn hulp moeten kunnen controleren of de code werkt. Zover komen we wel. Maar dan nog heb je iemand nodig die de specs een beetje handig verzint. Werk verandert, dat wel.
Vroeger was het machinecode schrijven
dan was er een low level taal die gecompileerd werd
dan was het een high level taal die gecompileerd werd
en nu wordt het gewone taal die "gecompileerd" wordt.

De evolutie gaat gewoon voort.
Vroeger gebeurde het ook wel dat compileren fouten introduceerde; het is tenslotte code en kan bij optimalisaties fouten maken; maar nu zijn die dingen stabiel en geoptimaliseerd als gek.
Ditzelfde zal gebeuren bij AI; al gaan we specifiek moeten zijn in onze taal.
en nu wordt het gewone taal die "gecompileerd" wordt.
Dat hadden we vroeger ook al, de high level talen kwamen juist omdat we daarmee juist beknopte kunnen zijn dan met normale taal. Met hoe ik momenteel met AI kan werken merk ik daarmee dus qua snelheid nog geen winst en heb ik nog steeds het gevoel dat ik nog voldoende kan optimaliseren in mijn eigen Workflow dmv (A)TDD en de sneltoetsen en templating van de IDE voordat AI echt productiviteits winst geeft (op macro niveau, sneller slechte code genereren kan die wel).

Wanneer AI consistent obv tests ipv dat ik het in hele zinnen moet uittypen de juiste kwaliteit code kan generen (en het ook duurzaamer is dan het zelf doen) ben ik er helemaal voor, maar momenteel vind ik het naast dat het nog te weinig bied, het feit dat we niet betalen wat het echt kost en het feit dat het gewoonweg niet duurzaam is het persooihk niet verantwoord om het in mijn dagelijkse Workflow te introduceren.

[Reactie gewijzigd door DdeM op 17 mei 2025 13:49]

Bij evolutie vallen ook dingen weg. CASE Tools zijn zo goed als dood. No-/low-code platforms komen en gaan.
De AI code generator agents zullen formeler worden in the input om zo een betere betrouwbaarheid te geven... en we zijn weer bij de 5GLs, of misschien verkopen we het deze keer als 6GL.
Zeker interessant, al ben ik er nog steeds niet helemaal over uit hoe het met de eigendomsrechten zit en in hoeverre dit risico's op het lekken van bedrijfsgevoelige informatie oplevert.

Op de langere termijn vraag ik me ook af of de volgende generatie developers nog in staat zal zijn om foutieve output te herkennen en te debuggen. Als er straks 10.000 lines of code uit een prompt rollen en het werkt 99.9% van de tijd, wie gaat dan nog weten hoe je die 0.1% fout eruit haalt?
De vraag over eigendom stellen we ook niet als we onze code op Github zetten..
Je hebt het over code die gemaakt wordt vs waar het opgeslagen wordt. Dat zijn echt twee compleet andere dingen. We moeten inderdaad wel van GitHub af hoor, daar niet van.
maar tegenwoordig zijn we al tevreden als iets 95% van de tijd werkt... En hebben we er mee leren leven dat dingen niet altijd perfect zijn.
Wederom wordt er dus een verdienmodel in de markt gezet waarbij bedenkelijke AI modellen het over zouden moeten kunnen nemen van het superieure menselijke brein.
Mensen, denk toch na.......
Dus bij een sollicitatiegesprek vragen ze niet meer of je verstand hebt van programmeren maar of je een abonnement hebt op AI.

Wat gebeurd er inderdaad met de codes die je hebt ingevoerd en wat er uitkomt. Word dat opgeslagen in een database? En zoals eerder genoemd, bedrijfsgegevens, blijven die geheim,
Op GITHUB zijn de codes toch openbaar?
Of forums die je zelf kan lezen?
Waarom is het opeens private?
Daarbij. Het werkt beide kanten op.
Je wilt er wel gebruik van maken maar geen bijdrage leveren.
Gebruik het met verstand. Geen pirvacy data gebruiken

[Reactie gewijzigd door lighting_ op 17 mei 2025 11:42]

- Nee niet alle repos op GitHub zijn openbaar.
- Eigenlijk zou je altijd moeten coderen _alsof_ je code openbaar is. Bedrijven hebben sons de illusie dat hun algoritme om de verloop van bananen te voorspellen uniek is, maar de overenskomst met het algoritme om de verloop van auto's te voorspellen is verrassend groot. Dus eigenlijk ga ik een stapje verder, en denk dat het het beste zou zijn dat code altijd publiek is in te zien. Dat staat los van copyright trouwens.
- een mens leert programmeren door naar code te kijlen, inclusief code waarop copyright berust. Waarom zou dat voor een machine Anders moeten zijn?
Nou dan is waarschijnlijk alleen openbaar code te verzamelen voor AI
Altijd publiekelijk openbaar?
Jaren coderen en fine tunen aan een programma en iemand mag van jou in een paar minuten kopiëren?
Daar gaat je energie en investering.
Hoe kom je daarbij?
Zoals ik al zei: copyright is nog steeds van kracht. Ik mag ook geen boek overschrijven, maar mij daar wel door laten inspireren.

Mensen vergeten dat het "jarenlang investeren" slechts maandenlang is als je af en toe rond had mogen gluren.

Anders krijgen ook nieuwe softwarebedrijven geen kans ertussen te komen, zodat je het moet doen met een handjevol oligopolisten.
En jij wil ook enkel nog een vliegtuig nemen als de piloot de landing zelfstandig doet dus?
Gaat overal te paard naartoe, want wat zit er niet allemaal in die auto waar je geen weet van hebt...
Bij mijn weten worden er nog geen AI-systemen in burgerluchtvaart gebruikt die de complete controle van het vliegtuig overnemen.
Overigens, maar dat is off-topic waarschijnlijk, heb ik geen auto en doe zowat alles op de fiets of lopend. Voor grotere afstanden pak ik de trein.
Nee, geen AI maar auto landing bestaat al jaren en meestal vliegen de piloten alleen het opstijgen en landen en is het daarna urenlang de autopilot die de boel op koers houdt.
Je snapt het verschil tussen code die uitgevoerd wordt waarbije er bij dezelfde input steeds dezelfde output is?
vs
AI waar niemand écht weet hoe het werkt (=blackbox) en waar er 99 keer X kan gebeuren maar 1 keer Y, met dezelfde input?

Dat wil je nu net NIET bij vliegtuigen en dergelijke, momenteel... Misschien ooit mits heel veel andere failsafes.
Het is nog steeds het superieure menselijke brein dat de resultaten beoordeelt en er voor zorgt dat het eindresultaat een werkend stukje code is, dus voorlopig zorgt het er alleen maar voor dat softwareontwikkeling sneller gaat.
Echt, dit is zo bizar dom. Het wordt wachten op bugs die veroorzaakt worden door obscure bad code die door AI wordt gegenereerd. Geheid gaan mensen gegenereerde code opleveren die te moeilijk voor hun is om te begrijpen en te controlleren. En dan blijken die type fouten over een aantal jaren in 80% van alle software te zitten.

De tools zijn eigenlijk nog niet geschikt voor grote uitrol zolang ze zichzelf niet compleet kunnen controlleren en altijd correcte code op gaan leveren. Het is niet zomaar dat je dit moet willen. Als code-automatisering eenmaal normaal wordt gevonden zullen er enorme bakken aan code meer worden 'geschreven' dan ooit tevoren met nog minder kans op controle door mensen. En als die code wordt gebakken door een klein groepje LLMs dan gaan bepaalde fouten (soms enorm obscuur) veel vaker voorkomen in de meest uiteenlopende softwares en ontstaat er ook een enorm aanvalsoppervlak over de hele wereld.
De wereld is weer dom bezig MI.

[Reactie gewijzigd door koelpasta op 18 mei 2025 00:26]

Er zijn inderdaad een aantal problemen te verwachten:

Onbeheersbare bugs en security issues
De persoon die de code heeft laten genereren heeft onvoldoende kennis om bugs op te lossen, veiligheidsgaten te dichten of performance problemen op te lossen en de LLM kan het ook niet.

Tests in de vorm van de slager keurt zijn eigen werk
Al een tijdje wordt het als teken van kwaliteit gezien als er tests voor de code geschreven zijn. Normaliter zet je tests van tevoren op zodat je kunt testen of de code aan de verwachtingen voldoet. Als een LLM zowel de code als de tests bouwt dan is er kans dat bij wijzigingen beide aangepast worden.

Kwaadaardige code in de trainingsdata
De LLM wordt getraind met zeer veel bestaande code. Het is niet ondenkbaar dat kwaadwillenden proberen om code te verspreiden die mogelijk ingezet wordt als trainingsdata. De LLM kan dus onveilige/kwaadaardige code gaan bouwen op basis van die trainingsdata.

Verwatering kennis, vertraging ontwikkeling
LLM's bouwen code die gebaseerd is op bestaande code. Hoe gaat dat in de toekomst? Wordt er getraind op data gegenereerd door andere LLM's? Wie gaat er nog nieuwe paradigma's, patronen, concepten ontwikkelen? Ontwikkelaars komen nu regelmatig met nieuwe concepten om problemen op een betere manier te kunnen oplossen. Als er steeds minder ervaren en getalenteerde programmeurs komen dan zal hier ook minder ontwikkeling in plaatsvinden.
Ik vraag me af of er ook wordt nagedacht wat we doen, wanneer veel beroepen door AI-agents gedaan kunnen worden, als velen de concurrentie met AI verliezen?
Scheelt weer inhuur van developers uit India.
Next best manager:
"Exact en bij enkele upgrades verder scheelt dat een hele vloer aan dure Westerse profielen, deze eisen namelijk een paleis met speeltjes en een dikke auto voor ze ook maar een lijn code geschreven hebben."

Ik zie de toekomst niet rooskleurig in voor ontwikkelaars...
Nee, hier zie ik in de toekomst wel dingen verschuiven. Het aantal echte medewerkers zal dalen
Ik ben zelf al jaren ontwikkelaar, en gebruik ook AI tools voor mijn code, maar bij complexe dingen gaat het toch snel de fout in. Sure, React Component hier en daar, unit test etc. Gaat allemaal prima. Dingen die "een junior" normaal van Stack Overflow zou overplakken zeg maar. Daarna gaat het al hard achteruit.

Hoewel het zeker soms ook met goede suggesties komt. Bij het leren van een nieuwe taal? Dat gaat me nu echt sneller af, in plaats van allerlei dingen door te namen kan ik gewoon vragen van: "Hè, dit zijn de best practices etc in taal X. Kan je mij vertellen hoe dat in taal Y gaat?" en dan kom je al een heel eind.

Een ander punt waar LLM's tegenaan gaan lopen is dat de kwaliteit van de input van de modellen hard achteruit gaat, doordat online veel gegenereerde informatie geplaatst wordt. Een digitale incest zeg maar.

Nu zullen er ongetwijfeld vast vooruitgangen komen, maar bijvoorbeeld de nieuwe "reasoning models" van OpenAI hallucineren meer dan de oudere modellen.

Ook ben ik geen fan van de manier waarop ze nu de chat extra interactief proberen te maken, zonder een custom beginprompt waarmee je alle fluff er uit probeert te halen is het minder fijn dan voorheen naar mijn mening.

Je ziet ook bedrijven als Klarna terugkomen op hun "AI replaces people" mantra en dit was voor customer support.

Veranderingen zullen er absoluut komen. Maar ik slaap vooralsnog geen nacht minder omdat ik denk dat ik vervangen ga worden door AI. Ik blijf er zeker gebruik van maken dat wel, want als fancy hamer, heeft het zeker toegevoegde waarde.
Ik heb sinds een tijdje ChatGPT Team, maar kan helaas nog geen Codex gebruiken. Is het iemand wel gelukt met dit abonnement?
Het is heel interessant, wat ik heb gemerkt is dat de simpliciteit van de tools/programmeerelementen het belangrijkst is. Je kan (nog) niet vragen aan LLMs om bijvoorbeeld in een zelfgemaakte engine iets te maken, of om binnenin complexere omgevingen zoals Unity uit zichzelf wat te bereiken aangezien de LLM niet genoeg context eruit kan halen, maar zodra je bijvoorbeeld de 3js uit de kast haalt waar je 3d applicaties kan maken zonder al het low level 'gezeur' gaat het echt als een gekke!


Om te kunnen reageren moet je ingelogd zijn