Workflow zur Code-Generierung mit LLMs

Ob für einzelne Funktionen oder ganze Programme: Die Nutzung von KI-Tools, insbesondere von LLMs (Language Learning Models), in der Softwareentwicklung hat stark zugenommen. Softwareentwickler Harper Reed beschreibt in einem Blogbeitrag, wie er LLMs zur Generierung von Code verwendet, um sowohl neue Projekte erfolgreich umzusetzen als auch bestehende, ältere Codebasen zu modernisieren.

Reeds Ansatz zur Softwareentwicklung besteht aus mehreren strukturierten Schritten, die es ihm ermöglichen, zuerst die Ideen zu entwickeln und dann in funktionierenden Code umzusetzen. Dabei beginnt der Prozess mit einer Phase der Ideenfindung, in der er mithilfe eines konversationellen LLMs eine detaillierte Spezifikation für sein Projekt ausarbeitet. Durch gezielte Fragen an das Modell schaffen Reed und sein LLM eine klare Grundlage, die anschließend an Entwickler übergeben werden kann.  Das Prompt dazu lautet:

Ask me one question at a time so we can develop a thorough, step-by-step spec for this idea. Each question should build on my previous answers, and our end goal is to have a detailed specification I can hand off to a developer. Let’s do this iteratively and dig into every relevant detail. Remember, only one question at a time.

Here’s the idea:

<IDEA>

Der nächste Schritt in seinem Workflow ist die Planung. Reed nutzt ein weiteres LLM, um einen detaillierten, schrittweisen Plan für die Umsetzung seines Projekts zu erstellen. Dabei betont er die Wichtigkeit von testgetriebenem Entwickeln (TDD), um sicherzustellen, dass jeder Schritt des Entwicklungsprozesses sicher implementiert werden kann.

Der Durchführungsschritt umfasst die Nutzung von Tools wie Claude und Aider, die Reed ermöglichen, in Echtzeit mit dem generierten Code zu interagieren. Dies ermöglicht nicht nur eine schnelle Implementierung, sondern auch effektives Testen und das Debuggen im Fall von Problemen. Reed hebt hervor, dass die Verwendung dieser Tools, in Kombination mit seinem strukturierten Ansatz, es ihm ermöglichte, zahlreiche Projekte erfolgreich abzuschließen.

Besonders interessant ist sein Ansatz zur Arbeit mit bestehenden Codebasen, bei dem er sich auf inkrementelle Verbesserungen konzentriert. Anstatt große, riskante Änderungen vorzunehmen, fordert Reed eine schrittweise Verbesserung an, die es erlaubt, kleine, sichere Anpassungen zu implementieren, die die Gesamtfunktionalität verbessern.

Trotz der vielen Vorteile, die Reeds Ansatz mit sich bringt, gibt es auch Herausforderungen. Eine der größten ist die Notwendigkeit, den Überblick über komplexe Codebasen zu behalten und sicherzustellen, dass die KI-Modelle die relevanten Informationen effektiv nutzen können. Reed ermutigt Entwickler, sich die Zeit zu nehmen, um ihre Arbeitsabläufe zu optimieren und die Möglichkeiten von LLMs zur Verbesserung ihrer Arbeitsprozesse zu erkunden.

Reeds Blogbeitrag nennt auch weitere hilfreiche Tools und gibt detaillierten Einblick in sein Vorgehen.