A valós AI kódolási munkafolyamatom: Gyors feladatok Antigravityvel, mély logika Codexszel (Sol 5.6)

Még márciusban írtam egy bejegyzést arról, hogyan hagytam magam mögött a WordPress-t a Gemini-alapú kódolásért. Akkoriban a modell által nyújtott közvetlen sebesség és a hatalmas kontextusméret óriási ugrásnak tűnt a korábbi rutinomhoz képest.

Ahogy azonban teltek a hetek, és a projektek a kezdeti vázlatokból valódi, éles rendszerekké értek, a gyakorlati tapasztalat gyorsan felülírta a kezdeti lelkesedést. Rájöttem, hogy az AI-fejlesztésben nincs egyetlen „mindenre jó” csodafegyver.

Az alábbiakban leírom, hogyan néz ki a valóságban a napi kódolási setupom: miért használom teljesen külön az Antigravity-t és a Codexet, és hogyan osztom fel a munkát a feladatok valódi nehézsége alapján.

Miért nem maradtam kizárólag a Gemininél?

A Gemini jó volt az induláshoz és az első ötletek gyors felskicceléséhez. Amikor viszont egy kódbázis több ezer soros TypeScript projektté nő, és nem új fájlokat kell generálni, hanem meglévő, érzékeny üzleti logikát kell átírni, a modell gyorsan beleütközött a saját korlátaiba:

Lusta diffek és kihagyott részletek: Összetettebb módosításoknál gyakran hagyott hátra olyan megjegyzéseket, mint a // ... a kód többi része változatlan marad, vagy egyszerűen kifelejtett peremeseteket és hibakezeléseket.
Pontatlan típuskezelés: Trükkösebb generikus típusoknál vagy mélyen egymásba ágyazott interfészeknél hajlamos volt elengedni a szigorúságot, és any típusokkal elfedni a hibákat.
Tüneti kezelés mély hibáknál: Aszinkron időzítési problémáknál vagy finomabb állapotkezelési hibáknál inkább generikus tapaszokat javasolt (például felesleges useEffect-eket vagy setTimeout-okat), ahelyett, hogy felgöngyölítette volna a valódi okot.

Egyértelművé vált, hogy a komolyabb, precíziós munkához más eszközre van szükségem.

A két külön pálya: Antigravity és Codex

A legfontosabb különbség a marketinges szólamok és a valóság között az, hogy nem egyetlen integrált csodarendszerben dolgozom. Az Antigravity-t és a Codexet két teljesen különálló alkalmazásként, egymástól függetlenül használom, a feladat jellegétől függően.

┌────────────────────────────────────────────────────────────────────────┐
│                        A GYAKORLATI MUNKAMEGOSZTÁS                     │
├───────────────────────┬────────────────────────────────────────────────┤
│  Könnyebb, gyors feladatok │  Google Antigravity (gyorsaság, napi rutin) │
│  Bonyolult, mély logika    │  Codex + Sol 5.6 modell (precizitás, refaktor) │
│  Ötletelés, vázlatok       │  ChatGPT (logikai átbeszélés kódolás előtt) │
└───────────────────────┴────────────────────────────────────────────────┘

1. Google Antigravity: Amikor a sebesség számít

Az Antigravity-t továbbra is napi szinten használom, méghozzá a gyorsasága miatt az egyszerűbb, rutinszerű feladatokra:

Kisebb felületi módosítások, gombok, stílusjavítások.
Egyszerűbb API végpontok bekötése és formázások.
Sablonos, jól körülhatárolt komponensek létrehozása.
Gyors hibajavítások és apróbb funkciók hozzáadása.

Amikor pontosan tudom, mit akarok, és a feladat nem igényel mély logikai sakkozást, felesleges egy nehézkesebb, lassabban gondolkodó modellt váratni. Az Antigravity kézre áll, gyorsan reagál, és nem töri meg a munkalendületet.

2. Codex a Sol 5.6 modellel: A nehéz feladatok precíziós eszköze

Amikor viszont a feladat valóban bonyolult, megnyitom a Codexet, méghozzá a Sol 5.6 modellel. Ez az a kombináció, amelyre a kritikus logikát bízom:

Több fájlt érintő mély refaktorálás: Amikor öt egymással összefüggő modul interfészeit kell átalakítani úgy, hogy a típusrendszer egyetlen ponton se sérüljön.
Bonyolult aszinkron folyamatok és állapotgépek: Olyan logikák, ahol a kliens- és szerveroldali állapotok pontos szinkronizációjára van szükség hibatűrő módon.
Relációs adatbázis sémák és üzleti szabályok: Ahol minden mezőnek, idegen kulcsnak és tranzakciónak sziklaszilárdnak kell lennie.

A Sol 5.6 modell nem kapkod. Lehet, hogy néhány másodperccel tovább gondolkodik, de cserébe nem vágja le a kanyarokat: nem hagy ki sorokat, nem talál ki nem létező függvényeket, és pontosan azt a kódot szállítja le, amit kértem tőle.

3. A ChatGPT mint tervezőpartner

A kódolás megkezdése előtt a nagyobb architektúrális kérdésekben a ChatGPT-t hívom segítségül. Nem a kész kód megírására használom, hanem egyszerűen átbeszéljük az architektúrát:

Hogyan érdemes felépíteni egy adott funkció adatmodelljét?
Milyen peremesetekre kell felkészülni egy harmadik féltől származó API vagy webhook kezelésekor?

Ez segít tisztázni a logikai vázat a fejemben, mielőtt egyáltalán megnyitnám a Codexet vagy az Antigravity-t.

Összegzés

Sokan hajlamosak túlbonyolítani vagy misztifikálni az AI eszközök használatát. A gyakorlatban a hatékony fejlesztés nem arról szól, hogy egyetlen mindentudó eszközt keresünk, hanem arról, hogy reálisan látjuk az egyes modellek erősségeit és korlátait.

Az Antigravity kiváló a gyors, lendületes napi teendőkhöz, ahol a sebesség a lényeg.
A Codex (Sol 5.6) pedig ott lép be, ahol a hiba nem opció, és valódi mérnöki precizitásra van szükség a bonyolult feladatoknál.

Két külön eszköz, két külön szerep – és a kettő együtt pont azt a stabilitást és tempót adja, amire a mindennapi fejlesztésben szükségem van.