Produktionscode mit KI analysieren

Fortgeschrittenes, KI-gestütztes Programmieren für Entwickler:innen

Thalia Barrera

AI Engineering Curriculum Manager, DataCamp

Über die Code-Generierung hinaus

nanobanana: voll: Produktionscode mit KI analysieren

Kursüberblick

nanobanana: halb: Entwickler:in am Schreibtisch mit mehreren Monitoren

In diesem Kurs lernst du:

✔ KI-gestützte Codeanalyse für Produktionscode
✔ KI-unterstütztes Testen und Sicherheit
✔ KI für Softwaredesign und Kollaboration

Das Szenario: Wayfarer Labs

nanobanana: halb: Büro eines Tourismus-Start-ups mit Weltkarten

💻 Du bist Softwareentwickler:in bei Wayfarer Labs
🌎 Ein Tourismus-Start-up baut eine Mobilitätsplattform
🔎 Deine Aufgabe: ein Open-Source-Analytics-Tool finden

Atlas entdecken

Schlüsselfragen vor der Übernahme:

Ist es wartbar?
Ist es zuverlässig?
Ist es langfristig sinnvoll?

🤖 KI kann die Bewertung von Code beschleunigen und systematisieren!

Ein neues Repository verstehen

nanobanana: voll: KI leitet die Erkundung eines neuen Repos

Strukturiertes Prompting zur Codebase-Orientierung

🤖 Prompt zur statischen Analyse:

Das folgende Repository enthält eine Python-Analytics-Toolbox namens Atlas, vorgesehen für den Produktiveinsatz.

Nimm an, ich habe ein Unix-ähnliches System und kann gängige Open-Source-Tools installieren.

Ich möchte eine statische Analyse dieser Codebasis durchführen, ohne sie auszuführen.

Dein Ziel ist:

Geeignete Tools zur statischen Analyse für dieses Projekt empfehlen

Erklären, was jedes Tool misst und warum es relevant ist

Konkrete Befehle zur Durchführung angeben

Erklären, wie die wichtigsten Ergebnisse zu interpretieren sind

KI-gestützte dynamische Analyse

nanobanana: voll: dynamische Analyse, Profiling

Codequalität mit KI bewerten

🤖 Prompt zur Wartbarkeit:

Analysiere die Codebasis auf Wartbarkeitsprobleme: finde überladene Module, Funktionen mit unklaren Zuständigkeiten und Stellen, wo eine einzelne Änderung mehrere Dateien betrifft.

Wartbarkeitsthemen:

Überladene Module
Unklare Zuständigkeiten

Komplexität und technische Schuld

🤖 Prompt zur Komplexität:

Finde Bereiche mit hoher logischer Komplexität, mit Fokus auf lange Funktionen, verschachtelte Bedingungen und Verzweigungen.

Komplexitätsindikatoren:

Lange Funktionen
Verschachtelte Bedingungen
Hohe Verzweigung

🤖 Prompt zur technischen Schuld:

Suche nach technischer Schuld, z. B. TODOs, duplizierter Logik oder Legacy-Mustern.

Signale für technische Schuld:

TODOs und FIXMEs
Duplizierte Logik
Legacy-Muster

Fazit der Bewertung

Urteil zu Atlas:

✅ Gut strukturierte Codebasis
✅ Vernünftige Übernahme
👀 Erst Komplexität angehen
👀 Technische Schuld abbauen

KI-unterstütztes Refactoring

KI kann uns auch helfen:

Refaktorieren mit Fokus auf High-Impact-Änderungen
Patches vorschlagen

Wichtige Erinnerung

nanobanana: halb: Entwickler:in prüft KI-Vorschläge kritisch

KI ersetzt kein Engineering-Urteil

Sie kann Fehler machen
Sie kann Kontext übersehen
Sie kann halluzinieren

✔ Richtig eingesetzt, beschleunigt sie das Verständnis und unterstützt bessere Code-Entscheidungen

Lass uns üben!

Fortgeschrittenes, KI-gestütztes Programmieren für Entwickler:innen