Nový přístup k psaní kódu od Mitchella Hashimota

Jak Mitchell Hashimoto neustále běží s agentem

Mitchell Hashimoto — spoluzakladatel HashiCorpu, tvůrce Terraformu a v současnosti tvůrce Ghostty — se připojuje k Gergelymu Oroszovi v pořadu The Pragmatic Engineer a dělí se o hluboce promyšlenou metodiku pro vývoj s podporou AI. To není hype nebo povrchní postřehy. Je to praktik s 20 lety zkušeností, který popisuje, jak zásadně reorganizoval svůj denní pracovní postup kolem AI agentů.

Základní disciplína: “I endeavor to always have an agent doing something at all times. I want an agent if I’m coding, I want an agent planning. If they’re coding, I want to be reviewing. There should always be an agent doing something.” (“Snažím se mít vždy agenta, který něco dělá. Chci agenta, když kóduji, chci agenta, který plánuje. Pokud oni kódují, chci dělat revizi. Měl by tam vždy být agent, který něco dělá.”)

Před každým přechodem — odchodem z domu, jezdou někam, zastavením se na den — Mitchell strávíte 30 minut tázáním: “Jakou pomalou věc by mohl můj agent dělat dále?” Dává agentům úkoly na výzkum, hodnocení knihoven a analýzu hraničních případů, které nevyžadují pozornost v reálném čase. Zásadně vypíná všechna upozornění agenta: “Já si vyberu, kdy agenta přeruším. On mi nemůže přerušit.”

O tom, co vám AI opravdu dává: “It’s really allowed me to choose what I want to actually think about. I always felt limited — I’m going to have to spend the next two hours doing this boilerplate. But now I don’t have to learn about it.” (“Opravdu mi to umožnilo zvolit si, o čem chci vlastně myslět. Vždy jsem se cítil omezený — budu muset strávit příští dvě hodiny tímto šablonám. Ale teď to už nemusím dělat.”) Nejde o vytvoření více kódu. Jde o přesměrování kognitivní energie na práci, která je důležitá.

Konstruování pojistek: Strategie dlouhodobé kvality

Mitchellova nejoriginálnější příspěvka k diskurzu o vývoji kódu s AI je konstruování pojistek — jeho termín pro budování nástrojů, které mohou agenti volat, aby se vyhnuli opakovaným chybám.

Vzor: Když agent udělá chybu, místo aby se ji jen opravilo, vytvořte testovací pojistku, validační skript nebo linting pravidlo, které agent může vyvolat pro vlastní kontrolu. Přidejte pravidlo do svého souboru CLAUDE.md nebo agents.md. Agent nikdy neudělátu stejnou chybu znovu.

Toto se skládá v průběhu času. Každá relace vylepšuje pojistku. Každé zlepšení pojistky činí následující relace s agentem spolehlivější. Mitchell to nazývá jedním ze svých hlavních cílů na rok 2026 a považuje to za kritickou infrastrukturní investici pro týmy, které používají AI agenty.

Rozšířený požadavek na testování: AI je “orientované na cíl” — bude porušovat věci mimo obor své současné úlohy, aby dosáhlo svého bezprostředního cíle. To znamená, že pokrytí testů musí být mnohem rozsáhlejší než to, které bylo dostatečné pouze pro vývoj člověkem. Každá chyba AI by měla vést k vylepšení pojistky, ne jen k opravě.

Kvalita závislá na kontextu: Od nulové revize ke každému řádku

Mitchell aplikuje zcela různé standardy kvality v závislosti na projektu:

• Ghostty (open-source terminál, dlouhodobý): Recenzuje každý řádek kódu vygenerovaného AI. Výkon na 9 mikrosekund za snímek je důležitý.
• Jednorázové projekty (rodinný web na svatbu): Nula revize kódu. “Vykreslilo se to správně ve třech prohlížečích? Vydej to. Je to online jen 2 měsíce.”

Tato pragmatičnost se vztahuje i na konkurenční běhy agentů. Pro těžké úkoly, kde je důvěra nízká, spouští dva agenty paralelně — Claude Code vs. Codex — a vybere si lepší výsledek. Popisuje se jako “starosta”, který řídí maximálně dva agenty najednou.

Proč Git nemusí přežít éru agentů

Nejprovokativnější předpověď: “This is the first time in like 12 to 15 years that anyone is even asking that question — will Git be around? — without laughing.” (“Je to poprvé za 12 až 15 let, co se někdo ptá na otázku — bude Git stále existovat? — bez smíchu.”)

Mitchell tvrdí, že Git a GitHub forgy “dnes nefungují s agenturní infrastrukturou”. Když je změna agenta 10-100x vyšší než změna člověka, fronty sloučení se stanou nemožnými, místo na disku exploduje a lidské recenzenty nemohou udržet krok. Poradil konkrétní startupové společnosti, která pracuje na tomto problému.

Jeho vidění budoucnosti správy verzí: ponechat mnohem více větví, neúspěšné pokusy a historii — nikdy nic nemazat. To je “Gmail moment pro správu verzí”. Ale vyžaduje to zásadně lepší nástroje k nalezení relevantního kontextu v masivních repozitářích.

Příspěvky Open Source generované AI ničí signál

Ghostty obdrží 2-3 nízko kvalitní AI generované PR denně. Mitchell je nyní zavírá bez čtení, pokud chybí přidružené číslo problému. “AI makes it trivial to create plausible looking but incorrect and low-quality contributions. Open source has always been a system of trust. Before we had default trust. Now it’s default deny.” (“AI činí triviálním vytvářet věrohodně vypadající, ale nesprávné a nízko kvalitní příspěvky. Open source vždy byla systém důvěry. Dříve jsme měli výchozí důvěru. Teď to je výchozí odmítnutí.”)

Přeje si, aby agenturní nástroje “pozastavily otevírání PR” — tření, které způsobují udržovatelům, převažuje pohodlí přispěvatelů. Dokonce identifikuje charakteristiku Claude: otevření návrhu PR bez textu, úprava textu a poté jeho opětovné otevření — vzor, který ani jeden člověk nesleduje.

6 principů z AI pracovního postupu Mitchella Hashimota

• Vždy mít běžícího agenta — Použijte přechody (jízda, přestávky, konec dne) k zařazování pomalých úkolů agenta. Agenti by nikdy neměli být nečinní během pracovní doby
• Oddělte plánování od provádění — Vyhrazený krok plánování před kódováním agenta dramaticky zlepšuje kvalitu výstupu
• Stavte pojistky, ne jen opravy — Každá chyba agenta by měla vytvořit nástroj, který zabraňuje opakování, ne jen opravu
• Vyberte si, o čem chceš myslět — Hodnota AI není více kódu za hodinu, ale přesměrování poznání na architekturu, design a potřeby uživatelů
• Revizní přísnost závislá na kontextu — Produkční kód dostane revizi každého řádku; jednorázové prototypy nula revize. Přizpůsobte úsilí sázce
• Investujte do křivky učení — “Je to, jako by se někdo pokusil Git na hodinu a rozhodl se, že to není produktivní. Vyžaduje to trvalé úsilí, aby se člověk stal schopným”

Co to znamená pro inženýrské organizace

Mitchell rámuje hodnotu AI ne jako surové zisky produktivity, ale jako rozšířenou kapacitu na experimenty. Důkazy koncepce, které trvaly týden, lze nyní provést za den. Ale je příznačně obezřetný: “I hesitate to say more productive. There’s an expectation they could do more. You should be able to build a full demo, design, everything — you don’t need a team to do that anymore.” (“Zdráhám se říci produktivnější. Existuje očekávání, že by mohli dělat více. Měl bys být schopný postavit úplnou demo, design, všechno — už nepotřebuješ tým na to.”)

Pro organizace jsou důsledky konkrétní: vyžadují si competenci v nástrojích AI při pronajímání, považují soubory konfigurace agenta (CLAUDE.md) za první třídu infrastruktury, investují do construování pojistek a přijímají, že CI/CD kanály potřebují zásadní přehodnocení, aby zvládly rozšířené testování, které vyžaduje kód generovaný AI. Všechno v inženýrské infrastruktuře — editory, forgy, CI/CD, testování, pozorovatelnost, sandboxing — je v tabulce změn najednou. Jak to Mitchell říká: “Je to poprvé v mé 20leté profesionální kariéře, kdy je tak veel věcí v tabulce na změnu jedním časy.”