Vibe Coding – Vibe Coding

• Andrej Karpathy bezeichnet Vibe Coding als eine neue Art des Programmierens, bei der LLMs gut genug geworden sind, dass man den Code selbst kaum noch bewusst wahrnimmt
• Er kombiniert Cursor Composer mit Sonnet und die Spracheingabe SuperWhisper und nutzt die Tastatur fast gar nicht mehr, sondern vermittelt Anforderungen per Sprache
• Selbst kleine Wünsche wie das Halbieren des Paddings überlässt er dem Modell, ohne selbst danach zu suchen, und klickt Accept All, ohne den Diff zu lesen
• Fehlermeldungen kopiert er ohne Erklärung hinein; wenn das LLM einen Bug nicht beheben kann, umgeht er ihn oder lässt wiederholt beliebige Änderungen vornehmen, bis das Problem verschwindet
• Für einmalige Wochenendprojekte ist das brauchbar, aber der Code kann über den eigenen Verständnisbereich hinaus anwachsen, sodass es eher einem Ablauf aus Zuschauen, Sprechen, Ausführen und Einfügen ähnelt als klassischem Coding

---

Die Arbeitsweise des „Vibe Coding“

• Vibe Coding ist eine Arbeitsweise, bei der man sich vollständig auf das LLM verlässt und die Existenz des Codes fast vergisst
• Als Tool-Beispiel nennt er Cursor Composer with Sonnet, für Spracheingabe nutzt er SuperWhisper
• Statt Code selbst zu suchen oder zu ändern, wiederholt er eher folgenden Ablauf
  • Die nötige Änderung auf dem Bildschirm erkennen
  • Sie dem Composer per Sprache mitteilen
  • Das Ergebnis ausführen
  • Fehlermeldungen kopieren und einfügen
• Diffs liest er nicht mehr und klickt immer Accept All
• Wenn der Code über das übliche eigene Verständnisniveau hinaus anwächst, entsteht ein Zustand, in dem man den Code eine Zeit lang lesen müsste, um ihn wirklich zu verstehen

Grenzen und Beispiele

• Es kommt auch vor, dass das LLM einen Bug nicht beheben kann
  • Dann umgeht er den Bug
  • Oder er fordert weiter beliebige Änderungen an, bis das Problem verschwindet
• Er bewertet diese Methode für throwaway weekend projects als nicht schlecht
• Mit etwa einer Stunde Vibe Coding hat er auch ein Battleship-Spiel gebaut
  • Dabei kämpfen zwei beliebige, vom Nutzer ausgewählte LLM-Modelle in Echtzeit gegeneinander
  • Starke Statistiken gibt es noch nicht, aber er sagt, dass 4o offenbar gegen 4o-mini gewinnt

[GN⁺]

Meinungen auf Hacker News

• Ich habe es selbst ausprobiert, und es ist ziemlich gut, aber vor Halluzinationen muss man definitiv aufpassen.
  Zum Beispiel habe ich es einen 500-Wörter-Bericht über mich schreiben lassen, und es enthielt mindestens drei Fehler. Es behauptete, meine Stack-Overflow-Reputation liege bei 47.000 Punkten, verwechselte aber tatsächlich die „47k erreichten Personen“ in meinem Profil mit meiner Reputation von 525 Punkten. Außerdem zitierte es mich so, als hätte ich eine Antwort zu PHP-Monkey-Patching gegeben; tatsächlich hatte ich vor 15 Jahren eine Frage gestellt, und die Antwort stammte von jemand anderem. Schließlich war auch das zitierte Interview nicht von mir, sondern ein Interview mit meinem Bruder, mit dem ich das Unternehmen gegründet habe.
  Als Ausgangspunkt ist es brauchbar, aber die Ergebnisse muss man unbedingt über die Quellenlinks verifizieren.

  • Die Einschätzung „ziemlich gut, aber Vorsicht vor Halluzinationen“ verharmlost das Problem zu sehr. Man würde niemanden einstellen oder lange beschäftigen, der sich einfach irgendetwas ausdenkt; ich verstehe daher nicht, warum man solche „KI“-Tools mehr als ein interessantes Forschungsprojekt nennen sollte. Meiner Ansicht nach sollten große Sprachmodelle zurück ans Reißbrett, bis sie ein gewisses Maß an Verlässlichkeit erreicht haben.
  • Es ist schwer, das als nützlichen Ausgangspunkt zu sehen, selbst aus einer KI-optimistischen Perspektive. Ein Bericht voller Sachfehler, die ein sorgfältiger Praktikant nicht machen würde, ist schlimmer als nutzlos.
    Wenn der schwierige Teil das Formulieren ist, ist es vermutlich schneller, selbst zu recherchieren und eine Gliederung zu schreiben und das große Sprachmodell diese dann in fertige Sätze umwandeln zu lassen. Allerdings beweist man damit letztlich, dass der Prosastil der weniger wertvolle Teil der Arbeit ist; als jemand mit Abschluss in englischer Literatur schmerzt das, aber es stimmt im Großen und Ganzen.
  • Ich frage mich, was schneller ist: selbst zu recherchieren und von Grund auf einen 500-Wörter-Bericht zu schreiben, oder einen von der KI geschriebenen Text zu nehmen, alle Antworten faktenzuprüfen und manuell zu korrigieren. Deshalb nutze ich KI nicht für Dinge, bei denen die „richtige Antwort“ nötig ist. Ich nutze sie, um Absätze oder Sätze lesbarer umzuschreiben, aber den Informationen, die die KI liefert, vertraue ich nicht.
  • Dass es sich fälschlich „erinnert“, ich hätte auf Stack Overflow geantwortet, wirkt fast wie künstliche Demenz.
    Es gibt Anbieter, die Produkte viel früher herausbringen, als es ihrer Fähigkeit entspricht, sie wirklich ordentlich zu veröffentlichen, und ich bin mir nicht sicher, ob ihre rechtliche Absicherung so solide ist. Ausgaben, die durch eine Datenbank unterstützt werden, können und sollten solche falschen Erinnerungen jedoch stark begrenzen. Man braucht eine lineare Verifikation wie bei Menschen: erst Ideen hervorbringen, dann mit Daten abgleichen; das ist Due Diligence und Teil des Schlussfolgerungsprozesses. Es wirkt, als würden Bewegungen in eine andere Richtung als die Weiterentwicklung des Kernprodukts die Forschung und Entwicklung durcheinanderbringen, fast wie eine Form von Aufschieberei.
  • Meine Einschätzung zu Produkten auf Basis großer Sprachmodelle der letzten Jahre lautet genau: „ziemlich gut, aber Vorsicht vor Halluzinationen“.

• Wenn man „Deep Research“ sagt, liest sich das letztlich so, als gehöre dazu auch, die richtige Antwort zu treffen.
  Inzwischen sehen viele schon eine Quote komplett falscher Antworten von nur 10 % als etwas, das das Vertrauen in jede Interaktion massiv untergräbt, egal ob die Antwort offensichtlich falsch oder selbstwidersprüchlich ist. Abgesehen davon, bereits Bekanntes erneut zu bestätigen, ist das Sprachmodell in Wirklichkeit nicht groß genug, um alles zu wissen; es klingt nur so, als wüsste es alles.
  Was ich will, ist nicht einfach eine richtige Antwort, sondern eine richtige Antwort, die schneller ist als meine eigene Recherchezeit und auch schneller als die Zeit, die ich brauche, um die Antwort der Maschine zu überprüfen. Einen Schüler ein Aufgabenblatt lösen zu lassen, dessen Antworten man kennt, ist etwas völlig anderes, als einer Antwort auf eine Frage vertrauen zu müssen, deren Antwort man selbst nicht kennt.

  • Neuere Funktionen versuchen, Halluzinationen durch umfangreiche Websuche zu reduzieren, aber ich mache mir Sorgen, dass das Web selbst schnell mit ungefilterten Ausgaben großer Sprachmodelle verschmutzt wird. Ab einem gewissen Punkt könnte es bei Fragen, bei denen Aktualität keine große Rolle spielt, genauer sein, einem Research-Agent einen Web-Snapshot von vor etwa fünf Jahren zu geben statt das Live-Web.
  • Ich halte mich selbst für einen „LLM ≠ KI“-Skeptiker, aber es beunruhigt mich, wenn ich sehe, wie Leute so tun, als würden sie aus großen Sprachmodellen etwas herausholen. Es ist fast wie Schreibmaschinen-Affen as a Service.
    Für gelegentlichen Einsatz hier und da sind sie nützlich, aber nicht so nützlich wie das Geld, das hineinfließt. Für die Unternehmen, die dieses Geld bekommen, sind sie natürlich nützlich. Das ist ein Beispiel, bei dem man von echter KI erwarten würde, dass sie es allein lösen kann, aber aktuelle große Sprachmodelle scheitern kläglich: https://x.com/RadishHarmers/status/1885884032220643587
  • Deshalb fand ich KI-Tools nicht besonders nützlich. Die Zeit, die man damit verbringt, Antworten zu überprüfen und zu korrigieren, ist oft länger, als wenn man es einfach selbst macht oder lernt.
  • Ich habe immer gedacht, dass die Probleme, bei denen KI vom Typ großes Sprachmodell praktisch hilfreich ist, eine gewisse NP-artige Eigenschaft haben. Gemeint ist: Das Problem zu lösen mag schwierig sein, aber die Lösung zu überprüfen muss schnell gehen.
    Wenn es kein Bereich ist, in dem Fehler oder Halluzinationen akzeptabel sind, muss die Zeit, die ein Mensch zum Überprüfen der Lösung braucht, exponentiell kürzer sein als die Zeit, die die KI zum Finden braucht, damit es einen echten Nutzen gibt.
  • Wenn der Anteil komplett falscher Antworten vor einem Jahr 30 %, vor einigen Jahren 60 % und jetzt 10 % betrug, kann irgendwann ein Punkt kommen, an dem es gut genug ist. Auch die Methoden zur Überprüfung von Antworten werden heute immer besser.
    Es wird nicht die Lösung für alle Probleme sein, aber es ist ähnlich wie bei vielen Engineering-Problemen. Ein ORM ist zum Beispiel nicht für jede Query gut, aber für einen erheblichen Teil ausreichend.

• Das fühlt sich beängstigend an. Selbst wenn man die Probleme mit Halluzinationen und Fehlern einräumt, ist es sehr wahrscheinlich, dass echte Nutzer das ignorieren und die Ausgabe in ihre PowerPoint-Präsentationen übernehmen.
  Management Consulting war ohnehin schon schlimm genug, aber wenn man Diagramme und Statistiken nach Belieben massenhaft erzeugen kann, wird es noch schlimmer. Früher gab es immerhin noch ein gewisses Verständnis im Hintergrund, woher die Zahlen kamen, und man konnte auch Quellen angeben.
  Je leistungsfähiger solche Tools werden, desto häufiger wird der Effekt auftreten, dass diese Ergebnisse überall einsickern.

  • Entweder einem ist Genauigkeit wichtig oder nicht. Wenn nicht, spielt es keine Rolle, ob ein Mensch es erfunden hat oder eine KI. Wenn doch, wird man vor der Veröffentlichung einen Faktencheck machen. Ich sehe nicht, warum dieses Tool daran etwas ändern sollte.
  • Wenn halluzinierte Forschung als Text veröffentlicht wird und dieser Text dann in anderer KI-Forschung zitiert wird, sodass falsche Informationen immer weiter nach oben gespült werden, wird es später schwer zu erkennen, wo der Ursprung der Lüge lag.
  • Man kann es auch als eine Art Impfung sehen. Die meisten von Menschen geschriebenen Beraterberichte sind bereits völlig schlampig. Geringe Genauigkeit, niedriges Signal-Rausch-Verhältnis, Allgemeinplätze, die durch schiere Masse durchgedrückt werden.
    Große Sprachmodelle sorgen dafür, dass Menschen gegen solche Inhalte mit geringem Informationswert immun werden. Leute, die Ergebnisse auf LLM-Niveau liefern, stehen jetzt unter dem Verdacht, ein LLM benutzt zu haben, und können nicht mehr so leicht so tun, als würden sie Mehrwert schaffen. In der Folge wird von Beratern höhere Qualität verlangt, und diejenigen, die statt präziser, aufschlussreicher und kontextgerechter Informationen nur weitschweifiges Gerede produzieren, werden ausgesiebt.
  • Ehrlich gesagt habe ich selbst Consulting gemacht und habe noch viele Freunde, die es tun, aber selbst ein McKinsey-Bericht steht in drei von vier Fällen nicht besonders fest auf dem Boden der Realität und enthält viele Schätzungen.
  • Ich denke, der Zug ist schon abgefahren, als Facebook die Verbreitung von Falschinformationen frei laufen ließ, oder sogar schon davor.

• Gemini hatte seit ein oder zwei Monaten ebenfalls Deep Research unter demselben Namen: https://blog.google/products/gemini/google-gemini-deep-resea...
  Als Meta-Frage frage ich mich, warum es in der KI-Branche so viele Namensüberschneidungen gibt. Mir fallen Triton (Nvidia, OpenAI) oder Gro{k,q} (X.ai, groq, OpenAI) ein.

  • Laut dem Ersteller von OpenAI Triton wurde der Name „Triton“ Mitte 2019 vergeben, als er seine Dissertation veröffentlichte. Ein Jahr später wurde „TensorRT Inference Server“ in „Triton Inference Server“ umbenannt, aber da es der einzige Name war, der seine Doktorväter mit dem Projekt verband, änderte er ihn nicht.
  • Wenn es eine „Meta-Frage“ ist, sollte man der Abfrage wohl „@Meta AI“ voranstellen.
  • Es fühlt sich an wie eine informelle Branchenvereinigung, die gemeinsam bestimmte Begriffe passend zu Vertrieb und PR umdefiniert. Erst war es „Intelligenz“, dann „Open Source“, danach „Reasoning“, und es wird weitergehen.
    Wörter, die man für PR braucht, deren tatsächliche Bedeutung man aber nicht erreicht, werden umdefiniert. „grok“ ist ein perfektes Beispiel: In dem ursprünglichen SF-Buch bedeutete es „vollständiges Verstehen“. Der mythische Triton herrschte über die Tiefsee, also wurde das direkt für den „Deep Learning“-Sales-Pitch übernommen.
  • Ich wollte die Gemini-Version bei der Veröffentlichung ausprobieren, aber offenbar lebte ich im falschen Land. Außerhalb der USA scheint es nicht zu funktionieren. Schade, bei OpenAI und DeepSeek gibt es dieses Problem nicht. Ich wäre bereit zu zahlen, aber sie nehmen mein Geld nicht.
  • Die Gemini-Version kann man kaum als besonders „tief“ bezeichnen. Sie zeigt viele Informationen an, bleibt aber ziemlich oberflächlich. Die OpenAI-Version scheint der echten Tiefe einen Schritt näher zu kommen.
    Wenn man es selbst versucht, merkt man, dass es ziemlich schwer ist, große Sprachmodelle dazu zu bringen, wirklich in die Tiefe zu gehen. OpenAIs Deep Research fühlt sich wie eines der ersten Beispiele dafür an, wie ein großes Labor das hinbekommen kann. Der schwierige Teil ist normalerweise nicht der „Agent“ selbst, sondern das Modell dazu zu zwingen, nicht zu vergessen, tiefer einzusteigen.

• Ich weiß nicht, ob ihr es bemerkt habt, aber diese Funktion scheint von einem unveröffentlichten o3-Modell angetrieben zu werden. Das passt dazu, warum sie in Benchmarks deutlich vorne liegt, und auch zu der Behauptung, o3 sei für einen öffentlichen Launch zu teuer. Es wirkt wie ein beeindruckendes Modell, das Google, DeepSeek und Perplexity voraus ist.

  • In den öffentlichen Benchmarks hatte nur dieses Tool/System Zugriff auf Tools und das Web. Deshalb halte ich es streng genommen für sehr wahrscheinlich, dass der Leistungsgewinn daher kommt.
    Wenn o3 für die breite Öffentlichkeit zu teuer ist, warum sollte man es dann in einem Tool einsetzen, das für eine Frage Hunderte Inferenzaufrufe braucht? Man würde ein deutlich günstigeres Modell nehmen. Wahrscheinlich war es o3-mini oder o1-mini, kombiniert mit o4-mini für manche Aufgaben.
  • „Zu teuer“ könnte bedeutet haben, dass sie mehr dafür verlangen wollten, aber DeepSeek hat ihnen die Hand erzwungen.
  • Ich vermute, dass der Effekt in dieser Arbeitsumgebung weit über ein einzelnes bestimmtes Modell hinausgeht. Für jede Phase der Recherchearbeit nur ein Modell derselben Größe zu verwenden, wäre eine dumme Entscheidung.
    Beim Zusammenfassen der endgültigen Antwort oder beim Auswählen zwischen widersprüchlichen Quellen könnte o3 im Vorteil sein, aber bis zu diesem Punkt sind sehr viele Schritte nötig.
  • Wenn o3 in 10 Monaten erscheint, bin ich sicher, dass es dem dann aktuellen DeepSeek, Google und Meta eine Generation voraus sein wird. Wirklich beeindruckend.
  • Mich würde interessieren, worauf die Annahme beruht, dass das von einem unveröffentlichten o3 angetrieben wird.

• Für Leute in der Wissenschaft ist das tatsächlich ein interessantes Tool. Ich würde es gern ausprobieren, kann mir derzeit aber keine 200 Dollar im Monat leisten.
  Es wäre schön, wenn jemand es mit folgendem Prompt testen könnte: Als wissenschaftlicher Mitarbeiter für Teilchenphysik soll es eine technische Zusammenfassung erstellen, die CERNs Future Circular Collider (FCC), den International Linear Collider (ILC), den Compact Linear Collider (CLIC), verschiedene Muon-Collider-Vorschläge sowie die wichtigsten Pläne für Teilchenbeschleuniger der nächsten Generation mit Stand 2024 vergleicht – nach Energiebereich, Kollisionsart, Zeitplan, technischen Vor- und Nachteilen, Kosten, physikalischen Zielen, Design Reports, internationaler Zusammenarbeit, Kosten-Nutzen-Verhältnis, Entdeckungspotenzial, Infrastruktur, Umweltauswirkungen und Upgrade-Pfaden.

  • Ich habe es mit o3-high laufen lassen, der Ergebnislink ist hier: https://chatgpt.com/share/67a0b227-8ee4-800f-a8ed-882e7bab97...
    Die Originalausgabe war zu lang, um sie vollständig auf HN zu posten; sie hatte die Form eines Berichts, der FCC, ILC, CLIC, Muon Collider, CEPC/SppC usw. in Tabellen und mit Quellen nach geplanter Energie, Kollisionsmethode, Zeitplan, Kosten, technischen Herausforderungen, physikalischen Zielen, internationaler Unterstützung, Umweltauswirkungen und langfristigen Upgrade-Pfaden verglich.

• Ich bezweifle, dass diese Fähigkeit wirklich eine Voraussetzung für AGI und ASI ist.
  Schlussfolgern, Problemlösung und Forschungsvalidierung sind im Kern alle eher Formen von verfeinertem Denken. Forschung ist ein Bereich, in dem ich ihrer Bedeutung weiterhin skeptisch gegenüberstehe, weil gültige Belege nicht aus sauber formulierten Antworten entstehen, sondern aus Ausführungsergebnissen.
  Selbst wenn man zum Beispiel im Internet noch so gründlich nach dem besten Staubsauger recherchiert, steckt man bis zum eigenen Ausprobieren zwischen Marketing, Fake Reviews und Influencern fest. Wissenschaftliche Bereiche könnten durch ihre Trockenheit ein Stück weit vor solchen Problemen geschützt sein, aber es ist beängstigend, sich vorzustellen, dass ein Pharmaunternehmen das Internet mit maßgeschneiderten Blogbeiträgen voller anspruchsvoll wirkender medizinischer „Forschungsergebnisse“ fluten und so die gewünschte Anmutung von Fachliteratur erzeugen könnte. Irgendwann könnte man dem Internet überhaupt nicht mehr trauen, und dieser Zeitpunkt könnte bald kommen.
  Durch die Explosion generierten Textes dürfte der Wert von Recherche wegen der enormen Menge an Informationsmüll stark sinken. Vielleicht bleibt sie als Tätigkeit aus der Zeit zurück, als das Internet noch „echt“ war.

  • Für solche Arten von Nutzung muss man dieses Tool dann eben nicht verwenden. Der Einwand ist trotzdem berechtigt.
    Ich habe früher nach Artikeln mit echten Messungen gesucht, um zu vergleichen, wie sich Hydroflask, Klean Kanteen und Thermos bei heißen/kalten Getränken unterscheiden. Die meisten Google-Suchergebnisse waren aber allgemeine Vergleiche ohne harte Daten. Trotzdem wurden Artikel wie „Hydroflask ist besser für warme Getränke“ weit oben angezeigt.
    Entscheidend ist, ob dieses Tool solche Artikel ignorieren und nur Beiträge mit echten Experimenten verwenden kann, und ob es duplizierte Ergebnisse herausfiltern kann, bei denen mehrere Blogger ein Experiment einer einzelnen Person immer wieder zitieren.
  • Das hängt vollständig davon ab, wie man „AGI“ definiert.
  • Das ist weniger eine einzelne Funktion als vielmehr eine Richtung in einem riesigen Gelände. Besser in verschiedenen Aufgaben wie Suche zu werden, und in mit Schlussfolgern kombinierter Recherche, bringt Modelle näher an AGI heran.
    Eine AGI könnte solche Aufgaben erledigen, und je größer das Venn-Diagramm solcher Fähigkeiten wird, desto stärker kann man eingrenzen, was der grundlegende Mechanismus von AGI sein könnte. Moravec beschrieb das Bild einer Landschaft menschlicher Fähigkeiten, die langsam von KI-Fähigkeiten überflutet wird; wir werden wissen, dass wir echte allgemeine KI erreicht haben, wenn KI alles, was Menschen können, tatsächlich oder zumindest prinzipiell leisten kann. Deep Research ist nur eine weitere Insel, die in dieser Flut untergeht.

• Wenn ich die Grafik richtig verstehe, liegt die Bestehensquote in internen Tests offenbar nur bei 20%. Heißt das dann, dass man 30 Minuten wartet, viel Geld bezahlt und sich am Ende durch eine lange Textwand arbeiten muss, die mit hoher Wahrscheinlichkeit größtenteils falsch ist?
  Wenn die Wahrscheinlichkeit von Halluzinationen nicht vernachlässigbar ist, ist das zu viel Material, um es auf einmal zu prüfen. Der Prozess müsste wohl viel iterativer sein.

  • Beispiele für Aufgaben, bei denen diese 20% erreicht werden, liegen auf folgendem Niveau: Man drückt eine natürliche Transformation zwischen zwei Funktoren als End aus, definiert eine natürliche Kotransformation als Coend und fragt dann nach der Anzahl natürlicher Kotransformationen unter dem Delooping Nerve der symmetrischen Gruppen Σ4 und Σ7 in einer ∞-Kategorie.
    Das sind also keine gewöhnlichen Anfragen, sondern eher Probleme aus einem Mathematik-Benchmark am Stand der Forschung.
  • Eine Bestehensquote von 26,6% bei Humanity’s Last Exam ist tatsächlich beeindruckend. Man muss die Quote im Kontext der Aufgabenschwierigkeit sehen.
  • Das gilt nur, wenn man Fragen auf dem Niveau von Spitzen-Benchmarks stellt.
  • Mangels Daten lässt sich das schwer mit Sicherheit sagen. Wenn man annimmt, dass eine einzelne Anfrage einen Arbeitstag erledigt, kann es sinnvoll sein, solange die Prüfung von fünf Arbeitstagen weniger als einen Tag dauert.
    In Fällen wie echter Forschung, bei denen die Vorarbeit umfangreicher ist als das Endergebnis, könnte das konzeptionell gut passen. Wenn man die Benchmarks grob anschaut, scheint es möglich, dass sie gegen Jahresende über 50% pro Anfrage kommen, und es wirkt, als verdopple sich das alle ein bis zwei Modellgenerationen.
  • Diese Werte stammen von Problemen, die selbst Expertinnen und Experten des jeweiligen Fachgebiets nur schwer korrekt beantworten können.

• In der Blogosphäre gibt es in engen Fachgebieten bekannte Expertinnen und Experten oder Personen, die in ihrem Bereich einen Namen haben, und es gibt noch viel mehr Leute, die nützliche Beiträge schreiben. Zumindest schreiben sie in dem Sinne, dass sie wollen, dass andere Menschen sie lesen.
  Wenn aber alle Leser Bots werden, frage ich mich, ob sie weiter schreiben werden. Es fühlt sich an, als rücke das tote Internet näher.

  • Selbst Schreiben, das nur von Bots gelesen wird, fände ich gut, wenn man einen Weg dafür kennt. Wissenschaftliche Arbeiten werden in Wirklichkeit oft auch nicht gründlich gelesen, sondern für Zitate nur kurz überflogen, und bei größeren Veröffentlichungen wie Journalartikeln oder Dissertationen gilt das noch mehr.
    Trotzdem ist es als Autor attraktiv, zu einer Wissenswelt beizutragen, auf die Menschen leicht zugreifen können, wenn sie schreiben wollen. Man muss sich nicht mehr mühsam durch Paper quälen, deren Titel nur irgendwie relevant wirkt, und es ist auch okay, wenn andere meine Arbeit nicht mühsam lesen müssen.
  • Natürlich werden sie weiter schreiben. Es gibt auch viele Menschen, die mit der größten bezahlbaren Kamera losziehen und Hunderte Fotos machen, die sich niemand freiwillig ansehen wird.

• Ich frage mich, ob tatsächlich schon jemand Zugriff auf diese Funktion hat. Auf der Website steht, sie sei ab heute für Pro-Nutzer verfügbar, aber selbst mit Pro über ein Firmenkonto sehe ich im Nachrichteneditor keine Deep-Research-Option.

  • Ich bin Pro-Nutzer und in den USA, sehe sie aber noch nicht.
  • Bei mir ist der Zugriff seit ungefähr 3 Stunden verfügbar. Ich sehe es sogar in der Windows-Desktop-App, bei der einige Funktionen verspätet erscheinen.
    Wenn man ein beliebiges Modell öffnet, erscheint im Eingabefeld neben der Websuche-Option das Tag (Deep research). Ich habe weder den Cache geleert noch sonst etwas gemacht.
  • Ich bin Pro-Nutzer, sehe es aber noch nicht.
  • Zwei Bekannte mit Pro-Abo sagen ebenfalls, dass sie noch keinen Zugriff haben.
  • Ich wohne in den USA, nutze Pro und habe noch keinen Zugriff.

[GN⁺]

Hacker-News-Kommentare

• Jedes Jahr denke ich, dass die Qualitätsstandards für Software nicht noch weiter sinken können, und jedes Mal merke ich, dass ich falschliege

  • Ich verstehe nicht, warum man etwas unbedingt machen will, wenn man es nicht einmal richtig macht
  • Es ist, als würde man schlecht zugeschnittenes Holz irgendwie zusammennageln, bis etwas entsteht, das einem Stuhl ähnelt, und sich dann darauf setzen
  • Man kann zwar sagen: „Manchmal braucht man einfach nur irgendeinen Platz zum Sitzen“, aber trotzdem sollte es zumindest ein Mindestmaß an Fertigstellung geben
  • Ich habe gesehen, wie manche Menschen wegen mangelnden Selbstvertrauens im Englischen vollständig von LLMs abhängig geworden sind und dadurch ihre Ausdrucksfähigkeit und ihr Selbstvertrauen verlieren
  • In der Softwareentwicklung weiß man am Anfang nur selten, dass man tatsächlich einen „Stuhl“ baut
    • Am Ende ist es nur ein anderer Name für exploratives Programmieren oder Prototyping
  • Manchmal ist nicht das Ziel wichtig, sondern einfach nur der Wunsch, möglichst schnell irgendwo anzukommen
    • Das ist, als würde man jemanden tadeln, der müde ist und sich kurz auf den Boden setzt
  • Ich mache mir Sorgen, dass heutzutage das Gefühl für die Realität verloren geht, dass Code auf echter Hardware läuft
    • Viele junge Entwickler verstehen die physischen Folgen von Code nicht
    • Ich denke, dass AI und der ganze Hype irgendwann zusammenbrechen werden, aber der Kampf um Qualität muss weitergehen

• Auch ich habe Spaß an dieser Art von kleinen Projekten

  • Aber bei Sicherheit darf man absolut nicht schlampig sein
  • AI-Coding-Assistenten haben schon oft APIs ohne Authentifizierung erstellt oder Templates mit XSS-Risiken erzeugt
  • Ich nutze LLMs täglich, bin aber überzeugt, dass für die Rolle von Security Engineers auch in Zukunft mehr als genug zu tun bleibt

• Wenn ich diesen Ansatz sehe, fühlt es sich an, als würde ein „Essens-und-Coden-Mensch“ einfach ein Ergebnis einreichen

• Ich mache mir Sorgen, dass die Fähigkeit, schwierige Probleme zu lösen, verkümmert, wenn man so mit dem Coden anfängt

  • Andere sagen aber, dass man die wirklich wichtigen Teile weiterhin manuell und sorgfältig erledigen kann
  • Stattdessen sinkt die Einstiegshürde, neue Dinge auszuprobieren, sodass man viel freier explorieren kann

• Inzwischen gibt es immer mehr AI-native Entwickler, die von Anfang an auf diese Weise lernen

  • Es wirkt, als lebten wir inzwischen eher in einer Zeit des Managements von AI-Codern als des eigentlichen Codens

• Tools wie ein „WYSIWYG, das sich per natürlicher Sprache anpassen lässt“ scheinen eine steile Schwierigkeitsklippe zu haben, ähnlich wie die Grenzen von RAD-Tools

• Manche sagen, man sollte so nicht lernen, aber ich finde, wichtig ist das richtige Verhältnis von Aufwand und Fertigstellungsgrad

  • Vibe Coding ist eine gute Methode zum Lernen und Explorieren
  • Es könnte ein neues Spektrum zwischen Aufwand und Fertigstellungsgrad eröffnen
  • Allerdings muss man, wie Fred Brooks sagte, den ersten Versuch entschlossen verwerfen können, wenn er unzureichend ist
    • Wenn man sich an die erste von einem LLM erzeugte Implementierung klammert, kann man an einem falschen Ausgangspunkt hängenbleiben, ohne das Problem richtig verstanden zu haben

• Für CSS reicht Vibe Coding meiner Meinung nach völlig aus

  • Andere entgegnen jedoch, dass es unter Berücksichtigung von Barrierefreiheit und Responsive Design nicht so einfach ist
  • Gut gemachtes CSS ist im Gegenteil oft knapp und leicht wartbar
  • AI dazwischenzuschalten kann eher hinderlich sein
  • Jemand anderes berichtet, mit Claude bereits ein kleines Web-Utility vollständig umgesetzt zu haben
  • Eine weitere Person erklärt, sie habe auf dieselbe Weise eine React-basierte Such-DSL oder einen GUI-Pipeline-Editor gebaut, und dass dieser Ansatz damit weit über simples CSS hinausgeht