Jednym z najczęstszych problemów z kodem chmurowym generowanym przez AI jest to, że wygląda wiarygodnie, będąc wciąż nieco za rzeczywistością.
Kod się kompiluje. Funkcja się wdraża. Przykład wydaje się w porządku.
Potem zauważasz szczegóły:
- nieaktualne modele programowania
- sekrety na sztywno zakodowane w projekcie
- słabe wybory skalowania
- brak projektowania z tożsamością jako priorytetem
- brak walidacji przed wdrożeniem
Dlatego właśnie azure-functions-skills wygląda dla mnie użytecznie.
Podgląd to nie tylko kolejny pomocnik do szkieletowania. Próbuje rozwiązać znacznie ważniejszy problem: sprawić, by agenci kodujący produkowali aktualne, secure-by-default rozwiązania Azure Functions zamiast przyzwoicie wyglądających, ale operacyjnie przestarzałych pierwszych szkiców.
Źródłowy wpis jest odświeżająco szczery co do trybu awarii
Jedna część oryginalnego artykułu, którą naprawdę lubię, to jak bezpośrednio mówi o problemie.
Mówi, że ogólni agenci często „zostawiają zakodowane na sztywno klucze, ciągi połączeń i inne sekrety w twojej funkcji do posprzątania później”.
To dokładnie taki rodzaj zdania, jaki chcę widzieć w takim wpisie.
Ponieważ nazywa prawdziwy problem, zamiast udawać, że luka jest mała.
Nie chodzi o to, czy agenci w ogóle potrafią pisać kod. Potrafią.
Chodzi o to, czy potrafią pisać produkcyjnie rozsądny kod Azure.
To inna poprzeczka.
Prawdziwa wartość polega na uczeniu agenta lepszych nawyków
To, co przykuło moją uwagę, to nie tylko polecenie instalacji czy katalog skilli.
To pomysł, że wtyczka daje agentowi:
- aktualne wzorce Azure Functions
- domyślną tożsamość zarządzaną
- wskazówki dotyczące Flex Consumption
- integrację z szablonem Azure MCP
- umiejętności wdrażania i walidacji
- „doktorski” przegląd przed wysyłką
To ma znaczenie, ponieważ wiele błędów kodowania AI występuje w luce między generycznym generowaniem kodu a poprawnością specyficzną dla platformy.
A w tej luce zespoły tracą czas.
Dlaczego to wydaje się na czasie
Gdy coraz więcej zespołów używa GitHub Copilot CLI, Claude Code, VS Code i podobnych przepływów do budowania aplikacji chmurowych, brakującym elementem często nie jest surowe generowanie kodu.
To kontekst.
Dokładniej:
- jaki jest aktualny model hostingu?
- jaka jest preferowana historia uwierzytelniania?
- jakie wzorce skalują się na tej platformie?
- co powinno być walidowane przed wdrożeniem?
To są dokładnie obszary, w których „agent skills” zaczynają mieć więcej sensu niż rzucanie większym modelem na problem.
Pomysł doctor jest szczególnie sprytny
Gdybym miał wybrać jedną rzecz z ogłoszenia, którą zespoły docenią najbardziej, byłoby to prawdopodobnie polecenie doctor.
Źródłowy wpis mówi, że defekty kodu i nieprawidłowa konfiguracja stanowią „około 53%” incydentów wsparcia Azure Functions w ich wewnętrznej analizie.
Ta liczba ma znaczenie.
Ponieważ oznacza, że zespół platformy nie tylko zgaduje, gdzie mieszka ból. Budują wokół bardzo konkretnego wzorca awarii.
I szczerze mówiąc, to jest rodzaj myślenia produktowego, któremu ufam bardziej:
- zidentyfikuj najdroższe powtarzające się błędy
- wyłap je przed wdrożeniem
- spraw, by dobra ścieżka była łatwiejsza niż zła
Tak ulepsza się doświadczenie programisty w znaczący sposób.
Na co wciąż uważałbym
Mimo że bardzo lubię ten kierunek, wciąż traktowałbym to jako warstwę produktywności, a nie zastępstwo dla osądu inżynieryjnego.
Zdecydowanie chciałbym, aby zespoły przejrzały:
- wygenerowaną konfigurację tożsamości
- wszelkie założenia infrastrukturalne
- wybory powiązań
- model bezpieczeństwa wokół storage, kolejek i sekretów
- użycie walidacji w stylu
--deepw CI
Dobra wiadomość jest taka, że narzędzie wydaje się zaprojektowane z myślą o tej rzeczywistości. Nie ukrywa walidacji ani nie udaje, że agent wie wszystko. Próbuje stworzyć bezpieczniejszy kierowany pas.
To lepszy punkt wyjścia.
Moje zdanie
To dokładnie taki rodzaj warstwy narzędziowej, jakiego spodziewam się coraz częściej.
Nie dlatego, że agenci potrzebują więcej szumu, ale dlatego, że potrzebują lepszych szyn, gdy celują w prawdziwe platformy, takie jak Azure Functions.
Najmądrzejszą częścią tego podglądu jest to, że nie tylko pomaga agentom pisać kod. Pomaga im pisać aktualny, świadomy Azure, świadomy tożsamości, świadomy wdrożenia kod.
To znacznie bardziej użyteczna ambicja.
A dla zespołów budujących obciążenia serverless lub wspomagane agentowo na Azure, ten podgląd jest wart bardzo uważnego śledzenia.
Oryginalny wpis: Introducing azure-functions-skills: An AI-Era Workspace for Azure Functions (Preview)
