AI 도구의 도움으로 상태 머신 라이브러리 구축

심심해서 후속 인터뷰 세션을 기다리는 동안 genruler로 구동되는 상태 머신 라이브러리를 구축했습니다. 정확히 말하면 과거에 졸업 후 첫 직장에서 만들었습니다. 이 구현은 당시 내 상사가 초안을 작성한 설계를 대략적으로 기반으로 합니다. 이 프로젝트는 또한 규칙 DSL이 어떻게 활용될 수 있는지 보여주는 것을 목표로 했습니다.

유한 상태 기계에 대한 Google 검색에서 반환된 유용한 요약에 따르면(강조)

“유한 상태 기계”는 주어진 시간에 시스템이 제한된 수의 개별 상태에만 있을 수 있고 이러한 상태 간의 전환이 특정 입력에 의해 트리거되어 본질적으로 허용되는 계산 모델을 의미합니다. 무한한 수의 상태를 가질 가능성이 없이 정의된 조건 집합을 기반으로 정보를 처리합니다. '유한'은 시스템이 존재할 수 있는 제한된 상태를 의미합니다.

도서관은 유한 상태 기계의 스키마를 나타내는 사전을 받습니다. 예를 들어 주문 추적 시스템을 구축하고 싶습니다

Graphviz로 생성된 유한 상태 기계 다이어그램

스키마는 다음과 같습니다(명확성을 위해 잘린 YAML 형식)

machine:
  initial_state: pending_payment

states:
  pending_payment:
    name: pending payment
    transitions:
      order_authorization:
        name: order is authorized
        destination: authorized
        rule: (condition.equal (basic.field "is_authorized") (boolean.tautology))

  authorized:
    name: authorized
    action: authorize_order
    transitions:
      order_partially_paid:
        name: order is partially paid
        destination: partially_paid
        rule: (boolean.tautology)
      order_fully_paid:
        name: order is fully paid
        destination: paid
        rule: (boolean.tautology)

    ...

따라서 모든 것을 설정하려면

import genstates
import yaml
import order_processor

with open("states.yaml") as schema:
  machine = genstates.Machine(yaml.safe_load(schema), order_processor)

따라서 이 가상의 예에서는 순서가 변경될 때마다 일부 페이로드를 받게 됩니다. 예를 들어 판매자가 주문을 승인하면

{
  "is_authorized": true,
  ...
}

그럼 도서관을 통해 확인해보겠습니다

state = machine.initial # assume the order is created

transition = machine.get_transition(state, "order_authorization")

assert transition.check_condition(payload)

검사는 스키마에 정의된 경우 추가 유효성 검사도 실행합니다. 이는 호출자에게 오류 메시지를 반환하려는 경우에 유용합니다.

try:
  assert transition.check_condition(payload)
except ValidationFailedError as e:
  logger.exception(e)

때때로 페이로드가 도착할 때마다 전환이 트리거되어야 한다는 것을 알고 있지만 어떤 전환인지 항상 알 수는 없습니다. 따라서 이를 Machine.progress에 전달합니다

try:
  state = machine.progress(state, payload)
except ValidationFailedError as e:
  logger.exception(e)

주문이 어떤 상태로 진행되어야 하는지 알게 되면 로직 작업을 위한 코드 작성을 시작할 수 있습니다

# fetch the order from database
order = Order.get(id=payload["order_id"])
current_state = machine.states[order.state]

# fetch next state
try:
    new_state = machine.progress(current_state, payload)
except ValidationFailedError as e:
    # validation failed, do something
    logger.exception(e)
    return
except MissingTransitionError as e:
    # can't find a valid transition from given payload
    logger.exception(e)
    return
except DuplicateTransitionError as e:
    # found more than one transition from given payload
    logger.exception(e)
    return

# do processing (example)
log = Log.create(order=order, **payload)
log.save()

order.state = new_state.key
order.save()

이상적으로는 처리 로직을 추출할 수도 있는데, 이것이 처음에 order_processor를 가져온 이유입니다. 인증 상태 정의에서 작업도 정의했습니다

authorized:
    name: authorized
    action: authorize_order
    ...

그래서 order_processor 모듈에서authorized_order라는 새로운 함수를 정의합니다

def authorize_order(payload):
    # do the processing here instead
    pass

상태 관리 코드가 나머지 처리 로직과 분리되어 다음이 가능합니다

machine:
  initial_state: pending_payment

states:
  pending_payment:
    name: pending payment
    transitions:
      order_authorization:
        name: order is authorized
        destination: authorized
        rule: (condition.equal (basic.field "is_authorized") (boolean.tautology))

  authorized:
    name: authorized
    action: authorize_order
    transitions:
      order_partially_paid:
        name: order is partially paid
        destination: partially_paid
        rule: (boolean.tautology)
      order_fully_paid:
        name: order is fully paid
        destination: paid
        rule: (boolean.tautology)

    ...

하지만 지금은 계속 작업 중이므로 다음 릴리스에 구현해야 합니다. 한편, 모든 상태에 작업이 정의되어 있으면 매핑 및 축소와 유사한 작업을 수행할 수도 있습니다. 프로젝트의 개발 진행 상황을 자유롭게 확인해 보세요. 그리고 genruler와 genstates 모두 이제 PyPI에 올라왔습니다!

이제 AI 문제는 어떻습니까?

라이브러리를 어느 정도 사용할 수 있게 된 후에 Codeium Windsurf를 다운로드했습니다. 나는 결국 이를 사용하여 genruler에서 종속성을 제거하고 문서와 README를 프로젝트에 추가했습니다. 젠스테이트의 경우 캐스케이드를 사용하여 문서, README 및 테스트를 생성했습니다. 전반적으로, 인턴이나 후배들에게 할당할 작업을 도와줄 중견 및 고급 프로그래머가 주변에 있는 것 같은 느낌입니다.

핵심 논리의 대부분은 여전히 ​​내 쪽에서 나옵니다. 현재 언어 모델이 지능적인 만큼 여전히 여기저기서 실수를 하기 때문에 감독이 필요합니다. 나는 또한 qwen2.5-coder:7b 모델을 실험했는데, 형편없는 워크스테이션으로 인해 다소 느리기는 하지만 꽤 잘 작동했습니다. 나만의 제품을 만들고 그것으로 돈을 벌 수 있다면 Codeium이 요구하는 가격은 공정하다고 생각합니다.

생성 부분은 잘 작동하지만 실제 코드를 작성하는 것은 그리 좋지 않습니다. Pylance가 그곳에서 제대로 작동하는지, 독점적인 것으로 간주되는지, 아니면 Windsurf가 수행하는 마법의 완성으로 인해 코드를 작성할 때 편집자가 더 이상 라이브러리 자동 가져오기를 수행할 수 없는지 잘 모르겠습니다. 예를 들어, 내 코드에서 Reduce() 함수를 자동 완성하면 vscode에서는 자동으로 functools import Reduce를 내 코드에 삽입합니다. 그러나 윈드서핑에서는 그렇지 않기 때문에 약간 짜증이 납니다. 그러나 이것이 새로운 것을 고려하면 코딩 경험은 시간이 지남에 따라 수정되어야 합니다.

한편, 저는 여전히 더 가벼운 편집자를 찾고 있는데, zed가 제 관심을 끌었습니다. 하지만 최근 Surface Book 2가 사망했기 때문에 집에 없을 때 Samsung Galaxy Tab S7FE만 남습니다. 따라서 내 워크스테이션에 연결된 웹 프런트엔드(놀랍게도 사용 가능)가 있는 vscode는 여전히 내 기본 편집기입니다(neovim 확장에서도 작동합니다).

LLM이 제공하는 생성적 AI는 우리 삶을 빠르게 변화시키고 있으며 이에 저항할 이유가 없습니다. 하지만 IMHO, 우리는 그것을 모든 것에 사용하지 않도록 자제력도 가져야 합니다. 혁신과 창의성을 대체하는 것이 아니라 혁신적이거나 창의적인 작업을 보완하는 수단으로 사용해야 합니다.

무작위로 받아들이는 대신 출력되는 내용도 알아야 합니다. 예를 들어, genruler에서는 더 광범위한 예제를 사용하여 원본 README를 개선했습니다. 그대로 받아들이는 대신 README에서 생성하는 모든 예제에 대해 테스트를 생성하도록 만들었기 때문에 예제 코드가 의도한 대로 통과하고 작동합니다.

전반적으로, 제너레이티브 AI의 향상된 편집자는 그들이 요구하는 비용만큼 가치가 있다고 생각합니다. 결국 이것들은 키보드를 치는 사람을 대체하는 것이 아니라 작업에 도움을 주기 위한 도구입니다.

위 내용은 AI 도구의 도움으로 상태 머신 라이브러리 구축의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!