Anna Bliokh/Getty Images
Pernahkah Anda ingin membangun aplikasi kustom sendiri tapi tidak ingin membuang waktu untuk belajar pemrograman yang rumit? Jika ya, proyek eksperimental baru dari GitHub mungkin bisa membuat impian Anda menjadi kenyataan.
GitHub Spark memungkinkan Anda membuat apa yang perusahaan sebut sebagai “aplikasi mikro” atau “percikan.” Ini adalah aplikasi kustom yang sangat terbatas yang melakukan satu atau dua tugas dasar. Anda membuatnya melalui antarmuka chatbot, dan ketika selesai, Anda mendapatkan percikan yang bisa (suatu hari) dibagikan dengan semua teman Anda.
Juga: Microsoft menawarkan pelatihan keterampilan AI gratis untuk semua – dan belum terlambat untuk mendaftar
Saya baru saja mendapatkan akses ke pratinjau dan bisa melakukan beberapa pengujian. Pada dasarnya, alat ini sangat terbatas. Tetapi karena ada AI yang beroperasi di bawahnya, AI dapat melakukan beberapa sihir AI yang sangat canggih dalam antarmuka yang sangat terbatas dari Spark.
Menautkan dan mengonfigurasi
Hal pertama yang perlu Anda lakukan adalah menautkan akun GitHub Anda ke Spark. Arahkan browser Anda ke https://spark.githubnext.com/ dan masuk dengan akun GitHub Anda. Jika Anda belum memiliki akun GitHub, Anda perlu membuat satu.
Juga: AI terbaik untuk pemrograman (dan apa yang tidak boleh digunakan)
Saat Anda masuk, Anda perlu memberikan izin. Ini sangat mirip dengan aplikasi lain yang memerlukan izin sebelum penggunaan pertama.
Screenshot oleh David Gewirtz/ZDNET
Saat Anda berada di lingkungan Spark, Anda akan melihat antarmuka chatbot standar. Jika Anda mengklik ikon panel kontrol kecil, Anda dapat memilih model AI yang ingin Anda gunakan. Saya telah berhasil dengan GPT-4o dan pemrograman, jadi itulah yang saya pilih.
Screenshot oleh David Gewirtz/ZDNET
Apa yang ingin Anda bangun?
Saya memikirkan banyak tentang jenis aplikasi apa yang ingin saya bangun. Contohnya termasuk aplikasi pelacakan kebiasaan, pelacak uang saku, aplikasi peta, dan perencana malam karaoke. Pada dasarnya, mereka semua adalah aplikasi yang menampilkan formulir yang terdiri dari bidang dan tombol dan melakukan beberapa logika bisnis berdasarkan data yang dimasukkan.
Juga: Cara mengubah ChatGPT menjadi alat pemrograman AI Anda – dan meningkatkan output Anda
Tetapi entitas yang melakukan perhitungan logika bisnis bukan manajer formulir biasa. Sebaliknya, itu adalah GPT-4o. Jadi bagaimana jika logika bisnis saya adalah sesuatu yang sangat kompleks dan sulit bagi algoritma reguler tetapi mudah bagi AI – semua dibungkus dalam antarmuka yang sangat sederhana?
Saya memutuskan ingin membuat alat yang memungkinkan saya untuk menempelkan blok kode. Aplikasi akan memberi tahu saya apa yang dilakukan kode, dalam bahasa apa itu ditulis, semua observasi tentang area di mana mungkin ada masalah, dan mungkin rincian mendalam tentang baris kode.
Pikirkan tentang itu. Beberapa tahun yang lalu, itu akan menjadi proyek multi-juta dolar jika bisa dilakukan sama sekali.
Tapi saya hanya memberi makan Spark satu baris: “Sebuah alat yang meneliti dan menjelaskan kode sumber.”
Screenshot oleh David Gewirtz/ZDNET
Lalu saya tekan “Go.”
Juga: Cara menggunakan ChatGPT untuk menulis kode: Apa yang dilakukan dengan baik dan apa yang tidak
Hasilnya adalah antarmuka yang ditunjukkan di bawah. Di sebelah kiri adalah panel yang seharusnya memungkinkan Anda mengulang apa yang akan dilakukan aplikasi. Panel tengah terdiri dari kode yang dihasilkan dari prompt. Dan panel kanan adalah antarmuka pengguna yang dibuat Spark untuk aplikasi.Screenshot oleh David Gewirtz/ZDNET
Saya memberinya kode ekspresi reguler yang bermasalah dari tes pemrograman saya hanya untuk melihat apa yang akan dilakukan.
Screenshot oleh David Gewirtz/ZDNET
Seperti yang saya duga, GPT-4o cukup mampu menganalisis potongan kode. Saya tidak menemukan hasilnya sesuai yang saya inginkan, jadi saya memutuskan untuk menyempurnakan apa yang aplikasi akan lakukan untuk saya.
Menyesuaikan aplikasi
Anda melakukan perubahan melalui bidang Iterasi di panel paling kiri. Saya memberi tahu GPT-4o bahwa saya ingin: Menampilkan bahasa kode sumber Memberikan deskripsi singkat satu hingga dua kalimat tentang apa yang dilakukan kode Menambahkan satu atau dua kalimat yang menjelaskan kekurangan kode
Saya menyajikannya kepada Spark dalam bidang itu dan berharap yang terbaik.
Screenshot oleh David Gewirtz/ZDNET
Hasilnya mengesankan. Aplikasi memang memberi saya informasi yang saya inginkan. Anda bisa melihatnya di panel di sisi kanan antarmuka. Ini mengidentifikasi bahasa, memberikan deskripsi singkat kode, dan menguraikan banyak masalah dengan kode.
Juga: Gemini Pro 2.5 adalah asisten pemrograman yang sangat mampu – dan ancaman besar bagi ChatGPT
Lalu memberikan penjelasan rinci tentang kode yang merupakan bagian dari prompt persyaratan asli, di mana saya meminta untuk menjelaskan kode sumber.
Screenshot oleh David Gewirtz/ZDNET
Hasilnya mengesankan, tetapi saya tidak suka formatnya.
Membandel, keras kepala, dan tidak responsif
Di titik ini, Spark mulai menunjukkan keterbatasannya. Seperti yang Anda lihat di panel terkiri pada gambar di atas, saya mencoba membuat Spark menghapus tiga tanda bintang di awal setiap jawaban. Saya juga mencoba membuatnya mengubah bagian kritik menjadi daftar berbulet. Akhirnya, saya ingin menyingkirkan set kedua angka indeks di bawah judul.
Juga: Apa itu vibe coding AI? Ini sedang tren tapi tidak untuk semua – ini alasannya
Saya mendapatkan daftar berbulet, tetapi Spark atau GPT-4o mengabaikan permintaan lain saya. Tebakan saya adalah GPT-4o menulis dalam Markdown, tetapi antarmuka Spark tidak mengurai Markdown dengan benar.
Screenshot oleh David Gewirtz/ZDNET
Jujur, saya memiliki sekitar 20 tangkapan layar lain dari berbagai percobaan saya untuk membuat GPT-4o dan Spark membersihkan tampilan itu. Saya sangat terkesan bahwa saya bisa dengan cepat membangun aplikasi yang menjelaskan kode, tetapi semakin frustasi bahwa saya tidak bisa membuat beberapa perbaikan tampilan minor yang hanya akan memakan waktu lima menit jika saya langsung membuat kodenya.
Juga: Saya menguji kecerdasan buatan GitHub Copilot – keberhasilannya yang bercampur membuat saya bingung
Satu baris kode – perintah penggantian string menggantikan tiga tanda bintang dengan string kosong, dan yang lain menggantikan dua tanda bintang dengan string kosong – akan membersihkan satu masalah presentasi. Perintah penggantian string lain, dengan ekspresi reguler sederhana yang mencari digit diikuti oleh titik desimal di awal baris dan menggantikannya dengan string kosong, akan memperbaiki semua masalah presentasi.
Saya mencoba, dan Anda bisa mengubah kode yang dihasilkan oleh Spark. Tetapi jika Anda melakukan iterasi tambahan menggunakan AI, semua kode yang Anda modifikasi akan tertimpa, bahkan jika modifikasi AI yang diminta jauh dari kode yang Anda ubah.
Pembagian terbatas
Akhirnya, saya menyerah mencoba menyetel format output. Meskipun dengan output yang sedikit jelek, alat itu sendiri berguna. Jadi saya memutuskan ingin membagikannya dengan semua orang.
Juga: Dari nol hingga jutaan? Bagaimana orang biasa menghasilkan uang dari AI
Anda bisa melakukannya dengan mengklik ikon berbagi di samping Spark yang dinamai dan memilih untuk membagikannya.
Screenshot oleh David Gewirtz/ZDNET
Inilah tautan ke Spark saya (tapi jangan berharap bisa menggunakannya). Anda tidak bisa menggunakannya kecuali Anda memiliki akun GitHub. Bahkan jika Anda memiliki, Anda tidak bisa menggunakannya kecuali Anda diterima ke dalam program pratinjau Spark. Saya mencoba dengan akun GitHub lain dan mendapat pesan ini.
Screenshot oleh David Gewirtz/ZDNET
Seberapa penting ini?
Generator formulir tanpa kode telah tersedia selama bertahun-tahun. Saya membangun satu sejauh tahun awal 2000-an. Karena antarmuka untuk alat semacam itu sebagian besar masalah memilih kontrol (tombol, drop-down, bidang, dll.), bersama dengan penempatan dan beberapa cat yang cantik, itu bukan prospek yang sangat sulit.
Anda hanya bisa melakukan begitu banyak dengan aplikasi berbasis formulir, tetapi Anda sebenarnya bisa membangun berbagai aplikasi yang sangat bagus. Aplikasi-aplikasi ini biasanya jenis pengelolaan informasi, bukan produktivitas atau alat interaktif yang sangat tinggi. Namun, bisnis bisa menyelesaikan banyak hal dalam batasan generator formulir.
Juga: Jika ChatGPT menghasilkan kode yang dihasilkan AI untuk aplikasi Anda, siapa yang benar-benar memiliki itu?
Menambahkan AI untuk mengelola logika bisnis secara liar memperluas kemampuan generator formulir semacam itu, seperti yang ditunjukkan oleh analisis kode pemrograman saya. Tetapi AI juga sangat tidak dapat diandalkan, jadi tidak jelas apakah Anda ingin menjalankan logika bisnis yang kritis melalui algoritma yang dikelola oleh AI.
Tapi sekali lagi, untuk subset aplikasi yang cukup besar, pendekatan ini mungkin cukup baik.
Dan itu membawa kita ke proses iteratif yang ditawarkan Spark. Karena kode yang ditulis manusia dihapus dengan setiap pembaruan AI, modifikasi dan penyesuaian cara lama tidak praktis. Sayangnya, AI memiliki mentalitas sejauh ini-tidak lebih jauh, dan setelah membangun logika bisnis dasar, ia dengan keras menolak untuk menerapkan penyesuaian dan modifikasi tambahan.
Itu, sayangnya, membuat alat ini hanya sekadar rasa ingin tahu, bukan sumber daya bisnis yang berguna. Tetapi di sisi lain, itu bukan masalah yang terlalu sulit untuk diselesaikan. Dengan demikian, mengingat tugas yang sangat dapat dicapai untuk meningkatkan kemampuan generator formulir dan tugas yang sama-sama dapat dicapai untuk membuat iterasi dan perubahan lebih efektif, saya pikir GitHub Spark berpotensi menjadi berguna.
Juga: 10 pengembang profesional tentang janji sejati dan bahaya vibe coding
Saya ingin melihat cara agar kode yang ditulis manusia bisa berdampingan dengan kode yang ditulis AI. Dan saya ingin melihat cara agar Sparks dapat berjalan sebagai aplikasi web mandiri tanpa pengguna harus menjadi bagian dari kerangka kerja GitHub. Tetapi itu juga harapan yang cukup dapat dicapai.
Pokok masalahnya adalah bahwa ini berpotensi menjadi alat yang dapat digunakan, meskipun terbatas. Tentu saja belum ada di sana, tetapi berikanlah satu tahun atau lebih iterasi. Kemungkinan besar akan mampu melakukan beberapa tugas menarik.
Saya katakan, tunggu dan lihat. Kemungkinan akan ada lebih banyak yang akan datang.
Apakah Anda sudah mencoba GitHub Spark, atau masih menunggu untuk diterima ke dalam pratinjau? Jika Anda telah mengaksesnya, aplikasi seperti apa yang mencoba Anda bangun, dan bagaimana hasilnya? Apakah Anda terkesan dengan kemampuan AI untuk menghasilkan logika, atau frustasi dengan keterbatasan ketika mencoba membuat penyesuaian? Dan jika Anda belum menggunakan Spark, apakah Anda pikir alat seperti ini bisa mengubah pendekatan non-pemrogram dalam membangun aplikasi? Beri tahu kami di kolom komentar di bawah.
Dapatkan cerita teratas pagi ini di kotak masuk Anda setiap hari dengan buletin Tech Today kami.
Anda dapat mengikuti pembaruan proyek saya sehari-hari di media sosial. Pastikan untuk berlangganan buletin pembaruan mingguan saya, dan ikuti saya di Twitter/X di @DavidGewirtz, di Facebook di Facebook.com/DavidGewirtz, di Instagram di Instagram.com/DavidGewirtz, di Bluesky di @DavidGewirtz.com, dan di YouTube di YouTube.com/DavidGewirtzTV.