| Form of studies |
Master |
| Title of the study programm |
Information Technology |
| Title in original language |
Ģeneratīvā mākslīgā intelekta asistēta programmatūras priekšgala komponentu izstrāde |
| Title in English |
Generative AI-Assisted Development of Software Front-End Components |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Oksana Ņikiforova |
| Reviewer |
Henrihs Gorskis |
| Abstract |
Tīmekļa lietotnes priekšgals (angl. front-end) ir būtiska mūsdienu tīmekļa
lietotņu sastāvdaļa. Programmatūras priekšgala izstrāde prasa ievērojamu manuālo
darbu izstrādājot komponentes un veidojot saskarnes elementus. Pēdējo gadu laikā
ģeneratīvais mākslīgais intelekts ir būtiski izmainījis ikdienas procesu priekšgala
izstrādē. Lai gan jau ir pieejami dažādi mākslīgā intelekta rīki, piemēram, ChatGpt un
GitHub Copilot, problēmu sagādā tas, kas esošie rīki bieži nespēj nodrošināt atbilstību
konkrētā projekta struktūrai un principiem, kā rezultātā kods ir manuāli jāpielāgo
izstrādes vidē.
Lai risinātu šo izaicinājumu, šī maģistra darba mērķis ir izstrādāt ģeneratīvā
mākslīgā intelekta asistētu pieeju priekšgala komponentu izstrādei, kas spēj vienlaikus
ģenerēt kodu un ievērot projekta struktūru.
Šī darba ietvaros tiek analizēti priekšgala izstrādes procesi un esošie rīki, kuros
ģeneratīvais mākslīgais intelekts ir integrēts kā iekšējā komponente. Tiek identificētas
šo rīku nepilnības un trūkumi, kas kalpo kā pamats darba autora risinājuma izstrādei.
Darba autora piedāvātais risinājums tiek izstrādāts kā Visual Studio Code
paplašinājums, kas nodrošina strukturētu uzvednes veidošanu un projekta konteksta
iegūšanu bez tiešas mākslīgā intelekta iesaisti konteksta sagatavošanas procesā.
Risinājuma mērķi ir samazināt halucināciju risku un uzlabot ģenerētā koda atbilstību
konkrētā projekta struktūrai un principiem.
Prototipa darbības demonstrācijā tiek veikti vairāki priekšgala izstrādes
uzdevumi. Demonstrācijas ietvaros tiek salīdzināti dažādi ģeneratīvā mākslīgā intelekta
izmantošanas scenāriji – bez konteksta, ar izstrādāto prototipu, kā arī ar citu izstrādes
vidē integrētu ģeneratīvā mākslīgā intelekta rīku – GitHub Copilot. Rezultāti tiek
analizēti izvērojot ģenerētā koda atbilstību projektam, uzticamību un halucināciju
veidošanās tendences. Galvenais šī darba sasniegums ir ne tikai piedāvātais teorētiskais
risinājums, bet arī tā realizācija praksē.
Maģistra darbā ir 133 lapaspuses, 17 pielikumi, 10 attēli, 9 tabulas un 47
informācijas avoti. |
| Keywords |
TĪMEKĻA PRIEKŠGALS, ĢENERATĪVAIS MĀKSLĪGAIS INTELEKTS, KODA ĢENERĒŠANA. |
| Keywords in English |
WEB FRONTEND, GENERATIVE ARTIFICAL INTELLIGENCE, CODE GENERATION |
| Language |
lv |
| Year |
2026 |
| Date and time of uploading |
15.05.2026 17:15:08 |
