Yazar, MiniJinja (Rust tabanlı bir Jinja2 şablon motoru) projesini Go diline taşımak için bir yapay zeka aracısı kullandığı deneyimini paylaşıyor. Daha önce bu denemeyi kendi başına yapmaya çalışmış ancak zaman kısıtlamaları nedeniyle başarılı olamamıştı. Ancak, yapay zeka teknolojilerindeki gelişmeler sayesinde, bu sefer sürecin neredeyse tamamını bir ajan aracılığıyla gerçekleştirdi. Yazarın aktif olarak harcadığı süre yaklaşık 45 dakika iken, ajan toplamda 10 saatten fazla çalışarak port işlemini tamamladı. Bu süreçte Pi (Opus 4.5 ile başlayıp GPT-5.2 Codex'e geçiş) sesli komutlarla yönlendirildi.
MiniJinja'nın test yöntemi, girdi ve beklenen çıktıları karşılaştıran anlık görüntü (snapshot) testlerine dayanıyor. Yazar, Go portunun doğrulanması için mevcut Rust anlık görüntü testlerini kullanmayı hedefledi. Yapay zeka ajanıyla yapılan görüşmeler sonucunda, mevcut Rust anlık görüntü testlerini yeniden kullanarak ve lexer, parser, runtime gibi bileşenleri aşamalı olarak taşıyarak ilerleme kararı alındı. Ajan, bu doğrultuda Go tarafında anlık görüntüleri işlemek ve çıktıları karşılaştırmak için gerekli araçları geliştirdi. Bu, ajana net bir hedef (tüm testleri geçmek) ve aşamalı bir ilerleme sağladı.
Pi'nin dallanma (branching) özelliği, oturumu farklı fazlara ayırmak için kullanıldı. Bu sayede ajan, daha önceki konuşmalara geri dönerek ne yaptığını otomatik olarak anlayabildi. İlginç bir şekilde, ajan kısa sürede kelimesi kelimesine çeviriden davranışsal çeviriye geçti ve Go dilinin deyimsel yapısına daha iyi uyum sağladı. Yazar, kod tabanının büyüklüğü ve ajanın zaten iyi bir iş çıkarması nedeniyle bu duruma müdahale etmedi. Bu deneyim, yapay zeka ajanlarının karmaşık yazılım portlama görevlerinde ne kadar etkili olabileceğini gösteriyor.
Yapay zeka ajanları, karmaşık yazılım projelerini farklı programlama dillerine taşımak gibi zorlu görevleri, insan müdahalesini minimuma indirerek ve verimli bir şekilde gerçekleştirebiliyor.