GLM-5.2 কোড রিভিউ আপনার প্রম্পটের ওপর নির্ভর করে

Z.ai-এর GLM-5.2 একটি জনপ্রিয় ওপেন-ওয়েট মডেল। এটি কোড কতটা ভালোভাবে রিভিউ করতে পারে তা দেখার জন্য আমরা এটি পরীক্ষা করেছি। আমরা দেখেছি যে আপনি এটি কীভাবে ব্যবহার করছেন, তার ওপর ভিত্তি করে এর গুণমান পরিবর্তিত হয়।

আমরা দুটি পরীক্ষা চালিয়েছি। প্রথম পরীক্ষায়, আমরা ১৬টি বাগ সহ একটি সাধারণ TypeScript ব্যাকএন্ড ব্যবহার করেছি। দ্বিতীয় পরীক্ষায়, আমরা ১০টি সূক্ষ্ম বাগ সহ একটি জটিল সিস্টেম তৈরি করেছি। এই বাগগুলো শনাক্ত করার জন্য অ্যাপের বিভিন্ন অংশ কীভাবে একে অপরের সাথে কাজ করে তা বোঝা প্রয়োজন ছিল।

আমরা যা শিখলাম তা হলো:

  • রিজনিং প্রচেষ্টার চেয়ে প্রম্পটের শব্দচয়ন বেশি গুরুত্বপূর্ণ। রিজনিং মোড লো থেকে হাই-তে পরিবর্তন করার চেয়ে প্রম্পট পরিবর্তন করলে ফলাফলে বেশি পরিবর্তন এসেছে।
  • কঠোর প্রম্পট উল্টো ফল দিতে পারে। আপনি যদি মডেলটিকে "একটি প্রোডাকশন PR ব্লক বা অ্যাপ্রুভ করতে" বলেন, তবে এটি নিরাপত্তার দিকে বেশি মনোযোগ দেয়। এটি হার্ডকোডেড সিক্রেট এবং দুর্বল হ্যাশিং খুঁজে পায়, কিন্তু আপনি যে আসল লজিক বাগগুলো খুঁজতে চেয়েছিলেন সেগুলো মিস করে যায়।
  • লোকাল বাগ শনাক্ত করা GLM-5.2-এর জন্য সহজ। এটি একটি সিঙ্গেল ফাংশনের ভেতরের ভুলগুলো ধরতে পারে, যেমন একটি ত্রুটিপূর্ণ পারমিশন গার্ড বা ভুল ভেরিয়েবল।
  • সিস্টেম-ওয়াইড বাগ শনাক্ত করা GLM-5.2-এর জন্য কঠিন। একাধিক ফাইলের মধ্যে ছড়িয়ে থাকা নিয়মগুলো নিয়ে এটি হিমশিম খায়। উদাহরণস্বরূপ, আর্কাইভ করা টাস্কগুলো যখন সার্চ রেজাল্ট এবং এক্সপোর্টে চলে আসছিল, তখন এটি তা শনাক্ত করতে ব্যর্থ হয়েছে।
  • ফ্রন্টিয়ার মডেলগুলো বেশি নির্ভরযোগ্য। GPT-5.5 এবং Opus 4.8 একটি মাত্র চেষ্টাতেই জটিল এবং ক্রস-রুট বাগগুলো শনাক্ত করতে পেরেছে। এই ধরনের কাজের ক্ষেত্রে GLM-5.2 অসামঞ্জস্যপূর্ণ।

GLM-5.2 কার্যকরভাবে ব্যবহার করার উপায়:

  • লোকাল লজিকের জন্য এটি ব্যবহার করুন। একটি ফাংশনের ভেতরের ভুল খুঁজে বের করার জন্য এটি চমৎকার।
  • আপনার নির্দেশনায় সুনির্দিষ্ট হোন। একটি "কঠোর" রিভিউ চাওয়ার পরিবর্তে, বিভিন্ন রুটের মধ্যে সামঞ্জস্যতা পরীক্ষা করতে বলুন।
  • আপনি যে আচরণগুলো পরীক্ষা করতে চান সেগুলো উল্লেখ করুন। সার্চ, এক্সপোর্ট এবং লিস্ট—সবগুলো ডেটা একইভাবে হ্যান্ডেল করছে কি না তা যাচাই করতে বলুন।
  • গুরুত্বপূর্ণ কোডের ক্ষেত্রে একবারের চেষ্টাতেই ভরসা করবেন না। যেহেতু ফলাফল ভিন্ন ভিন্ন হতে পারে, তাই জটিল পরিবর্তনের জন্য এটি একাধিকবার চালানো উচিত অথবা আরও শক্তিশালী মডেল ব্যবহার করা উচিত।

GLM-5.2 একটি সক্ষম টুল, তবে আপনাকে কাজের সাথে সামঞ্জস্য রেখে প্রম্পট দিতে হবে।

উৎস: https://dev.to/kilocode/glm-52s-code-reviews-are-only-as-good-as-your-prompt-5233

ঐচ্ছিক লার্নিং কমিউনিটি: https://t.me/GyaanSetuAi