AI কোডের ৮০/২০ নিয়ম

AI মাত্র ১০ মিনিটে আমার ফিচারের ৮০% লিখে ফেলেছিল। কোডটি দেখতে পরিষ্কার ছিল। লজিকটি যুক্তিযুক্ত ছিল। এটি প্রথমবারেই কাজ করেছে। আমার খুব ভালো লেগেছিল।

কিন্তু AI প্রথম ৮০%-এর জন্য কার্যকর এবং শেষ ২০%-এর জন্য অকেজো।

AI 'happy path' বা সবকিছু ঠিকঠাক চলার পরিস্থিতির জন্য অপ্টিমাইজ করে। এটি এমন একটি জগতের জন্য তৈরি করে যেখানে সবকিছু ঠিকঠাক চলে। কিন্তু আসল সফটওয়্যার সেই জগতে টিকে থাকে যেখানে সবকিছু ভুল হতে পারে।

আমি সম্প্রতি একটি Sol Email Worker তৈরি করেছি। AI মাত্র ২০ মিনিটে এর কোর লজিক, থ্রেডিং এবং রাউটিং তৈরি করে দিয়েছিল। ওটাই ছিল সহজ অংশ।

শেষ ২০% সম্পন্ন করতে আমার প্রকৃত দক্ষতার প্রয়োজন ছিল:

• Deduplication: ডুপ্লিকেট মেসেজ হ্যান্ডেল করা। • Sender-skip logic: নিজের মেসেজ প্রসেস করা এড়িয়ে চলা। • Error recovery: অপ্রত্যাশিত API রেসপন্স ম্যানেজ করা। • Log output: রাত ২টোর সময় ডিবাগিং সম্ভব করে তোলা।

AI ঠিক সেটাই করেছিল যা আমি চেয়েছিলাম। আমি edge cases বা ব্যতিক্রমী পরিস্থিতিগুলোর কথা বলতে ভুলে গিয়েছিলাম কারণ আমি সেগুলো নিয়ে তখনও গভীরভাবে ভাবিনি।

আমাদের একটি পরিমাপের সমস্যা রয়েছে। আমরা কোডের লাইন সংখ্যা এবং ক্লোজ করা টিকিটের হিসাব রাখি। এই মেট্রিক্সগুলো দ্রুত সম্পন্ন হওয়া ৮০% কাজের জন্য পুরস্কৃত করে। কিন্তু এরর হ্যান্ডলিং বা null checks-এ কত সময় ব্যয় হচ্ছে, তা কেউ ট্র্যাক করে না।

ড্যাশবোর্ডে এই ২০% অংশটি অদৃশ্য থাকে, কিন্তু আসল কাজ এখানেই হয়। আমি এখন prompt-to-ship time ট্র্যাক করি। এটি হলো প্রথম প্রম্পট থেকে একটি স্থিতিশীল প্রোডাকশন ফিচার তৈরি হওয়ার মধ্যবর্তী সময়। এই সংখ্যাটি সবসময় AI দ্বারা কোড তৈরির সময়ের চেয়ে অন্তত ৪ গুণ বেশি হয়।

আমি এখন যেভাবে কাজ করি:

  • আমি প্রতিটি কাজের জন্য AI-এর প্রয়োজনীয় সময়ের ৪ গুণ সময় বরাদ্দ রাখি।
  • আমি 'unhappy path' বা প্রতিকূল পরিস্থিতির জন্য প্রম্পট দিই। আমি AI-কে বলে দিই যেন সে ধরে নেয় যে নেটওয়ার্ক ফেইল করেছে বা API null রিটার্ন করেছে।
  • আমি প্রথম ড্রাফটটিকে একটি শুরুর বিন্দু হিসেবে দেখি, শেষ সীমানা হিসেবে নয়।

মাত্র ৩০ সেকেন্ডের জেনারেশনের পর এরর হ্যান্ডলিংয়ে ব্যয় করা আমার ৩ ঘণ্টা সময় বৃথা যায়নি। ওটাই ছিল আসল কাজ। AI কাজটিকে স্ট্রাকচার লেখা থেকে কোডটিকে বাস্তবে রূপান্তর করার দিকে সরিয়ে নিয়েছে।

কোডকে বাস্তবে রূপান্তর করা একটি ধীর প্রক্রিয়া। এর জন্য প্রয়োজন আপনার নির্দিষ্ট প্রেক্ষাপট, আপনার ব্যবহারকারী এবং আপনার কোডবেসের ইতিহাস। দক্ষতাই হলো এই বিষয়গুলো।

AI পরিচিত সীমানার মধ্যে কাজ করে। Edge cases সবসময়ই অপরিচিত territory।

পরের বার যখন কোনো AI ডেমো আপনাকে মুগ্ধ করবে, তখন নিজেকে প্রশ্ন করুন ডেমো শেষ হওয়ার পর কী ঘটেছিল।

Source: https://dev.to/amrree/the-8020-rule-of-ai-code-id

Optional learning community: https://t.me/GyaanSetuAi