مهارتی بدون شخصیت، مانند فرمانی بدون فرمانده است. شما میتوانید یک فایل تعریف را با محدودیتها، قالبهای خروجی و قوانین سبک پر کنید، اما اگر هرگز به هوش مصنوعی نگویید که قرار است چه کسی باشد، در واقع از یک کارگر بااستعداد اما بیهدف خواستهاید که عنوان شغلی خودش را حدس بزند. نتیجه دقیقاً همان چیزی است که انتظار دارید: خروجیهای کلی که لحنشان مدام تغییر میکند، سطوح تخصصی که از یک اجرا به اجرای دیگر به شدت نوسان دارند، و فرآیند عیبیابی که مانند تعقیب کردن دود، پوچ و بینتیجه است.
این موضوع از آن جهت اهمیت دارد که گردشهای کاری مدرن برنامهنویسی با هوش مصنوعی دیگر صرفاً پرامپتهای تکمرحلهای نیستند. آنها سیستمهای ماژولاری هستند که از زنجیرهای از مهارتهای کوچک ساخته شدهاند. وقتی هر مهارت فاقد یک هویت مشخص باشد، کل خط لوله (pipeline) آسیب میبیند.
چرا نبودِ شخصیت، گردش کار شما را مختل میکند
وقتی از اعلام نقش خودداری میکنید، مدل را مجبور میکنید تا خودش در مورد میزان اقتدارش بداههپردازی کند. یک لحظه کدی مینویسد که شبیه یک کارآموز محتاط است که سعی دارد پروژه را خراب نکند؛ لحظهای دیگر، مانند یک مهندس ارشد که با تمام موارد خاص (edge cases) آشناست، یک سیستم توزیعشده را معماری میکند. این عدم ثبات فقط آزاردهنده نیست، بلکه گردش کار شما را غیرقابل اعتماد میکند.
مشکلات به سرعت روی هم انباشته میشوند. هوش مصنوعی یک لحن تصادفی انتخاب میکند، بنابراین پایگاه کد شما طوری به نظر میرسد که انگار توسط کمیتهای نوشته شده که هرگز با هم جلسه نداشتهاند. خروجیها با هر بار اجرای مهارت تغییر میکنند، که یعنی نمیتوانید به تستهای خودکار یا بررسیهای diff اعتماد کنید. بازبینی (Auditing) غیرممکن میشود، زیرا نمیدانید چه دیدگاهی نتیجه را تولید کرده است. آیا این خروجی توسط یک مهندس امنیتمحور تولید شده یا یک متخصص عمومی محصول؟ اگر پاسخ «هر چیزی که مدل دوست داشت» باشد، هیچ راهی برای تأیید منطق ندارید.
زنجیرهسازی مهارتها این وضعیت را بدتر میکند. یک مهارت را تصور کنید که قراردادهای API را تولید میکند و مهارت دیگری که پیادهسازی را مینویسد. اگر اولی مانند یک معمار ارشد دقیق عمل کند که اعتبارسنجیهای سختگیرانه را اعمال میکند، اما دومی مانند یک برنامهنویس تازهکار رفتار کند که از مدیریت خطا صرفنظر میکند، یکپارچهسازی شما از هم میپاشد. زنجیره تنها زمانی پابرجا میماند که هر حلقه، هویت خود را بشناسد. بدون آن، مسئولیتپذیری از بین میرود. وقتی چیزی خراب میشود، نمیتوانید به آن دیدگاهی که باعث شکست شده اشاره کنید، زیرا هیچ دیدگاهی تعریف نشده بود.
چگونه آن را اصلاح کنیم
راه حل ساده اما مشخص است. یک اعلام نقش را به عنوان اولین دستورالعمل در فایل مهارت خود اضافه کنید. آن را زیر قوانین قالببندی یا طرحهای خروجی پنهان نکنید. با هویت شروع کنید.
از یک ساختار شفاف استفاده کنید: "You are a [role] with expertise in [domain]." سپس یک یا دو جمله درباره اینکه این نقش در بافتار (context) این وظیفه واقعاً چه کاری انجام میدهد، اضافه کنید. برای مثال: "You are a senior backend engineer with expertise in distributed systems. Your job is to review pull requests for concurrency risks and data consistency issues. You question assumptions about state management and refuse to approve code that lacks proper error handling."
همین کافی است. حداکثر سه جمله. بیوگرافیهای طولانیتر باعث ایجاد نویز میشوند. مدل نیازی به داستان زندگی در کودکی یا فهرستی از سرگرمیها ندارد. مدل به یک لنگر حرفهای نیاز دارد که قضاوت آن را شکل دهد.
به نقشهای حرفهای واقعی پایبند باشید. یک مهندس نرمافزار Staff یا یک نویسنده مستندات فنی، چارچوبی قابل شناسایی از مسئولیتها را در اختیار مدل قرار میدهد. درخواست از مدل برای رفتار کردن مانند شرلوک هولمز یا یک جادوگر قرون وسطایی ممکن است خلاقانه به نظر برسد، اما ارتباطات غیرقابل پیشبینی ایجاد میکند که هیچ ارتباطی با خط لوله بررسی کد شما ندارد. نقشهای واقعی، محدودیتهای واقعی به همراه دارند.
وقتی درست انجامش دهید، چه چیزی تغییر میکند
زمانی که هر مهارت شخصیت خود را داشته باشد، کل خط لوله شما پایدار میشود.
پیشبینیپذیری اولین پاداش است. هوش مصنوعی دیگر در مورد سطح ارشدیت خود حدس نمیزند. یک شخصیت ارشد، سوالات سختتری میپرسد. در برابر الزامات مبهم ایستادگی میکند، موارد خاص (edge cases) فراموششده را علامتگذاری میکند و زمینهای را میطلبد که یک صدای پیشفرض یا جونیور ممکن است نادیده بگیرد. وقتی نقش را تعریف میکنید، استاندارد را تعریف کردهاید.
بازبینیها سریعتر میشوند. وقتی یک همتیمی خروجیای را که با یک شخصیت مشخص برچسبگذاری شده میخواند، دیدگاه پشت هر پیشنهاد را درک میکند. آنها میدانند که آیا باید یک بازخورد را به عنوان یک الزام معماری جدی در نظر بگیرند یا یک ترجیح سبک ساده. بافتار (Context) به جای اینکه ضمنی باشد، صریح میشود.
زنجیرهسازی مهارتها بالاخره همانطور که انتظار میرود عمل میکند. هر