چگونه از هوش مصنوعی با پایتون استفاده می‌کنم: یک گردش کار توسعه وب

سوالی در یک گروه تلگرام باعث شد در کل فرآیند خود تجدیدنظر کنم.

کسی پرسید: «واقعاً چطور از هوش مصنوعی با پایتون استفاده می‌کنی؟ آیا از مهندسی پرامپت (prompt engineering) استفاده می‌کنی یا قالب‌ها؟»

اکثر مردم با این موضوع کلنجار می‌روند چون هوش مصنوعی خیلی سریع تغییر می‌کند. من از APIهای پولی یا مدل‌های محلی استفاده نمی‌کنم؛ بلکه از سرویس‌های وب رایگان استفاده می‌کنم. گردش کار من بر توسعه وب با Django تمرکز دارد.

روش دقیق من به این صورت است.

مرحله ۱: ساختن زمینه (Context)

قبل از هر کاری، ساختار درختی فایل‌های پروژه‌ام و یک توضیحات کوتاه را به مدل می‌دهم. مدل باید از محیط پروژه آگاه باشد.

مرحله ۲: ذخیره همه چیز

من URL هر گفتگوی هوش مصنوعی را ذخیره می‌کنم. اگر یک هفته بعد به پروژه‌ای برگردم، لینک را پیست می‌کنم. مدل از قبل پروژه را می‌شناسد و من وقتم را برای تکرار توضیحات هدر نمی‌دهم.

مرحله ۳: تایید بصری

من فقط درخواست کد نمی‌کنم. قالب‌های UI تایید شده و مشخصات فنی مانند نسخه‌های Bootstrap و پالت‌های رنگی را به مدل می‌دهم.

سپس از مدل می‌خواهم UI من را توصیف کند. اگر توصیف آن با پروژه واقعی من مطابقت داشت، یعنی مدل موضوع را درک کرده است.

مرحله ۴: ایجاد راهنمای سبک (Style Guide)

از مدل می‌خواهم نقش یک طراح UI/UX را ایفا کند و بر اساس پروژه، یک راهنمای سبک دقیق بنویسد. این کار مدل را مجبور می‌کند تا دانش خود را یکپارچه کند.

مرحله ۵: ساخت پرامپت‌های قابل استفاده مجدد

از مدل می‌خواهم که یک پرامپت برایم بنویسد. برای مثال، از او می‌خواهم پرامپتی بسازد که قالب‌های Django را بدون دستکاری در منطق برنامه (logic)، بازطراحی (restyle) کند.

وقتی این پرامپت کار کرد، تغییر ظاهر یک صفحه به یک دستور تک‌خطی تبدیل می‌شود. پرامپت را پیست می‌کنم، کد را پیست می‌کنم و نتیجه را می‌گیرم.

دو پرامپت اصلی من برای تولید:

۱. پرامپت کامپوننت وب: برای تبدیل داده‌های JSON به Web Components بومی استفاده می‌شود. این پرامپت شامل قوانین خاصی برای معماری، رنگ‌ها و آیکون‌ها است.

۲. پرامپت بازطراحی قالب: برای به‌روزرسانی ظاهر قالب‌های موجود Django استفاده می‌شود. این پرامپت در حالی که CSS جدید را تزریق می‌کند، به شدت از تگ‌ها و منطق سمت سرور (server-side) محافظت می‌کند.

چرا این روش جواب می‌دهد:

• سرعت: من منطق برنامه را می‌نویسم در حالی که هوش مصنوعی لایه بصری را مدیریت می‌کند.
• یادگیری: مرحله ایجاد زمینه (context) به من رویکردهای فنی جدیدی می‌آموزد.
• قابلیت انتقال: چون مدل خود پرامپت‌ها را می‌نویسد، آن‌ها در سرویس‌های مختلف هوش مصنوعی کار می‌کنند.

واقعیت ماجرا:

نمی‌توانید مرحله آماده‌سازی را نادیده بگیرید. کیفیت خروجی به کیفیت زمینه (context) شما بستگی دارد. اولین پرامپت به ندرت بی‌نقص است. باید آن را اجرا کنید، خطاها را پیدا کنید و قوانینی برای رفع آن‌ها اضافه کنید.

این گردش کار به من اجازه می‌دهد به جای کلنجار رفتن با CSS، روی منطق و داده‌ها تمرکز کنم.

Source: https://dev.to/la_verdad_de_la_milanesa/how-i-actually-use-ai-with-python-a-web-devs-honest-workflow-2o20

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