شش قانون برای گفتگو با هوش مصنوعی
من ۱۹۲ جلسه کدنویسی با هوش مصنوعی را تحلیل کردم. دادهها نشاندهنده ۸,۴۷۱ پیام و ۸۹ میلیون توکن بود. هزینه کل ۵۱۸ دلار بود.
اما هزینه به ازای هر توکن معیار درستی نیست. میخواستم بدانم چه مقدار از ارتباطات من هدر رفته است.
متوجه شدم که ۶۰٪ از جلسات من از جلسات قدیمیتر منشعب شده بودند. من بیشتر از آنکه گفتگوها را تمام کنم، آنها را از نو شروع میکردم. متوجه شدم که مشکل من تأخیر در اجرا (execution latency) است، نه مشکل دانش.
در اینجا شش قانون برای جلوگیری از هدر دادن زمان با هوش مصنوعی آورده شده است:
قوانین را بلافاصله بنویسید. میانگین پیامهای من بین دانستن یک قانون و نوشتن آن، ۳۶ پیام بود. اگر یک اصلاح مربوط به جلسات آینده است، همین حالا آن را در فایل تنظیمات (config file) خود بنویسید. هزینه نوشتن، ده ثانیه است. هزینه ننوشتن، باقیمانده جلسه است.
دامنه اثر را کنترل کنید. هوش مصنوعی میتواند تنها با تغییر یک فایل، کل یک سایت را از کار بیندازد. قبل از هر عملیاتی که چندین فایل را تحت تأثیر قرار میدهد، هوش مصنوعی را مجبور کنید تمام فایلها و تمام تغییرات را لیست کند. قبل از اینکه ادامه دهد، منتظر تأیید شما بماند.
قبل از تایپ کردن، فکرتان را کامل کنید. من پیامهای بسیار زیادی را صرف اصلاح ایدههای خام کردم. ابتدا مشخصات کامل (specification) خود را در یک ویرایشگر متن بنویسید. فیلدها، محدودیتها و حالات مرزی (edge cases) را لحاظ کنید. به جای هفت بار انجام اصلاحات جزئی، مشخصات کامل را یکبار ارسال کنید.
دستورالعملهای مبهم را حذف کنید. پیامهای کوتاهی مثل "تغییر بده" یا "انجامش بده" باعث چندین مرحله پرسش و پاسخ برای شفافسازی میشوند. اگر فردی که هیچ زمینهای (context) ندارد نتواند دستور شما را اجرا کند، جزئیات بیشتری اضافه کنید. "تغییر بده" تبدیل میشود به "پاکسازی ورودی (input sanitization) را به مدیریت فرم (form handler) اضافه کن."
به دنبال الگوها باشید، نه فقط اصلاحات تکموردی. وقتی باگی در یک فایل پیدا میکنید، فقط همان فایل را اصلاح نکنید. به هوش مصنوعی بگویید تمام فایلهای آن دسته را برای یافتن همان مشکل بررسی کند. این کار از تکرار همان خطا در جاهای مختلف جلوگیری میکند.
محدوده (scope) را به وضوح تعریف کنید. اگر یک محدودیت شامل همه چیز میشود، از کلمه "همه" (all) استفاده کنید. اگر بگویید "این تابع"، هوش مصنوعی فقط همان یک تابع را تغییر میدهد. تعریف صریح محدوده، شما را از اصلاحات مکرر نجات میدهد.
هدف، مهندسی پرامپت (prompt engineering) بهتر نیست. هدف، ایجاد فرآیندی برای جلوگیری از تکرار خودتان است.
منبع: https://dev.to/antonio_zhu_e726fd856cd86/six-laws-for-talking-to-ai-4dan
انجمن یادگیری اختیاری: https://t.me/GyaanSetuAi