شما در حال هدر دادن بهترین مهارت مهندسی خود هستید
بهترین مهندسان در حال انجام کارهایی هستند که در آنها ضعیفاند.
آنها در کدنویسی ضعیف نیستند؛ بلکه در آن فوقالعادهاند. اما دیگر کاری را که در آن بهترین هستند انجام نمیدهند. آنها بدون اینکه متوجه شوند، به سمت نقش جدیدی سوق پیدا کردهاند.
من هم در طول یک مهاجرت مخزن (repo migration) در مقیاس بزرگ، برای مدت طولانی دچار این وضعیت بودم. من به شدت از Claude Code استفاده میکردم و تنها زمانی متوجه این تغییر شدم که به گزارشهای زمانی (time logs) خود نگاه کردم.
ماهیت کار تغییر کرده است. آمادهسازی، خودِ کار است.
دیگر وقت خود را صرف نوشتن کد یا عیبیابی (debugging) نمیکنید. شما وقت خود را صرف تعریف و آمادهسازی مسئله میکنید.
اگر خوب آماده شوید، AI در اولین تلاش کار را به درستی انجام میدهد. اگر آماده نشوید، سه ساعت وقت خود را صرف جنگیدن با AI میکنید که چیز اشتباهی میسازد. شما بهترین مهارت خود، یعنی فکر کردن و تحلیل مسائل را، صرف پاکسازی اشتباهات میکنید.
ما دیگر کد نمینویسیم؛ ما در حال مدیریت کانتکست (context) هستیم.
مانند یک کنترلر ترافیک هوایی فکر کنید. کنترلر هواپیماها را نمیراند، اما هر هواپیمایی برای فرود ایمن به او وابسته است. آنها ترتیب پروازها را مشخص میکنند، فضای هوایی را مدیریت میکنند و از برخوردها جلوگیری میکنند.
Claude پرواز را انجام میدهد و شما هماهنگی را بر عهده دارید. شما تصمیم میگیرید چه کانتکستی بارگذاری شود، از کدام فایلها استفاده شود و چه ترتیبی دنبال شود.
حقوق شما برای نوشتن تکتک خطوط کد نیست؛ بلکه برای این است که بدانید در حال حاضر کدام ۵ درصد از کانتکست اهمیت دارد.
چگونه این موضوع را مدیریت کنیم:
• وظایف را بسیار کوچک تعریف کنید. برای هر پرامپت (prompt) فقط یک وظیفه. برای هر PR فقط یک تغییر بزرگ. ابتدا ساختار اصلی (skeleton) را بسازید. • ابتدا یک وظیفه را به صورت دستی انجام دهید. از میانبر استفاده نکنید. این کار به شما نشان میدهد که AI کجا دچار مشکل میشود و واقعاً به چه کانتکستی نیاز دارد. • دقیقاً به AI بگویید در کدام لایه در حال کار است. اگر معماری (architecture) را مشخص نکنید، AI حدس میزند و حدس او اشتباه خواهد بود. • از الگوهای مرجع استفاده کنید. وقتی یک وظیفه با موفقیت انجام شد، مسیر فایل و شماره خطوط را ذکر کنید تا AI کد واقعی را ببیند. • اشتباهات را پیگیری کنید. وقتی AI شکست میخورد، از او بخواهید قوانین خودش را بهروز کند. درسهای خود را به یک دستورالعمل (playbook) تبدیل کنید.
از AI نخواهید که در یک پرامپت هم برنامهریزی کند و هم اجرا. ابتدا از او بخواهید یک برنامه ارائه دهد. برنامه را بررسی کنید و سپس به او بگویید که آن را اجرا کند.
اگر جلسه (session) آشفته شد یا AI شروع به نادیده گرفتن قوانین شما کرد، آن جلسه را ببندید. با یک پرامپت تازه و تمیز شروع کنید. این کار بسیار کمهزینهتر از جنگیدن با یک پیادهسازی خراب است.
در گذشته، معیار سنجش شما میزان کدی بود که مینوشتید. اکنون، معیار شما میزان دقت در آمادهسازی است.
مهندسانی که با هوش مصنوعی به موفقیت میرسند، بهترین پرامپتنویسها نیستند. آنها بهترین آمادهسازها هستند.
منبع: https://dev.to/alextongme/youre-wasting-your-best-engineering-skill-191m