AI એ 10 મિનિટમાં 80% લખ્યું. છેલ્લા 20% માટે 6 કલાક લાગ્યા.
AI મિનિટોમાં 'happy path' બનાવી શકે છે. તે પ્રોડક્શનની વાસ્તવિકતા બનાવી શકતું નથી.
મેં એક AI એજન્ટનો ઉપયોગ કરીને 47 ફીચર્સને ટ્રેક કર્યા. મેં બે વસ્તુઓ માપી:
- Generation time: પ્રથમ પ્રોમ્પ્ટથી લઈને પૂર્ણ થયેલ PR સુધીનો સમય.
- Ship time: PR થી લઈને વાસ્તવિક merge સુધીનો સમય.
આ વિભાજન લગભગ હંમેશા 80/20 હોય છે. AI 80% કામ ઝડપથી કરે છે. છેલ્લા 20% માં સૌથી વધુ સમય લાગે છે.
AI તમે આપેલા પ્રોમ્પ્ટ માટે કોડ લખે છે. વિલંબ એ બાબતમાંથી આવે છે જેનો તમે ઉલ્લેખ કર્યો નથી. તે એવી બાબતોમાંથી આવે છે જેના વિશે તમે વિચારવાનું ભૂલી ગયા છો.
ખૂટતા 20% સામાન્ય રીતે પાંચ શ્રેણીઓમાં વહેંચાયેલું હોય છે:
- Empty states: જ્યારે યુઝર પાસે કોઈ ડેટા ન હોય ત્યારે UI કેવું દેખાય છે?
- Error handling: જ્યારે નેટવર્ક નિષ્ફળ જાય અથવા API 500 error આપે ત્યારે શું થાય છે?
- Domain edge cases: સ્થાનિક પેમેન્ટ ફોર્મેટ્સ અથવા લેગસી ડેટા જેવા ચોક્કસ નિયમો.
- Performance: એવો કોડ જે 50 rows માટે કામ કરે છે પરંતુ 5 મિલિયન rows પર તૂટી જાય છે.
- Maintainability: એવો કોડ જે આજે કામ કરે છે પરંતુ આવતીકાલે બદલવો મુશ્કેલ છે.
મેં AI ને જાદુઈ લાકડી તરીકે જોવાનું બંધ કર્યું. મેં સમય બચાવવા માટે આ ચાર નિયમોનો ઉપયોગ કરવાનું શરૂ કર્યું:
- 4x સમયનું બજેટ રાખો. જો AI કહે કે કોઈ કાર્યમાં 10 મિનિટ લાગશે, તો 40 મિનિટનું આયોજન કરો.
- પહેલા 'unhappy path' માટે પ્રોમ્પ્ટ આપો. મુખ્ય લોજિક લખતા પહેલા AI ને ખાલી ઇનપુટ્સ અથવા નેટવર્ક નિષ્ફળતાને હેન્ડલ કરવા માટે કહો.
- પહેલા failure tests લખો. AI કોડ જનરેટ કરે તે પહેલાં શું તૂટવું જોઈએ તે વ્યાખ્યાયિત કરો.
- 20% જર્નલ રાખો. ફીચરનો છેલ્લો ભાગ કેમ આટલો લાંબો સમય લે છે તે લખો. આ તમને પેટર્ન ઓળખવામાં મદદ કરશે.
AI તમારી ટાઈપિંગ ઝડપી બનાવે છે. તે તમારા શિપિંગને ઝડપી બનાવતું નથી, સિવાય કે તમે અગાઉથી વિચારી લો. ધ્યેય ઝડપથી પ્રોમ્પ્ટ લખવાનો નથી. ધ્યેય ફીચર્સને પ્રોડક્શનમાં લઈ જવાનો છે.
AI ટૂલ ખોલતા પહેલા સમસ્યા વિશે વિચારો. જો તમે જવાબ ન આપી શકો કે યુઝર શું ભૂલ કરી શકે છે, તો હજી કોડિંગ શરૂ કરશો નહીં.
Source: https://dev.to/susiloharjo/ai-wrote-80-in-10-minutes-the-last-20-took-6-hours-5764
વૈકલ્પિક લર્નિંગ કોમ્યુનિટી: https://t.me/GyaanSetuAi