AI કોડનો 80/20 નિયમ

AI એ માત્ર 10 મિનિટમાં મારા ફીચરનો 80% ભાગ લખી નાખ્યો. કોડ ચોખ્ખો દેખાતો હતો. લોજિક સમજાય તેવું હતું. તે પહેલી જ કોશિશમાં કામ કરી ગયું. મને ખૂબ સારું લાગ્યું.

પરંતુ AI પ્રથમ 80% માટે ઉપયોગી છે અને છેલ્લા 20% માટે નકામું છે.

AI 'happy path' માટે ઓપ્ટિમાઇઝ કરે છે. તે એવી દુનિયા માટે નિર્માણ કરે છે જ્યાં બધું બરાબર ચાલે છે. વાસ્તવિક સોફ્ટવેર એવી દુનિયામાં જીવે છે જ્યાં વસ્તુઓ ખોટી પડે છે.

મેં તાજેતરમાં એક Sol Email Worker બનાવ્યું. AI એ 20 મિનિટમાં મુખ્ય લોજિક, થ્રેડિંગ અને રાઉટિંગ તૈયાર કરી દીધું. તે સરળ ભાગ હતો.

છેલ્લા 20% માટે મારી વાસ્તવિક કુશળતાની જરૂર હતી:

• Deduplication: ડુપ્લીકેટ મેસેજ હેન્ડલ કરવા. • Sender-skip logic: પોતાના મેસેજ પ્રોસેસ કરવાનું ટાળવા. • Error recovery: અણધાર્યા API પ્રતિસાદોનું સંચાલન કરવું. • Log output: રાત્રે 2 વાગ્યે પણ ડિબગિંગ શક્ય બનાવવું.

AI એ તે જ કર્યું જે મેં તેને કહ્યું હતું. હું edge cases વિશે પૂછવામાં નિષ્ફળ રહ્યો કારણ કે મેં હજુ સુધી તેના વિશે ઊંડાણપૂર્વક વિચાર્યું નહોતું.

આપણી પાસે માપન (measurement) ની સમસ્યા છે. આપણે કોડની લાઈનો અને ક્લોઝ થયેલા ટિકિટોને ટ્રેક કરીએ છીએ. આ મેટ્રિક્સ ઝડપી 80% ને પ્રોત્સાહન આપે છે. એરર હેન્ડલિંગ અથવા null ચેક્સ પર વિતાવેલા સમયને કોઈ ટ્રેક કરતું નથી.

20% ડેશબોર્ડ પર અદ્રશ્ય હોય છે, પરંતુ વાસ્તવિક કામ ત્યાં જ થાય છે. હવે હું prompt-to-ship સમયને ટ્રેક કરું છું. આ પ્રથમ પ્રોમ્પ્ટથી લઈને સ્ટેબલ પ્રોડક્શન ફીચર સુધીનો સમય છે. આ આંકડો હંમેશા AI જનરેશન સમય કરતા ઓછામાં ઓછો 4 ગણો હોય છે.

હવે હું આ રીતે કામ કરું છું:

  • હું દરેક કાર્ય માટે AI સમય કરતા 4 ગણો સમય ફાળવું છું.
  • હું 'unhappy path' માટે પ્રોમ્પ્ટ આપું છું. હું AI ને કહીશ કે ધારો કે નેટવર્ક નિષ્ફળ જાય છે અથવા API null રિટર્ન કરે છે.
  • હું પ્રથમ ડ્રાફ્ટને અંતિમ બિંદુ નહીં, પણ શરૂઆતનું બિંદુ માનું છું.

30 સેકન્ડના જનરેશન પછી એરર હેન્ડલિંગમાં મેં વિતાવેલા 3 કલાક વ્યર્થ નહોતા. તે વાસ્તવિક કામ હતું. AI એ કામને સ્ટ્રક્ચર લખવાથી બદલીને કોડને વાસ્તવિક બનાવવાની દિશામાં ખસેડ્યું છે.

કોડને વાસ્તવિક બનાવવાની પ્રક્રિયા ધીમી છે. તેમાં તમારા ચોક્કસ સંદર્ભ (context), તમારા વપરાશકર્તાઓ અને તમારા કોડબેઝના ઇતિહાસની જરૂર પડે છે. કુશળતાનો અર્થ આ જ છે.

AI પરિચિત ક્ષેત્રમાં કામ કરે છે. Edge cases દર વખતે અપરિચિત ક્ષેત્ર હોય છે.

આગલી વખતે જ્યારે કોઈ AI ડેમો તમને પ્રભાવિત કરે, ત્યારે પૂછો કે ડેમો પૂરો થયા પછી શું થયું હતું.

Source: https://dev.to/amrree/the-8020-rule-of-ai-code-id

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