AI को सर्च इंजन की तरह इस्तेमाल करना बंद करें
मैंने एक डेवलपर को डेटाबेस स्कीमा (database schema) के बारे में Claude से बात करने में चालीस मिनट बिताते हुए देखा। हर मैसेज एक सवाल था। हर जवाब एक उत्तर था। अंत में, उनके पास एक ऐसा स्कीमा था जो काम तो कर रहा था, लेकिन कुछ गलत सा लग रहा था।
समस्या मॉडल में नहीं थी। समस्या फॉर्मेट (format) में थी। उन्होंने बातचीत का उपयोग प्रश्नोत्तर (Q&A) सत्र की तरह किया। उन्हें एक 'थिंकिंग सेशन' (thinking session) की ज़रूरत थी। ये दोनों एक समान नहीं हैं।
Google ने आपको क्वेरी (queries) का उपयोग करने के लिए प्रशिक्षित किया है। आप एक छोटा शब्द लिखते हैं, परिणाम प्राप्त करते हैं, और टैब बंद कर देते हैं। यह आदत AI के साथ काम नहीं आती। जब आप AI के साथ एक सर्च इंजन की तरह व्यवहार करते हैं, तो आपको केवल उत्तर मिलते हैं। आपको अंतर्दृष्टि (insights) नहीं मिलती। आपको आर्किटेक्चर के बजाय सिंटैक्स (syntax) मिलता है। आपको वह मिलता है जो आपने मांगा है, न कि वह जिसकी आपको आवश्यकता है।
सर्च इंजन मौजूदा तथ्यों को खोजते हैं। AI नई समस्याओं पर तर्क (reasoning) कर सकता है। एक सर्च इंजन एक लाइब्रेरी है। एक AI एक सहकर्मी (colleague) हो सकता है। एक लाइब्रेरी आपको वह देती है जो लिखा गया है। एक सहकर्मी आपकी धारणाओं (assumptions) को चुनौती देता है और आपकी योजना में कमियां ढूंढता है।
एक ही चीज़ पूछने के इन दो तरीकों को देखें:
सर्च मोड: "Python microservice को स्ट्रक्चर करने का सबसे अच्छा तरीका क्या है?"
थिंकिंग मोड: "मैं तीन APIs के लिए एक Python microservice बना रहा हूँ। प्रत्येक API के अलग-अलग retry rules और data shapes हैं। मैं एक queue के साथ एक FastAPI app या तीन अलग-अलग consumers में से किसी एक को चुनने पर विचार कर रहा हूँ। दो इंजीनियर इसे मेंटेन करेंगे। मैं कौन से ट्रेड-ऑफ्स (tradeoffs) मिस कर रहा हूँ?"
पहला तरीका आपको एक ब्लॉग पोस्ट दिलाएगा। दूसरा तरीका आपको सोचने पर मजबूर करेगा।
बेहतरीन यूजर्स के पास कोई चालाकी भरे प्रॉम्प्ट्स (prompts) नहीं होते। वे अधिक संदर्भ (context) लाते हैं। वे जो बना रहे हैं, उसकी सीमाओं (constraints) और जो उन्होंने पहले ही आज़मा लिया है, उसका वर्णन करते हैं।
वे ऐसी बातें भी कहते हैं जैसे: "यह कुछ गलत सा लग रहा है लेकिन मैं बता नहीं पा रहा हूँ कि क्यों।"
यह एक बेहतरीन प्रॉम्प्ट है। यह मॉडल को आपकी धारणाओं (assumptions) की जांच करने के लिए कहता है। यह मॉडल को उस समस्या को खोजने में मदद करता है जिसे आप नाम नहीं दे पा रहे हैं।
सतही परिणाम (shallow results) तब मिलते हैं जब सवाल बहुत ही स्पष्ट या 'क्लीन' होते हैं। वास्तविक इंजीनियरिंग जटिल (messy) होती है। इसमें डेडलाइन और लेगेसी कोड (legacy code) होते हैं। यदि आप इस जटिलता को हटा देते हैं, तो AI आपको एक साफ-सुथरा उत्तर देगा जो वास्तविकता को नज़रअंदाज़ कर देता है। असल समस्या तो वही जटिलता ही है।
अपने अगले प्रॉम्प्ट से पहले, इन तीन चीज़ों को लिखने में दो मिनट बिताएं:
- आप क्या हासिल करना चाहते हैं।
- आप किस दृष्टिकोण (approach) पर विचार कर रहे हैं।
- आप किस बारे में अनिश्चित हैं।
पहले ये तीनों चीज़ें मॉडल को दें।
इसमें अधिक प्रयास लगता है। यह वह प्रयास है जो आपको कोई भी कोड लिखने से पहले करना चाहिए। AI इस चरण को जोड़ता नहीं है। यह बस इसे छोड़ने की कीमत को और अधिक महंगा बना देता है।
एक सर्च इंजन को एक साफ़ क्वेरी की आवश्यकता होती है। एक सोचने वाले साथी को पूरी तस्वीर की आवश्यकता होती है।
अस्त-व्यस्तता को साफ करना बंद करें। वह अस्त-व्यस्तता ही आपका संदर्भ है।
स्रोत: https://dev.to/gmoustakas/stop-using-ai-as-a-search-engine-with-extra-steps-49oo
वैकल्पिक लर्निंग कम्युनिटी: https://t.me/GyaanSetuAi