बिना पर्सोना के कौशल, बिना कमांडर के आदेश जैसा है। आप एक डेफिनेशन फ़ाइल को बाधाओं (constraints), आउटपुट फॉर्मेट और स्टाइल नियमों से भर सकते हैं, लेकिन यदि आप AI को यह नहीं बताते कि उसे क्या बनना है, तो आप एक प्रतिभाशाली लेकिन दिशाहीन कर्मचारी से उसके अपने जॉब टाइटल का अनुमान लगाने के लिए कह रहे हैं। इसका परिणाम बिल्कुल वैसा ही होता है जिसकी आप अपेक्षा करेंगे: जेनेरिक आउटपुट जो अलग-अलग टोन के बीच भटकता रहता है, विशेषज्ञता का स्तर जो एक रन से दूसरे रन में तेजी से बदलता है, और एक ऐसी डिबगिंग प्रक्रिया जो धुएं का पीछा करने जैसी महसूस होती है।
यह महत्वपूर्ण है क्योंकि आधुनिक AI कोडिंग वर्कफ़्लो अब केवल सिंगल-शॉट प्रॉम्प्ट नहीं रह गए हैं। वे कई छोटे कौशलों (skills) से बने मॉड्यूलर सिस्टम हैं जो एक साथ जुड़े हुए हैं। जब प्रत्येक कौशल की अपनी कोई स्पष्ट पहचान नहीं होती, तो पूरा पाइपलाइन प्रभावित होता है।
क्यों गायब पर्सोना आपके वर्कफ़्लो को खराब कर देते हैं
जब आप भूमिका की घोषणा (role declaration) छोड़ देते हैं, तो आप मॉडल को अपनी अधिकारिता का स्वयं अनुमान लगाने के लिए मजबूर करते हैं। एक पल में वह एक सतर्क इंटर्न की तरह कोड लिखता है जो बिल्ड को खराब न करने की कोशिश कर रहा हो। अगले ही पल, वह एक प्रिंसिपल इंजीनियर की तरह डिस्ट्रिब्यूटेड सिस्टम का आर्किटेक्ट बन जाता है जिसने हर एज केस (edge case) देखा हो। यह विसंगति केवल परेशान करने वाली नहीं है। यह आपके वर्कफ़्लो को अविश्वसनीय बना देती है।
समस्याएं तेजी से बढ़ती हैं। AI एक रैंडम आवाज़ चुन लेता है, जिससे आपका कोडबेस ऐसा लगने लगता है जैसे उसे किसी ऐसी कमेटी ने लिखा हो जो कभी मिली ही नहीं। हर बार जब आप स्किल चलाते हैं, तो आउटपुट बदल जाता है, जिसका अर्थ है कि आप ऑटोमेटेड टेस्ट या डिफ रिव्यूज (diff reviews) पर भरोसा नहीं कर सकते। ऑडिटिंग असंभव हो जाती है क्योंकि आपको पता नहीं होता कि परिणाम किस दृष्टिकोण से तैयार किया गया है। क्या यह सुरक्षा-केंद्रित इंजीनियर द्वारा बनाया गया था या किसी प्रोडक्ट जनरलिटिस्ट द्वारा? यदि उत्तर "जो भी मॉडल को ठीक लगा" है, तो आपके पास लॉजिक को सत्यापित करने का कोई तरीका नहीं है।
स्किल चेनिंग (Skill chaining) इसे और भी बदतर बना देती है। कल्पना कीजिए कि एक स्किल API कॉन्ट्रैक्ट जेनरेट करती है और दूसरी उसका इम्प्लीमेंटेशन लिखती है। यदि पहली एक सूक्ष्म सीनियर आर्किटेक्ट की तरह काम करती है जो सख्त वैलिडेशन लागू करता है, लेकिन दूसरी एक जूनियर डेवलपर की तरह व्यवहार करती है जो एरर हैंडलिंग को छोड़ देता है, तो आपका इंटीग्रेशन ढह जाएगा। चेन तभी बनी रहती है जब हर कड़ी अपनी पहचान जानती हो। इसके बिना, जवाबदेही गायब हो जाती है। जब कुछ टूटता है, तो आप उस लेंस की ओर इशारा नहीं कर सकते जो विफल हुआ क्योंकि कोई लेंस परिभाषित ही नहीं किया गया था।
इसे कैसे ठीक करें
समाधान सरल है लेकिन विशिष्ट है। अपनी स्किल फ़ाइल में सबसे पहले निर्देश के रूप में एक रोल डिक्लेरेशन (role declaration) जोड़ें। इसे फॉर्मेटिंग नियमों या आउटपुट स्कीमा के नीचे न दबाएं। पहचान के साथ शुरुआत करें।
एक स्पष्ट संरचना का उपयोग करें: "You are a [role] with expertise in [domain]." इसके बाद एक या दो वाक्यों में बताएं कि यह भूमिका वास्तव में कार्य के संदर्भ में क्या करती है। उदाहरण के लिए: "You are a senior backend engineer with expertise in distributed systems. Your job is to review pull requests for concurrency risks and data consistency issues. You question assumptions about state management and refuse to approve code that lacks proper error handling."
इतना काफी है। अधिकतम तीन वाक्य। लंबे बायोडाटा शोर (noise) बढ़ाते हैं। मॉडल को बचपन की कहानी या शौक की सूची की आवश्यकता नहीं है। इसे एक पेशेवर आधार (professional anchor) की आवश्यकता है जो इसके निर्णय को आकार दे सके।
वास्तविक पेशेवर भूमिकाओं पर टिके रहें। एक स्टाफ सॉफ्टवेयर इंजीनियर या तकनीकी दस्तावेज़ लेखक (technical documentation writer) मॉडल को जिम्मेदारियों का एक पहचानने योग्य ढांचा प्रदान करता है। इसे शर्लक होम्स या मध्यकालीन जादूगर की तरह व्यवहार करने के लिए कहना रचनात्मक लग सकता है, लेकिन यह अप्रत्याशित जुड़ाव पैदा करता है जिसका आपके कोड रिव्यू पाइपलाइन से कोई लेना-देना नहीं है। वास्तविक भूमिकाओं के साथ वास्तविक बाधाएं (constraints) आती हैं।
जब आप इसे सही करते हैं तो क्या बदलता है
एक बार जब प्रत्येक कौशल अपना स्वयं का पर्सोना ले लेता है, तो आपका पूरा पाइपलाइन स्थिर हो जाता है।
पूर्वानुमेयता (Predictability) पहला इनाम है। AI अपनी वरिष्ठता का अनुमान लगाना बंद कर देता है। एक सीनियर पर्सोना कठिन प्रश्न पूछेगा। वह अस्पष्ट आवश्यकताओं पर आपत्ति जताएगा, छूटे हुए एज केस को फ्लैग करेगा, और उस संदर्भ (context) की मांग करेगा जिसे एक डिफॉल्ट या जूनियर आवाज़ अनदेखा कर सकती है। जब आप भूमिका को परिभाषित करते हैं, तो आप मानक (standard) को परिभाषित करते हैं।
रिव्यू तेज़ हो जाते हैं। जब कोई टीममेट एक स्पष्ट पर्सोना द्वारा लेबल किए गए आउटपुट को पढ़ता है, तो वे हर सुझाव के पीछे के दृष्टिकोण को समझ जाते हैं। वे जानते हैं कि फीडबैक के किसी हिस्से को एक सख्त आर्किटेक्चरल आवश्यकता के रूप में मानना है या एक नरम स्टाइल प्राथमिकता के रूप में। संदर्भ (Context) निहित होने के बजाय स्पष्ट हो जाता है।
स्किल चेनिंग अंततः इच्छानुसार काम करती है। प्रत्येक