आप अपने बेहतरीन इंजीनियरिंग कौशल को बर्बाद कर रहे हैं
बेहतरीन इंजीनियर वह काम कर रहे हैं जिसमें वे कुशल नहीं हैं।
वे कोडिंग में खराब नहीं हैं। वे इसमें अविश्वसनीय हैं। लेकिन उन्होंने वह करना बंद कर दिया है जिसमें वे सबसे अच्छे हैं। वे बिना ध्यान दिए एक नई भूमिका में चले गए।
एक बड़े पैमाने के repo migration के दौरान मैंने बहुत लंबे समय तक ऐसा ही किया। मैंने Claude Code का बहुत अधिक उपयोग किया और मुझे इस बदलाव का एहसास तभी हुआ जब मैंने अपने time logs देखे।
काम बदल गया है। तैयारी ही अब काम है।
अब आप अपना समय कोड लिखने या debugging करने में नहीं बिताते हैं। आप अपना समय समस्या को व्यवस्थित (setting up) करने में बिताते हैं।
यदि आप अच्छी तैयारी करते हैं, तो AI पहली बार में ही काम को सटीक रूप से कर देता है। यदि आप नहीं करते हैं, तो आप तीन घंटे उस AI से जूझने में बिता देते हैं जो गलत चीज़ बनाता है। आप अपने सबसे अच्छे कौशल, जो कि समस्याओं पर गहराई से सोचना है, को गलतियों को सुधारने में बर्बाद कर देते हैं।
हम अब कोड नहीं लिख रहे हैं। हम context तैयार कर रहे हैं।
एक air traffic controller की तरह सोचें। कंट्रोलर विमान नहीं उड़ाता है। लेकिन हर विमान सुरक्षित रूप से उतरने के लिए उन पर निर्भर करता है। वे विमानों का क्रम तय करते हैं। वे airspace का प्रबंधन करते हैं। वे टक्करों को रोकते हैं।
Claude उड़ान संभालता है। आप coordination संभालते हैं। आप तय करते हैं कि कौन सा context लोड करना है, किन files का उपयोग करना है, और किस क्रम का पालन करना है।
आपको कोड की हर लाइन लिखने के लिए पैसे नहीं दिए जाते हैं। आपको यह जानने के लिए पैसे दिए जाते हैं कि अभी कौन सा 5% context महत्वपूर्ण है।
इसे कैसे प्रबंधित करें:
• कार्यों का scope बहुत छोटा रखें। प्रति prompt एक कार्य। प्रति PR एक बड़ा बदलाव। पहले skeleton तैयार करें। • पहले एक कार्य manually करें। Shortcuts न लें। इससे आपको पता चलता है कि AI कहाँ संघर्ष करता है और उसे वास्तव में किस context की आवश्यकता है। • AI को ठीक से बताएं कि वह किस layer में काम कर रहा है। यदि आप architecture निर्दिष्ट नहीं करते हैं, तो AI अनुमान लगाएगा। और उसका अनुमान गलत होगा। • reference patterns का उपयोग करें। एक बार जब कोई कार्य काम करने लगे, तो file path और line numbers शामिल करें ताकि AI वास्तविक कोड देख सके। • गलतियों को track करें। जब AI विफल हो जाए, तो उसे अपने नियम स्वयं update करने के लिए कहें। अपने अनुभवों को एक playbook में बदल दें।
AI से एक ही prompt में plan बनाने और उसे implement करने के लिए न कहें। पहले उसे एक plan output करने के लिए कहें। Plan की समीक्षा करें। फिर उसे execute करने के लिए कहें।
यदि session अव्यवस्थित हो जाता है या AI आपके नियमों को अनदेखा करने लगता है, तो session को समाप्त कर दें। एक नए और साफ prompt के साथ शुरुआत करें। यह एक खराब implementation से जूझने की तुलना में सस्ता है।
पहले आपका मूल्यांकन इस आधार पर किया जाता था कि आपने कितना कोड लिखा है। अब आपका मूल्यांकन इस आधार पर किया जाता है कि आप कितनी अच्छी तरह तैयारी करते हैं।
AI के साथ सफलता पाने वाले इंजीनियर सबसे बेहतरीन प्रॉम्प्टर नहीं हैं। वे सबसे बेहतरीन तैयारी करने वाले हैं।
स्रोत: https://dev.to/alextongme/youre-wasting-your-best-engineering-skill-191m