तुमच्या योजनांचे डेटा मध्ये रूपांतर करा
आम्ही महिने रिव्ह्यू लूपमध्ये घालवले. LLM एजंट्सनी कोडचे नियोजन आणि रिव्ह्यू केला. काम वारंवार परत येत होते. प्रत्येक वेळी काम परत येण्यामुळे वेळ वाया जात होता.
आम्ही २,४०० रिव्ह्यू डॉक्युमेंट्सचे विश्लेषण केले. आम्हाला अपयशाची ६ कारणे आढळली. त्यातील बहुतेक कोडमधील बग्स नव्हते. ते नियोजनातील दोष होते. अपूर्ण डॉक्युमेंट्स. न सांगितलेले नियम. पुराव्यांमधील त्रुटी.
गद्य स्वरूपातील (Prose) योजना कोडला बांधून ठेवू शकत नाहीत. रिव्ह्यूअर्स टेक्स्ट प्लॅन पुन्हा रन करण्यात अपयशी ठरतात. आम्ही फॉरमॅट बदलला. आम्ही TOML वापरले. आम्ही योजनांचे डेटा मध्ये रूपांतर केले.
आम्ही एक Python validator तयार केला. मानवी तपासणीपूर्वी तो प्लॅन तपासतो.
- तो सायकल (cycles) शोधतो.
- तो डिपेंडेंसीज (dependencies) तपासतो.
- तो प्रत्येक दाव्याला पुरावा असल्याची खात्री करतो.
- तो प्लेसहोल्डर्स (placeholders) नाकारतो.
आता चुकीची योजना म्हणजे एक 'failed assertion' आहे. मानवी रिव्ह्यूअर स्ट्रक्चरवर वेळ वाया घालवत नाही. ते डोमेन रिस्कवर (domain risks) लक्ष केंद्रित करतात.
आमचा पहिला DAG-reviewed प्लॅन एकाच फेरीत मंजूर झाला. रिव्ह्यूअर्सनी त्यांचे बजेट खऱ्या जोखमींवर खर्च केले.
तुमचा रिव्ह्यू आर्काइव्ह हा एक डेटासेट आहे. पॅटर्न शोधण्यासाठी त्याचा वापर करा. तांत्रिक योजनांसाठी गद्य (prose) वापरणे थांबवा. डेटा वापरा.
स्रोत: https://dev.to/wernerk_au/dag-toml-how-we-turned-four-months-of-code-review-pain-into-a-machine-checkable-planning-format-236j वैकल्पिक लर्निंग कम्युनिटी: https://t.me/GyaanSetuAi