Menggunakan AI dalam Aliran Kerja Pembangunan Harian Anda

AI tidak menggantikan pertimbangan kejuruteraan. Ia mempercepatkan masa antara tersangkut dan mencari penyelesaian.

Berhenti meminta AI untuk "jadikan kod lebih baik." Sebaliknya, gunakan lima kaedah praktikal ini.

  1. Cari hambatan prestasi (performance bottlenecks) Gunakan AI untuk mencipta senarai semak bagi audit anda. Minta ukuran khusus seperti:
  • Bilangan panggilan pangkalan data
  • Network waterfalls
  • Saiz bundle
  • RUM dan masa pelayan
  • Skor Lighthouse
  1. Jana kes ujian yang tidak dijangka Berikan AI tandatangan fungsi (function signature) atau spesifikasi. Minta:
  • Kes sempadan (boundary cases)
  • Input yang pelik
  • Race conditions
  • Idea ujian berasaskan sifat (property-based testing) Tukarkan cadangan ini kepada ujian sebenar untuk meningkatkan kebolehpercayaan.
  1. Refaktor dengan kekangan Prompt yang samar-samar membawa kepada kod yang buruk. Gunakan arahan khusus:
  • "Kurangkan kompleksiti siklomatik (cyclomatic complexity) tanpa mengubah tingkah laku."
  • "Ekstrak fungsi tulen (pure functions) dan jadikan kesan sampingan (side effects) eksplisit."
  • "Kekalkan API awam yang sama tetapi tingkatkan penamaan." Kekangan menjadikan output lebih mudah untuk disemak.
  1. Minta penjelasan khusus mengikut konteks AI membantu anda belajar dengan lebih cepat apabila anda memberikan butiran projek anda. Tanya:
  • "Mengapa render React ini berlaku dua kali dalam StrictMode?"
  • "Berdasarkan pelan pertanyaan SQL ini, apakah punca kependaman (lag) tersebut?"
  • "Di manakah saya patut letakkan pengesahan (validation) ini dalam codebase yang khusus ini?"
  1. Ikuti gelung pengesahan (validation loop) AI sering menghasilkan butiran yang salah dengan keyakinan tinggi. Ikuti peraturan ini:
  • Jika ia boleh dikompil, uji ia.
  • Jika ia melibatkan keselamatan, semak dua kali.
  • Jika ia menyatakan fakta, semak sumbernya.

Gunakan templat prompt ini untuk hasil yang lebih baik:

  • Matlamat: Apa yang anda ingin capai.
  • Konteks: Bahasa dan rangka kerja (framework) anda.
  • Input: Kod, log, atau ralat anda.
  • Format output: Senarai bulet, langkah-langkah, atau diff.
  • Kekangan: Prestasi, kebolehbacaan, atau tanpa kebergantungan (dependencies) baharu.

Contoh: Matlamat: Kurangkan kependaman (latency) API. Konteks: Node.js dan Postgres. Input: Kod endpoint dan pertanyaan (query). Output: Senarai 5 penambahbaikan. Kekangan: Tiada perubahan skema dalam sprint ini.

Bagaimanakah anda menggunakan AI dalam kerja harian anda?

Source: https://dev.to/imkrunal/using-ai-in-your-daily-dev-workflow-without-the-hype-57b1

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