𝗔𝗜 ਕੋਡ ਲਿਖਦਾ ਹੈ। ਇਹ "Done" (ਪੂਰਾ ਹੋਇਆ) ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਨਹੀਂ ਕਰ ਸਕਦਾ।

ਮੈਂ ਇੱਕ AI slide deck generator ਬਣਾਇਆ ਹੈ। ਤੁਸੀਂ ਇੱਕ ਵਿਸ਼ਾ ਟਾਈਪ ਕਰਦੇ ਹੋ ਅਤੇ ਤੁਹਾਨੂੰ ਇੱਕ presentation ਮਿਲ ਜਾਂਦੀ ਹੈ।

AI demo ਤੁਰੰਤ ਕੰਮ ਕਰ ਗਿਆ। ਇਸਨੇ ਇੱਕ outline ਲਿਖੀ। ਇਸਨੇ slides ਬਣਾਈਆਂ। ਇਸਨੇ ਇੱਕ ਫਾਈਲ export ਕੀਤੀ। ਮੇਰੀ ਸਕ੍ਰੀਨ 'ਤੇ, ਇਹ ਪੂਰਾ ਲੱਗ ਰਿਹਾ ਸੀ।

ਇਹ ਪੂਰਾ ਨਹੀਂ ਸੀ।

AI ਨੇ ਸਾਬਤ ਕਰ ਦਿੱਤਾ ਕਿ ਇੱਕ ਉਪਭੋਗਤਾ ਇੱਕ ਵਾਰ ਵਿੱਚ ਇੱਕ deck ਬਣਾ ਸਕਦਾ ਹੈ। ਇੱਕ ਅਸਲੀ product ਵੱਖਰਾ ਹੁੰਦਾ ਹੈ। ਇਸਨੂੰ ਇੱਕੋ ਸਮੇਂ 100 ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਸੰਭਾਲਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਸਨੂੰ ਉਹਨਾਂ ਨੂੰ ਸਹੀ ਤਰੀਕੇ ਨਾਲ ਬਿੱਲ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਜਦੋਂ ਕੋਈ ਸਟੈਪ ਫੇਲ ਹੋ ਜਾਵੇ ਤਾਂ ਇਸਨੂੰ ਸੁਧਾਰਨਾ (recover) ਚਾਹੀਦਾ ਹੈ। ਇਸਨੂੰ ਇੱਕ ਅਜਿਹੀ ਫਾਈਲ export ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ PowerPoint ਵਿੱਚ ਖੁੱਲ੍ਹੇ।

AI ਨੇ ਇਹ ਚੀਜ਼ਾਂ ਇਸ ਲਈ ਨਹੀਂ ਜੋੜੀਆਂ ਕਿਉਂਕਿ ਮੈਂ ਇਸਨੂੰ ਅਜਿਹਾ ਕਰਨ ਲਈ ਨਹੀਂ ਕਿਹਾ ਸੀ।

ਜਦੋਂ ਤੁਸੀਂ AI ਨਾਲ ਕੁਝ ਬਣਾਉਂਦੇ ਹੋ, ਤਾਂ ਮੁਸ਼ਕਲ ਹਿੱਸਾ feature ਦਾ ਵਰਣਨ ਕਰਨਾ ਨਹੀਂ ਹੈ। ਮੁਸ਼ਕਲ ਹਿੱਸਾ ਇਹ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਾ ਹੈ ਕਿ "done" ਦਾ ਮਤਲਬ ਕੀ ਹੈ।

ਮੈਂ ਬੁਨਿਆਦ ਲਈ Velobase Harness ਦੀ ਵਰਤੋਂ ਕੀਤੀ। ਇਸਨੇ auth, payments, credits, ਅਤੇ databases ਨੂੰ ਸੰਭਾਲਿਆ। ਇਸ ਨਾਲ ਮੈਨੂੰ AI ਨੂੰ ਸਿਰਫ਼ PPT generation 'ਤੇ ਕੇਂਦਰਿਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਮਿਲੀ।

ਉੱਥੇ ਹੀ "ਲੱਗਦਾ ਹੈ ਕਿ ਪੂਰਾ ਹੋ ਗਿਆ" ਅਤੇ "ਵਾਕਈ ਪੂਰਾ ਹੋ ਗਿਆ" ਵਿਚਕਾਰ ਫਰਕ ਆਇਆ। ਮੈਨੂੰ ਚਾਰ ਮੁੱਖ ਕਮੀਆਂ (gaps) ਮਿਲੀਆਂ:

  • Concurrency: AI ਸੋਚਦਾ ਹੈ ਕਿ ਇੱਕ ਸਫਲ ਰਨ ਦਾ ਮਤਲਬ ਹੈ ਇੱਕ ਪੂਰਾ ਹੋਇਆ feature। ਇੱਕ ਅਸਲੀ ਸਿਸਟਮ ਨੂੰ ਕੰਮਾਂ ਨੂੰ queues ਵਿੱਚ ਵੰਡਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਤੁਹਾਨੂੰ ਹਰ slide ਨੂੰ ਇੱਕ ਵੱਖਰੇ job ਵਜੋਂ ਬਣਾਉਣਾ ਚਾਹੀਦਾ ਹੈ ਤਾਂ ਜੋ workers ਨੂੰ scale ਕੀਤਾ ਜਾ ਸਕੇ।

  • Billing: AI ਇੱਕ ਵਾਰ credits ਕੱਟੇਗਾ ਅਤੇ ਰੁਕ ਜਾਵੇਗਾ। ਇੱਕ ਅਸਲੀ product ਨੂੰ state machine ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਤੁਹਾਨੂੰ credits ਰਿਜ਼ਰਵ ਕਰਨੇ ਚਾਹੀਦੇ ਹਨ, ਅਸਲ ਵਰਤੋਂ ਦੇ ਅਧਾਰ 'ਤੇ ਸੈਟਲ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਫੇਲ ਹੋਣ 'ਤੇ ਰਿਫੰਡ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।

  • Self-review: ਜੇਕਰ backend ਚੁੱਪਚਾਪ ਕਿਸੇ ਕੰਮ ਨੂੰ ਦੁਬਾਰਾ ਕੋਸ਼ਿਸ਼ (retry) ਕਰਦਾ ਹੈ, ਤਾਂ ਉਪਭੋਗਤਾ ਨੂੰ ਸਿਰਫ਼ ਇੱਕ spinning icon ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਤੁਹਾਨੂੰ ਸਟੇਟਸ ਦਿਖਾਉਣਾ ਚਾਹੀਦਾ ਹੈ। ਉਪਭੋਗਤਾ ਨੂੰ "checking" ਜਾਂ "redrawing" ਦਿਖਾਈ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ ਤਾਂ ਜੋ ਉਹਨਾਂ ਨੂੰ ਪਤਾ ਲੱਗ ਸਕੇ ਕਿ ਸਿਸਟਮ ਕੰਮ ਕਰ ਰਿਹਾ ਹੈ।

  • Export: ਇੱਕ slide browser ਵਿੱਚ ਵਧੀਆ ਲੱਗ ਸਕਦੀ ਹੈ ਪਰ PPTX ਫਾਈਲ ਵਿੱਚ ਖਰਾਬ ਹੋ ਸਕਦੀ ਹੈ। ਲੋੜ ਸਿਰਫ਼ ਇੱਕ ਫਾਈਲ ਬਣਾਉਣ ਦੀ ਨਹੀਂ ਹੈ। ਲੋੜ ਇਹ ਹੈ ਕਿ ਫਾਈਲ web preview ਨਾਲ ਮੇਲ ਖਾਂਦੀ ਹੋਵੇ।

ਮੈਂ ਆਪਣੇ ਨਿਰਦੇਸ਼ਾਂ ਨੂੰ ਬਦਲ ਦਿੱਤਾ। ਮੈਂ AI ਨੂੰ feature list ਦੇਣਾ ਬੰਦ ਕਰ ਦਿੱਤਾ। ਮੈਂ ਇਸਨੂੰ acceptance criteria ਦੇਣਾ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ।

AI ਲਈ ਮੇਰੇ ਨਵੇਂ ਨਿਯਮ:

  • ਇੱਕ production-ready SaaS ਬਣਾਓ, demo ਨਹੀਂ।
  • 100 concurrent users ਦਾ ਸਮਰਥਨ ਕਰੋ।
  • planning ਅਤੇ slide creation ਲਈ ਸੁਤੰਤਰ queues ਦੀ ਵਰਤੋਂ ਕਰੋ।
  • ਹਰ model call ਨੂੰ billing system ਨਾਲ ਜੋੜੋ।
  • credit balances ਦੇ ਅਧਾਰ 'ਤੇ ਕੰਮਾਂ ਨੂੰ ਰੋਕੋ (pause) ਅਤੇ ਦੁਬਾਰਾ ਸ਼ੁਰੂ (resume) ਕਰੋ।
  • ਹਰ slide ਤੋਂ ਬਾਅਦ layout checks ਚਲਾਓ।
  • ਯਕੀਨੀ ਬਣਾਓ ਕਿ PPTX export visual preview ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ।
  • ਸਿਰਫ਼ ਸਫਲਤਾ ਲਈ ਨਹੀਂ, ਸਗੋਂ concurrency ਅਤੇ failure ਲਈ ਵੀ tests ਲਿਖੋ।

AI ਤੇਜ਼ੀ ਨਾਲ ਕੋਡ ਲਿਖਦਾ ਹੈ। ਪਰ ਇਸਨੂੰ ਇਹ ਨਹੀਂ ਪਤਾ ਕਿ ਕਿਸ ਚੀਜ਼ ਨਾਲ ਕੋਡ shippable ਬਣਦਾ ਹੈ। ਇਹ ਇੱਕ local demo ਨੂੰ ਪੂਰੇ ਸਿਸਟਮ ਵਜੋਂ ਮੰਨ ਲੈਂਦਾ ਹੈ।

ਮਨੁੱਖੀ ਭੂਮਿਕਾ ਇੰਜੀਨੀਅਰਿੰਗ ਦੀਆਂ ਸੀਮਾਵਾਂ, ਅਸਫਲਤਾ ਦੇ ਮਾਮਲੇ ਅਤੇ ਵਪਾਰਕ ਨਿਯਮ ਪ੍ਰਦਾਨ ਕਰਨਾ ਹੈ।

Harness SaaS ਬੁਨਿਆਦ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ। AI ਲੌਜਿਕ ਭਰਦਾ ਹੈ। ਤੁਹਾਨੂੰ ਸਿਰਫ਼ ਸਭ ਤੋਂ ਸਟੀਕ ਇਨਪੁਟ ਦੇਣ ਦੀ ਲੋੜ ਹੈ।

ਜੇਕਰ ਤੁਸੀਂ AI ਦੁਆਰਾ ਬਣਾਇਆ ਗਿਆ ਕੋਈ ਉਤਪਾਦ ਲਾਂਚ ਕੀਤਾ ਹੈ, ਤਾਂ "ਇਹ ਕੰਮ ਕਰਦਾ ਹੈ" ਅਤੇ "ਇਹ ਗਾਹਕਾਂ ਲਈ ਤਿਆਰ ਹੈ" ਦੇ ਵਿਚਕਾਰ ਸਭ ਤੋਂ ਮੁਸ਼ਕਲ ਪਾੜਾ ਕੀ ਸੀ?

ਸਰੋਤ: https://dev.to/velobasex/ai-can-write-the-code-it-cant-tell-you-when-the-product-is-done-4oh6