𝗦𝘁𝗼𝗽 𝗥𝗲𝗮𝗱𝗶𝗻𝗴 𝘁𝗼 𝗕𝘂𝗶𝗹𝗱 𝗮 𝗟𝗶𝗯𝗿𝗮𝗿𝘆. 𝗦𝘁𝗮𝗿𝘁 𝗥𝗲𝗮𝗱𝗶𝗻𝗴 𝘁𝗼 𝗦𝗼𝗹𝘃𝗲 𝗮 𝗣𝗿𝗼𝗯𝗹𝗲𝗺. (Przestań czytać, aby budować bibliotekę. Zacznij czytać, aby rozwiązywać problemy.)
Większość list lektur inżynierskich skupia się na gromadzeniu wiedzy.
Współczesna inżynieria nagradza jedną rzecz: usuwanie wąskich gardeł.
Młodszy inżynier pokazał mi ostatnio listę 10 najlepszych książek dla inżynierów. Wyglądała tak samo jak listy sprzed dziesięciu lat. Opierała się na tych samych starych klasykach i książkach o procesach.
To błędne założenie. Czytanie książek nie sprawia automatycznie, że stajesz się lepszym inżynierem.
Wydajne zespoły nie budują planów nauki wokół książek. Budują je wokół ograniczeń.
Standardowe listy lektur zakładają, że cała wiedza ma taką samą wartość. W rzeczywistości wartość inżynierska zależy od Twojej konkretnej sytuacji.
- Inżynier backendu mierzący się z problemami z bazą danych nie potrzebuje książki o Agile.
- Zespół z wysokimi kosztami AI nie potrzebuje ogólnej książki o oprogramowaniu.
- Startup z problemami z opóźnieniami nie potrzebuje ram teoretycznych przywództwa.
Ci ludzie potrzebują rozwiązań konkretnego wąskiego gardła, z którym się mierzą.
Inżynieria nagradza trafność, a nie kompletność.
Podstawy, takie jak bazy danych i sieci, wciąż są ważne. Ale to już nie wystarczy. Nowoczesne systemy przynoszą nowe wyzwania, takie jak koszty wnioskowania AI (AI inference costs).
Przez dziesięciolecia inżynierowie pracowali z systemami deterministycznymi. Ten sam zestaw danych wejściowych zawsze dawał ten sam wynik.
Dziś wiele systemów ma charakter probabilistyczny. Prompt AI może za każdym razem dawać inne odpowiedzi. Aktualizacja modelu może zmienić sposób działania Twojej aplikacji bez dotykania kodu.
Twoją pracę napędzają nowe pytania:
- Jak oceniasz jakość?
- Jak zarządzasz nieprzewidywalnymi komponentami?
Najlepsi inżynierowie czytają, aby zrozumieć mechanizmy, a nie po to, by skończyć książkę. Znajdują wąskie gardło i uczą się konkretnej logiki potrzebnej do jego usunięcia.
- Jeśli opóźnienia są wysokie, zgłęb temat batchingu.
- Jeśli kontekst jest tracony, zgłęb temat retrieval.
- Jeśli agenci AI zawodzą, zgłęb temat ewaluacji.
To łączy naukę z wynikami produkcyjnymi. Twoja wiedza staje się natychmiastową dźwignią.
Zastosuj tę pętlę nauki:
- Zidentyfikuj wąskie gardło.
- Znajdź konkretny zasób, aby je usunąć.
- Zastosuj go w systemie.
Zanim zaczniesz kolejną książkę, zadaj sobie jedno pytanie: Jakie jest obecnie największe ograniczenie w moim systemie?
Czy to opóźnienia, koszty, niezawodność, czy obserwowalność (observability)?
Znajdź zasób, który uderzy w ten problem. Nie wybieraj najpopularniejszej książki. Wybierz tę, która rozwiąże Twoje ograniczenie.
Inżynieria to nie konkurs czytania. To zawód polegający na rozwiązywaniu ograniczeń. Pozwól swojemu systemowi zdecydować, czego nauczysz się w następnej kolejności.
Opcjonalna społeczność edukacyjna: https://t.me/GyaanSetuAi