Jak używam AI z Pythonem: Workflow w tworzeniu stron internetowych

Pytanie w grupie na Telegramie sprawiło, że zacząłem na nowo przemyśliwać cały mój proces.

Ktoś zapytał: „Jak właściwie używasz AI z Pythonem? Korzystasz z prompt engineeringu czy szablonów?”

Większość ludzi ma z tym problem, ponieważ AI zmienia się zbyt szybko. Nie używam płatnych API ani lokalnych modeli. Korzystam z darmowych usług internetowych. Mój workflow skupia się na tworzeniu stron w Django.

Oto moja dokładna metoda.

Krok 1: Budowanie kontekstu Przed każdym zadaniem podaję modelowi strukturę plików projektu oraz krótki opis. Model musi znać środowisko.

Krok 2: Zapisuj wszystko Zapisuję URL każdej rozmowy z AI. Jeśli wracam do projektu tydzień później, wklejam link. Model już zna projekt. Nie marnuję czasu na powtarzanie kontekstu.

Krok 3: Weryfikacja wizualna Nie proszę tylko o kod. Podaję modelowi zatwierdzone szablony UI oraz specyfikacje techniczne, takie jak wersje Bootstrapa czy palety kolorów.

Następnie proszę model o opisanie mojego UI. Jeśli opis zgadza się z moim rzeczywistym projektem, oznacza to, że model go rozumie.

Krok 4: Tworzenie przewodnika stylu Proszę model, aby wcielił się w rolę projektanta UI/UX i napisał szczegółowy przewodnik stylu na podstawie projektu. Zmusza to model do uporządkowania zdobytej wiedzy.

Krok 5: Tworzenie reużywalnych promptów Proszę model, aby napisał dla mnie prompt. Na przykład proszę o stworzenie promptu, który zmienia styl szablonów Django bez ingerencji w logikę.

Gdy ten prompt zaczyna działać, zmiana stylu strony sprowadza się do jednej linii. Wklejam prompt, wklejam kod i otrzymuję wynik.

Moje dwa główne prompty produkcyjne:

  1. The Web Component Prompt: Służy do przekształcania danych JSON w natywne Web Components. Zawiera specyficzne reguły dotyczące architektury, kolorów i ikon.

  2. The Template Restyler Prompt: Służy do aktualizacji wyglądu istniejących szablonów Django. Rygorystycznie chroni tagi i logikę po stronie serwera, jednocześnie wstrzykując nowy CSS.

Dlaczego to działa:

  • Szybkość: Ja piszę logikę aplikacji, podczas gdy AI zajmuje się warstwą wizualną.
  • Nauka: Etap budowania kontekstu uczy mnie nowych podejść technicznych.
  • Przenośność: Ponieważ to model pisze prompty, działają one w różnych usługach AI.

Rzeczywistość:

Nie można pominąć fazy przygotowawczej. Jakość wyniku zależy od jakości kontekstu. Pierwszy prompt rzadko jest idealny. Musisz go uruchomić, znaleźć błędy i dodać reguły, aby je naprawić.

Ten workflow pozwala mi skupić się na logice i danych zamiast walczyć z CSS.

Źródło: https://dev.to/la_verdad_de_la_milanesa/how-i-actually-use-ai-with-python-a-web-devs-honest-workflow-2o20

Opcjonalna społeczność edukacyjna: https://t.me/GyaanSetuAi