Как я использую ИИ с Python: рабочий процесс веб-разработчика
Вопрос в Telegram-группе заставил меня переосмыслить весь мой подход.
Кто-то спросил: «Как вы на самом деле используете ИИ с Python? Используете промпт-инжиниринг или шаблоны?»
Большинство людей сталкиваются с трудностями, потому что ИИ меняется слишком быстро. Я не использую платные API или локальные модели. Я использую бесплатные веб-сервисы. Мой рабочий процесс сосредоточен на веб-разработке на Django.
Вот мой точный метод.
Шаг 1: Создание контекста
Перед выполнением любой задачи я скармливаю модели дерево файлов моего проекта и краткое описание. Модель должна знать окружение.
Шаг 2: Сохраняйте всё
Я сохраняю URL каждого диалога с ИИ. Если я возвращаюсь к проекту через неделю, я просто вставляю ссылку. Модель уже знает проект. Я не трачу время на повторение контекста.
Шаг 3: Визуальная проверка
Я не просто прошу код. Я даю модели утвержденные UI-шаблоны и технические спецификации, такие как версии Bootstrap и цветовые палитры.
Затем я прошу модель описать мой UI. Если её описание совпадает с моим реальным проектом, значит, она понимает задачу.
Шаг 4: Создание гайдлайна
Я прошу модель выступить в роли UI/UX-дизайнера и написать подробный гайдлайн на основе проекта. Это заставляет модель систематизировать свои знания.
Шаг 5: Создание многоразовых промптов
Я прошу модель написать промпт за меня. Например, я прошу её создать промпт, который меняет стиль Django-шаблонов, не затрагивая логику.
Как только этот промпт начинает работать, рестайлинг страницы превращается в простую операцию. Я вставляю промпт, вставляю код и получаю результат.
Мои два основных рабочих промпта:
Промпт для веб-компонентов: Используется для преобразования данных JSON в нативные Web Components. Он включает специфические правила для архитектуры, цветов и иконок.
Промпт для рестайлинга шаблонов: Используется для обновления внешнего вида существующих Django-шаблонов. Он строго защищает серверные теги и логику, внедряя при этом новый CSS.
Почему это работает:
- Скорость: Я пишу логику приложения, пока ИИ занимается визуальным слоем.
- Обучение: Этап создания контекста обучает меня новым техническим подходам.
- Переносимость: Поскольку промпты пишет сама модель, они работают в различных ИИ-сервисах.
Реальность:
Этап подготовки нельзя пропускать. Качество результата зависит от качества вашего контекста. Первый промпт редко бывает идеальным. Вы должны запустить его, найти ошибки и добавить правила для их исправления.
Этот рабочий процесс позволяет мне сосредоточиться на логике и данных, а не на борьбе с CSS.
Дополнительное обучающее сообщество: https://t.me/GyaanSetuAi