𝗞𝘂𝘁𝗼𝗸𝗮 𝗖𝗵𝗮𝘁𝗚𝗣𝗧 𝗵𝗮𝗱𝗶 𝗔𝗜 𝗔𝗴𝗲𝗻𝘁𝘀: 𝗠𝗶𝗮𝗸𝗮 𝗠𝗶𝘄𝗶𝗹𝗶 𝗸𝗮𝗺𝗮 𝗠𝗵𝗮𝗻𝗱𝗶𝘀𝗶
Miaka miwili iliyopita, nilitumia AI kuuliza maswaali pekee.
Leo, ninaongoza coding agents nyingi. Ninaunganisha maarifa ya kampuni kupitia MCP. Ninaendesha local models kwenye iOS apps. Ninadumisha memory layer ili agents waweze kufanya kazi pamoja.
Mimi si mtafiti wa AI. Mimi ni mhandisi wa kawaida ambaye aliendelea kufanya majaribio.
Hii hapa ni safari yangu kutoka chat hadi kwa agents.
𝗛𝗮𝘁𝘂𝗮 ya 𝟭: 𝗣𝗲𝗻𝗴𝗼 𝗹𝗮 𝗨𝗮𝗺𝗶𝗻𝗶𝗳𝘂 Mwanzoni, AI ilihisi kama uchawi. Kisha, ilihisi haina uaminifu. Models mara nyingi huwasilisha taarifa zisizo sahihi kwa kujiamini sana. Nilijifunza somo gumu: Jibu linaloonekana kuwa sahihi si lazima liwe matokeo ya kuaminika.
𝗛𝗮𝘁𝘂𝗮 ya 𝟮: 𝗔𝗜 𝗸𝗮𝗺𝗮 𝗠𝘀𝗵𝗶𝗿𝗶𝗸𝗮 Zana kama Cursor zilibadilisha kila kitu. AI ilihama kutoka kwenye dirisha la chat lililotengwa na kuingia ndani ya code editor yangu. Mzunguko wa mrejesho ulikuwa mfupi sana: • Eleza wazo. • Tengeneza code. • Endesha na uone makosa. • Omba marekebisho. • Rudia.
Hii ilipunguza gharama ya kutengeneza prototypes. Mawazo madogo hayafai tena wakati wa setup au configuration. Kwa kweli hufikia mwisho.
𝗡𝗶𝗹𝗶𝗷𝗶𝗳𝘂𝗻𝘇𝗮 𝗸𝘄𝗮𝗵𝗶𝗮 𝗖𝗼𝗻𝘁𝗲𝘅𝘁 𝗻𝗶 𝗠𝘂𝗵𝗶𝗺𝘂 Mapema, agents walikuwa wanasahau maamuzi au kuvunja architecture. Niliacha kuzingatia "prompt engineering" na kuanza "context engineering." Nilianza kuandika sheria kali kwa ajili ya agents wangu: • Fuata architecture iliyopo. • Eleza mpango kabla ya kubadilisha code. • Usifute mafaili
Mafunzo Yangu Makubwa Zaidi: • Coding ni rahisi, lakini engineering ni ngumu zaidi. • AI hushughulikia utekelezaji, lakini wewe lazima usimamie uamuzi. • Unahitaji kufafanua malengo kwa usahihi na kuhakiki dhana. • Kazi ya multi-agent inahitaji tabaka la kumbukumbu (memory layer) ili mawakala (agents) waweze kukabidhi kazi bila kuanza upya.
AI inafanya utekelezaji kuwa rahisi. Hii ina maana kwamba majaribio sasa ni bure. Kazi halisi ni kuamua ni mawazo gani yanastahili kujengwa kweli.
Jumuia ya hiari ya kujifunza: https://t.me/GyaanSetuAi