உங்கள் திட்டங்களை தரவுகளாக மாற்றுங்கள்
நாங்கள் பல மாதங்களாக ஒரு மறுஆய்வுச் சுழற்சியிலேயே (review loop) கழித்தோம். LLM ஏஜெண்டுகள் குறியீட்டைத் திட்டமிட்டன மற்றும் மறுஆய்வு செய்தன. வேலை மீண்டும் மீண்டும் திருப்பி அனுப்பப்பட்டது. ஒவ்வொரு முறையும் நேரம் வீணானது.
நாங்கள் 2,400 மறுஆய்வு ஆவணங்களை ஆய்வு செய்தோம். தோல்விக்கான 6 காரணங்களைக் கண்டறிந்தோம். அவற்றில் பெரும்பாலானவை குறியீடு பிழைகள் (code bugs) அல்ல. அவை திட்டக் குறைபாடுகள் (plan defects). விடுபட்ட ஆவணங்கள். குறிப்பிடப்படாத விதிகள். ஆதாரங்களில் உள்ள இடைவெளிகள்.
உரை வடிவிலான திட்டங்கள் (Prose plans) குறியீட்டைத் தளைக்காது. மறுஆய்வாளர்கள் ஒரு உரைத் திட்டத்தை மீண்டும் இயக்கத் தவறிவிடுகிறார்கள். நாங்கள் வடிவமைப்பை மாற்றினோம். நாங்கள் TOML பயன்படுத்தினோம். நாங்கள் திட்டங்களை தரவுகளாக மாற்றினோம்.
நாங்கள் ஒரு Python validator-ஐ உருவாக்கினோம். ஒரு மனிதன் பார்ப்பதற்கு முன்பே இது திட்டத்தைச் சரிபார்க்கிறது.
- இது சுழற்சிகளைக் (cycles) கண்டறிகிறது.
- இது சார்புகளை (dependencies) சரிபார்க்கிறது.
- ஒவ்வொரு கூற்றுக்கும் ஆதாரம் இருப்பதை இது உறுதி செய்கிறது.
- இது placeholders-களை நிராகரிக்கிறது.
தவறான திட்டம் இப்போது ஒரு தோல்வியடைந்த உறுதிமொழி (failed assertion). மனித மறுஆய்வாளர் கட்டமைப்பிற்காக நேரத்தை வீணடிக்கத் தேவையில்லை. அவர்கள் கள அபாயங்களில் (domain risks) கவனம் செலுத்துகிறார்கள்.
எங்களது முதல் DAG-மறுஆய்வு செய்யப்பட்ட திட்டம் ஒரே சுற்றில் தேர்ச்சி பெற்றது. மறுஆய்வாளர்கள் உண்மையான அபாயங்களுக்காகத் தங்கள் நேரத்தைச் செலவிட்டனர்.
உங்கள் மறுஆய்வு ஆவணக் காப்பகம் ஒரு தரவுத்தொகுப்பு (dataset). வடிவங்களைக் கண்டறிய அதைப் பயன்படுத்துங்கள். தொழில்நுட்பத் திட்டங்களுக்கு உரை வடிவத்தைப் பயன்படுத்துவதை நிறுத்துங்கள். தரவைப் பயன்படுத்துங்கள்.
Source: https://dev.to/wernerk_au/dag-toml-how-we-turned-four-months-of-code-review-pain-into-a-machine-checkable-planning-format-236j Optional learning community: https://t.me/GyaanSetuAi