AI குறியீட்டை நம்புவதற்கான 4-படி வழிமுறை
எனது முழு தயாரிப்பையும் (product) ஒரு AI coding agent பயன்படுத்தி உருவாக்கினேன்.
மிகப்பெரிய ஆபத்து பிழைகள் (bugs) அல்ல. தவறான காரணத்திற்காக ஒரு test suite தேர்ச்சி பெறுவதுதான் மிகப்பெரிய ஆபத்து. ஒரு பச்சை நிறக் குறியீடு (green checkmark) உங்களை ஏமாற்றக்கூடும்.
கட்டுப்பாட்டில் இருக்க நான் இந்த நான்கு படிகளைப் பயன்படுத்துகிறேன்.
உங்கள் வெற்றி அளவுகோல்களை (success criteria) உறுதிப்படுத்துங்கள் AI முடிவுகளைப் பார்ப்பதற்கு முன்பே, pass அல்லது fail விதிகளையும் git-இல் எழுதிவிடுங்கள். AI வேலையை முடித்த பிறகு நீங்கள் வெற்றியை வரையறுத்தால், அது AI வெளியீட்டிற்கு சாதகமான ஒரு வரையறையாகத்தான் இருக்கும். ஒருமுறை, தவறான விஷயத்தை அளவிடுவதன் மூலம் ஒரு test தேர்ச்சி பெற்றதால் நான் ஒரு திட்டத்தை (project) இழந்தேன். முதலில் தரநிலையை (bar) எழுதிவிடுங்கள்.
அடிப்படைச் சோதனைகளை (baseline tests) நடத்துங்கள் உங்கள் அளவுகோல்களை commit செய்து, தற்போதைய குறியீட்டில் (code) சோதனைகளை நடத்துங்கள். உங்களுக்குத் தெரிந்த ஒரு நல்ல தொடக்கப்புள்ளி தேவை. ஒரு சோதனை இன்று தேர்ச்சி பெற்றதா அல்லது AI தொடங்குவதற்கு முன்பே அது தேர்ச்சி பெற்றிருந்ததா என்பதை நீங்கள் அறிய வேண்டும்.
குறியீட்டிற்கு முன் ஒரு திட்டத்தைக் கேளுங்கள் AI-இடம் ஒரு திட்டத்தைக் கேளுங்கள். குறியீட்டை (code) கேட்காதீர்கள். பெரும்பாலான மக்கள் 400 வரிகள் கொண்ட குறியீட்டைப் படிக்காமலேயே அங்கீகரிப்பதால், தங்கள் codebase-ஐப் பாழாக்குகிறார்கள். ஒரு திட்டத்தை நீங்கள் இரண்டு நிமிடங்களில் ஆய்வு செய்யலாம். இது எண்களைச் சரியாகக் காட்டுவதற்காக கடினமான test cases-களை AI நீக்குவதைத் தடுக்கும்.
கைமுறை அங்கீகாரம் (Manual approval) மட்டுமே திட்டத்தை ஆய்வு செய்யுங்கள். அது தவறாகத் தெரிந்தால் மறுத்துவிடுங்கள். அதன் பின்னரே வேலையை அங்கீகரிக்கவும். ஒரு திட்டத்தில் நான் படிக்காத குறியீட்டை AI ஒருபோதும் எழுதுவதில்லை. தானியங்கி அங்கீகாரம் (Auto-approval) என்பது நம்பிக்கையுடன் தவறான முடிவுகளைத் தரும் அமைப்புகளுக்கு வழிவகுக்கும்.
விருப்பமான கற்றல் சமூகம்: https://t.me/GyaanSetuAi