AI மென்பொருள் மேம்பாட்டிற்குத் தேவையான குறைந்தபட்ச அறிவு

AI என்பது ஒரு கருவி மட்டுமே. அது உங்கள் கட்டமைப்பு (architecture) மற்றும் பொறியியல் (engineering) அறிவுக்கு மாற்றாகாது.

உங்கள் முடிவுகளை AI-யிடம் ஒப்படைப்பதை நிறுத்துங்கள். அனைத்து செயல்பாட்டு (functional) மற்றும் செயல்பாடற்ற (non-functional) தேவைகளையும் நீங்களே வரையறுக்க வேண்டும். ஒவ்வொரு விவரத்திலும் துல்லியமாக இருங்கள்.

எதற்கும் இலவசம் என்று எதுவும் இல்லை. இலவச அல்லது மலிவான மாடல்கள், தொழில்முறை தரத்திலான (professional grade) மாடல்களை விட பின்தங்கியிருக்கும். மென்பொருள் பொறியியலுக்கு அதிக பகுத்தறியும் திறன் (high reasoning levels) கொண்ட Opus அல்லது GPT-ஐப் பயன்படுத்தவும். குறைந்த தரமான மாடல்கள் அதிகப்படியான மறுவேலைக்கு (rework) வழிவகுக்கும். இது உங்கள் நேரத்தையும், உங்கள் மதிப்பாய்வாளர்களின் (reviewers) நேரத்தையும் வீணடிக்கும்.

உங்கள் உள்ளூர் கணினியில் (local machine) AI ஏஜென்ட்களைப் பயன்படுத்தவும். அதற்கான கட்டமைப்பு (harness) முக்கியமானது. GPT-க்கு Codex மற்றும் Opus-க்கு Claude Code ஆகியவற்றைப் பயன்படுத்தவும். ஒரே மாதிரியான மாடலைப் பயன்படுத்தினாலும், மோசமான கட்டமைப்பு மோசமான முடிவுகளையே தரும்.

மலிவான திட்டங்கள் (plans) பொழுதுபோக்குத் திட்டங்களுக்கு (amateur projects) போதுமானவை. தொழில்முறைத் திட்டங்களுக்கு சிறந்த மாடல்களை அணுகும் வசதியும், அதிக பயன்பாட்டு வரம்புகளும் (usage limits) கொண்ட திட்டங்கள் தேவை.

ஒவ்வொரு திட்டத்திற்கும் ஒரு CLAUDE.md அல்லது AGENTS.md கோப்பு தேவை. அதைச் சுருக்கமாகவும், நோக்கபூர்வமாகவும் வைத்திருங்கள். அதை ஆங்கிலத்திலேயே எழுதுங்கள். முக்கியமான திட்டத் தகவல்களை மட்டுமே அதில் சேர்க்கவும்.

குறியீட்டை (code) உடனடியாகச் செயல்படுத்தாதீர்கள். இந்த முறையைப் பின்பற்றுங்கள்:

  • சிக்கலை ஆய்வு செய்யுங்கள்.
  • ஒரு திட்டத்தை உருவாக்குங்கள்.
  • திட்டத்தை மதிப்பாய்வு செய்யுங்கள்.
  • குறியீட்டைச் செயல்படுத்துங்கள்.

உங்கள் திட்டத்தில் கட்டமைப்பு (architecture), ஏற்பு அளவுகோல்கள் (acceptance criteria), சோதனைகள் (tests) மற்றும் பின்னூட்ட சுழற்சிகள் (feedback loops) ஆகியவை இருக்க வேண்டும்.

உங்கள் திட்டத்தின் மீது சந்தேகம் கொள்ளுங்கள். குறியீடு எழுதுவதற்கு முன் அனைத்தையும் மதிப்பாய்வு செய்யுங்கள். குறைகளைக் கண்டறியவும், உங்கள் முடிவுகளைச் சவாலுக்கு உட்படுத்தவும் AI-யிடம் கேளுங்கள். உங்கள் திட்டம் மோசமாக இருந்தால் மட்டுமே AI தோல்வியடைய வேண்டும்.

உங்கள் விமர்சனச் சிந்தனையை (critical thinking) வளர்த்துக் கொள்ளுங்கள். AI செயல்பாட்டை வேகப்படுத்துகிறது. ஆனால் அது உங்கள் தீர்ப்பு அல்லது பொறியியல் முடிவுகளுக்கு மாற்றாகாது.

உங்கள் பங்கினை மாற்றிக்கொள்ளுங்கள். ஒரு பணியைச் செய்பவராக (task implementer) மட்டும் இருக்காதீர்கள். ஒரு கட்டமைப்பு வடிவமைப்பாளர் (architect), தொழில்நுட்பத் தலைவர் (tech lead) மற்றும் தயாரிப்பு உரிமையாளர் (product owner) போலச் செயல்படுங்கள். முழு அமைப்பைப் பற்றியும் சிந்தியுங்கள்.

சூழலே (Context) எல்லாவற்றையும் தீர்மானிக்கிறது. ஒரு ப்ராம்ப்ட் (prompt) மட்டும் போதாது. வணிக விதிகள் (business rules), கட்டமைப்பு (architecture), மரபுகள் (conventions) மற்றும் கட்டுப்பாடுகளை (constraints) வழங்கவும்.

எப்போதும் தானாகவே சரிபார்க்கவும் (validate). ஒவ்வொரு சுழற்சியும் பில்டுகள் (builds), சோதனைகள் (tests), லின்டர்கள் (linters) மற்றும் நிலையான பகுப்பாய்வு (static analysis) ஆகியவற்றின் மூலம் முடிவடைய வேண்டும்.

குறியீடு வேலை செய்கிறது என்பதற்காக மட்டும் அதை ஏற்றுக்கொள்ளாதீர்கள். வாசிப்புத்திறன் (readability), எளிமை (simplicity), பாதுகாப்பு (security) மற்றும் பராமரிப்புத்திறன் (maintainability) ஆகியவற்றை வலியுறுத்துங்கள்.

உங்கள் நிறுவனத்தில் ப்ராம்ப்ட்களைத் தரப்படுத்துவதற்கு (standardize) திறன்களைப் பயன்படுத்துங்கள். இது அறிவுறுத்தல்களைத் திரும்பத் திரும்பச் சொல்லாமலேயே அனைத்துத் திட்டங்களிலும் தரம் மற்றும் கட்டமைப்பைப் பராமரிக்க உதவும்.

திட்டமிடுதல் மற்றும் சோதனை செய்வது அதிக வேலை என்று தோன்றினால், மென்பொருளுக்கு AI-ஐப் பயன்படுத்தாதீர்கள். நீங்கள் குறைந்த தரமான குறியீட்டையும் தொழில்நுட்பக் கடனையும் (technical debt) உருவாக்குவீர்கள்.

பொறுப்பு உங்களுடையது. பயன்பாட்டில் (production) உள்ள ஒவ்வொரு வரி குறியீட்டிற்கும் நீங்களே பொறுப்பு. AI அல்லது கருவிகளைக் குற்றம் சொல்லாதீர்கள். உங்கள் நிறுவனம் உங்களிடமிருந்து முடிவுகளை எதிர்பார்க்கிறது.

மூலம்: https://dev.to/andredarcie/o-minimo-que-voce-precisa-saber-para-desenvolver-software-com-ia-1dc9