𝗦𝘁𝗼𝗽 𝗨𝘀𝗶𝗻𝗴 𝗔𝗜 𝗔𝘀 𝗔 𝗦𝗲𝗮𝗿𝗰𝗵 𝗘𝗻𝗴𝗶𝗻𝗲
ఒక డెవలపర్ డేటాబేస్ స్కీమా గురించి Claudeతో నలభై నిమిషాల పాటు మాట్లాడుకోవడం నేను చూశాను. ప్రతి సందేశం ఒక ప్రశ్న. ప్రతి సమాధానం ఒక జవాబు. చివరలో, వారికి పని చేసే ఒక స్కీమా దొరికింది కానీ అది ఏదో తప్పుగా అనిపించింది.
సమస్య మోడల్లో లేదు. ఫార్మాట్లో ఉంది. వారు సంభాషణను ఒక ప్రశ్నోత్తరాల (Q&A) సెషన్లా ఉపయోగించారు. వారికి కావాల్సింది ఒక ఆలోచనాత్మక సెషన్ (thinking session). ఇవి రెండూ ఒకటి కావు.
క్వెరీలను (queries) ఉపయోగించేలా గూగుల్ మిమ్మల్ని అలవాటు చేసింది. మీరు ఒక చిన్న పదాన్ని టైప్ చేస్తారు, ఫలితాలను పొందుతారు మరియు ట్యాబ్ను మూసివేస్తారు. ఈ అలవాటు AI విషయంలో విఫలమవుతుంది. మీరు AIని ఒక సెర్చ్ ఇంజిన్లా పరిగణించినప్పుడు, మీకు కేవలం సమాధానాలు మాత్రమే వస్తాయి. మీకు లోతైన అవగాహన (insights) లభించదు. మీకు ఆర్కిటెక్చర్కు బదులుగా సింటాక్స్ (syntax) మాత్రమే వస్తుంది. మీకు అవసరమైన దాని కంటే, మీరు అడిగిన దానికే ప్రాధాన్యత లభిస్తుంది.
సెర్చ్ ఇంజిన్లు ఇప్పటికే ఉన్న వాస్తవాలను కనుగొంటాయి. AI కొత్త సమస్యల ద్వారా తార్కిక ఆలోచన (reasoning) చేయగలదు. సెర్చ్ ఇంజిన్ ఒక లైబ్రరీ వంటిది. AI ఒక సహోద్యోగి (colleague) లాంటిది. లైబ్రరీ మీకు రాసి ఉన్న సమాచారాన్ని ఇస్తుంది. సహోద్యోగి మీ ఊహలను ప్రశ్నిస్తారు మరియు మీ ప్రణాళికలోని లోపాలను గుర్తిస్తారు.
ఒకే విషయాన్ని అడగడానికి ఈ రెండు పద్ధతులను చూడండి:
సెర్చ్ మోడ్: "Python microserviceని స్ట్రక్చర్ చేయడానికి ఉత్తమ మార్గం ఏమిటి?"
థింకింగ్ మోడ్: "నేను మూడు APIs కోసం ఒక Python microserviceని నిర్మిస్తున్నాను. ప్రతి APIకి వేర్వేరు రిట్రై రూల్స్ (retry rules) మరియు డేటా షేప్స్ (data shapes) ఉన్నాయి. నేను ఒక క్యూతో కూడిన ఒక FastAPI యాప్ లేదా మూడు వేర్వేరు కన్స్యూమర్ల మధ్య ఎంపిక చేసుకుంటున్నాను. ఇద్దరు ఇంజనీర్లు దీనిని నిర్వహిస్తారు. నేను గమనించని ట్రేడ్-ఆఫ్స్ (tradeoffs) ఏమిటి?"
మొదటి పద్ధతి మీకు ఒక బ్లాగ్ పోస్ట్ను ఇస్తుంది. రెండవ పద్ధతి మిమ్మల్ని ఆలోచింపజేస్తుంది.
ఉత్తమ వినియోగదారులు తెలివైన ప్రాంప్ట్లను (prompts) కలిగి ఉండరు. వారు ఎక్కువ సందర్భాన్ని (context) అందిస్తారు. వారు ఏమి నిర్మిస్తున్నారు, వారి పరిమితులు (constraints) ఏమిటి మరియు వారు ఇప్పటికే ఏమి ప్రయత్నించారు అనే విషయాలను వివరిస్తారు.
వారు ఇలాంటివి కూడా చెబుతారు: "ఇది ఏదో తప్పుగా అనిపిస్తోంది కానీ ఎందుకు అనేది నేను చెప్పలేకపోతున్నాను."
ఇది ఒక గొప్ప ప్రాంప్ట్. ఇది మీ ఊహలను (assumptions) పరీక్షించమని మోడల్కు చెబుతుంది. మీరు పేరు పెట్టలేని సమస్యను కనుగొనడంలో ఇది మోడల్కు సహాయపడుతుంది.
ప్రశ్నలు చాలా స్పష్టంగా (too clean) ఉన్నప్పుడు ఉపరితల ఫలితాలు (shallow results) వస్తాయి. నిజమైన ఇంజనీరింగ్ అనేది సంక్లిష్టంగా (messy) ఉంటుంది. దానికి డెడ్లైన్లు మరియు లెగసీ కోడ్ (legacy code) ఉంటాయి. మీరు ఆ సంక్లిష్టతను తొలగిస్తే, AI వాస్తవికతను విస్మరిస్తూ మీకు ఒక శుభ్రమైన సమాధానాన్ని ఇస్తుంది. ఆ సంక్లిష్టతే అసలైన సమస్య.
మీ తదుపరి ప్రాంప్ట్కు ముందు, ఈ మూడు విషయాలను రాయడానికి రెండు నిమిషాలు కేటాయించండి:
- మీరు సాధించాలనుకుంటున్నది.
- మీరు పరిశీలిస్తున్న విధానం.
- మీరు దేని గురించి అనిశ్చితితో ఉన్నారో అది.
మొదట ఈ మూడింటిని మోడల్కు అందించండి.
దీనికి ఎక్కువ శ్రమ అవసరం. మీరు ఏ కోడ్ రాయకముందు చేయాల్సిన శ్రమ ఇది. AI ఈ దశను జోడించదు. ఇది కేవలం ఆ దశను దాటవేయడం వల్ల కలిగే నష్టాన్ని పెంచుతుంది.
ఒక సెర్చ్ ఇంజిన్కు స్పష్టమైన క్వెరీ అవసరం. ఒక ఆలోచనా భాగస్వామికి పూర్తి చిత్రం అవసరం.
గందరగోళాన్ని శుభ్రం చేయడం ఆపండి. ఆ గందరగోళమే మీ సందర్భం.
మూలం: https://dev.to/gmoustakas/stop-using-ai-as-a-search-engine-with-extra-steps-49oo
ఐచ్ఛిక అభ్యాస సమూహం: https://t.me/GyaanSetuAi