Claude Fable 5 లో నైపుణ్యం సాధించడం: మీ బ్లైండ్ స్పాట్స్ (Blind Spots) ద్వారా ప్రాంప్టింగ్ చేయడం ఎలా?
AI మోడల్స్ సాధారణ చాట్బాట్ల నుండి అధునాతన ఏజెంటిక్ కోడర్లుగా (agentic coders) మారుతున్న కొద్దీ, ఉత్పాదకతలో అడ్డంకి మోడల్ సామర్థ్యం నుండి వినియోగదారుడి స్పష్టత వైపు మారుతోంది. Claude Fable 5 రాకతో, పరిమితి ఇక AI తెలివితేటలు కాదు, వినియోగదారుడు తన స్వంత "తెలియని అంశాలను" (unknowns) గుర్తించగల సామర్థ్యమేనని Anthropic డెవలపర్ Thariq Shihipar సూచిస్తున్నారు.
ప్రాంప్టింగ్లో జ్ఞానానికి సంబంధించిన నాలుగు క్వాడ్రంట్లు (Four Quadrants)
Fable 5 లో నైపుణ్యం సాధించడానికి, తప్పుడు ప్రాంప్టింగ్ వల్ల కలిగే ఇబ్బందులను నివారించడానికి డెవలపర్లు తమ జ్ఞానాన్ని వర్గీకరించాలని Shihipar వాదిస్తున్నారు. ఆయన సంజ్ఞానాత్మక అంతరాలను (cognitive gaps) నాలుగు విభిన్న వర్గాలుగా విభజించారు:
- Known Knowns: మీ ప్రాంప్ట్లో ఇప్పటికే ఉన్న స్పష్టమైన సూచనలు మరియు డేటా.
- Known Unknowns: మీరు ఇంకా పరిష్కరించలేదని మీకు స్పష్టంగా తెలిసిన నిర్దిష్ట ప్రశ్నలు లేదా లోపాలు.
- Unknown Knowns: ఇవి ఎంత స్పష్టంగా ఉంటాయంటే, మీరు వాటిని వ్రాయాలని అనుకోరు, కానీ చూసిన వెంటనే గుర్తించగలరు.
- Unknown Unknowns: ఇది అత్యంత ప్రమాదకరమైన వర్గం—మీరు ఇంకా ఆలోచించని కీలక అంశాలు, ఎడ్జ్ కేసులు (edge cases) లేదా ఆర్కిటెక్చరల్ అవసరాలు.
వినియోగదారులు వీటిని పరిగణనలోకి తీసుకోనప్పుడు, వారు ఒక ఉచ్చులో పడతారు: మరీ నిర్దిష్టంగా (too specific) ఉండటం వల్ల, మెరుగైన మార్గం ఉన్నప్పటికీ Fable 5 సూచనలను కఠినంగా అనుసరిస్తుంది; అదే మరీ అస్పష్టంగా (too vague) ఉండటం వల్ల, మోడల్ ఆ నిర్దిష్ట పనికి సరిపోని ఇండస్ట్రీ డిఫాల్ట్లపై ఆధారపడే అవకాశం ఉంది.
తెలియని అంశాలను (Unknowns) కనుగొనడానికి వ్యూహాత్మక పద్ధతులు
నేరుగా ఇంప్లిమెంటేషన్లోకి వెళ్లే బదులు, Shihipar "బ్లైండ్స్పాట్ పాస్" (blindspot pass) చేయాలని సిఫార్సు చేస్తున్నారు. అంటే, ఒక్క లైన్ కోడ్ కూడా రాయకముందే మీ మెంటల్ మోడల్ను ఆడిట్ చేయడానికి Claudeని ఉపయోగించడం. ఉదాహరణకు, మీకు తెలియని కోడ్బేస్లో పనిచేస్తున్నట్లయితే, మీరు Claudeని ఇలా ప్రాంప్ట్ చేయవచ్చు: "నేను కొత్త auth providerని జోడించడానికి ప్రయత్నిస్తున్నాను, కానీ ఈ కోడ్బేస్లోని auth modules గురించి నాకు ఏమీ తెలియదు. నా సంబంధిత unknown unknowns ఏమిటో తెలుసుకోవడానికి మీరు ఒక blindspot pass చేయగలరా?"
ఇతర ప్రభావవంతమైన పద్ధతులు:
- Structured Interviews: సిస్టమ్ ఆర్కిటెక్చర్ను ప్రాథమికంగా మార్చే అస్పష్టతలకు ప్రాధాన్యతనిస్తూ, ప్రశ్నల వారీగా మిమ్మల్ని ఇంటర్వ్యూ చేయమని Claudeని అడగడం.
- Rapid Prototyping: HTML artifacts ఉపయోగించి Claude ద్వారా విభిన్నమైన డిజైన్ దిశలను రూపొందించడం, తద్వారా మీరు విజువల్ "unknown knowns" పట్ల స్పందించవచ్చు.
- Implementation Planning: మెకానికల్ రిఫ్యాక్టరింగ్ (mechanical refactoring) లోకి వెళ్లే ముందు, డేటా మోడల్స్ మరియు టైప్ ఇంటర్ఫేస్ల వంటి అస్థిరమైన భాగాలకు ప్రాధాన్యతనిస్తూ ఒక ప్రణాళికను రూపొందించమని Claudeని ఆదేశించడం.
క్లోజింగ్ ది లూప్: డాక్యుమెంటేషన్ మరియు వెరిఫికేషన్
కోడ్ జనరేట్ అయిన తర్వాత ప్రాంప్టింగ్ ప్రక్రియ ముగిసిపోదు. ఎగ్జిక్యూషన్ సమయంలో బయటపడే తెలియని అంశాలను నిర్వహించడానికి, implementation-notes.md ఫైల్ను నిర్వహించడానికి Claude Codeని ఉపయోగించాలని Shihipar సూచిస్తున్నారు. ఇది తీసుకున్న ప్రతి నిర్ణయాన్ని ట్రాక్ చేస్తుంది, తద్వారా ఏదైనా పని తప్పుగా జరిగితే, దానికి గల కారణం (reasoning) భద్రపరచబడుతుంది.
కోడ్ను మెర్జ్ (merge) చేసే ముందు పూర్తి అవగాహన ఉండేలా చూసుకోవడానికి, Shihipar "క్విజ్" (quiz) పద్ధతిని ఉపయోగిస్తారు. Claude అన్ని మార్పులు మరియు అంతర్దృష్టులను (insights) వివరిస్తూ ఒక HTML రిపోర్ట్ను రూపొందిస్తుంది, ఆ తర్వాత డెవలపర్ కోసం ఒక క్విజ్ ఉంటుంది. ఆయన ఒక కఠినమైన నియమాన్ని పాటిస్తారు: క్విజ్లో ఎటువంటి తప్పులు లేకుండా పాస్ అయ్యే వరకు కోడ్ను మెర్జ్ చేయవద్దు. దీనివల్ల ప్రాజెక్ట్లోని "unknowns" డెవలపర్కు "knowns"గా మారతాయని నిర్ధారించవచ్చు.
ముఖ్య అంశాలు
- "Unknown Unknowns" పై దృష్టి పెట్టండి: Fable 5తో అధునాతన ప్రాంప్టింగ్ యొక్క లక్ష్యం, మీరు అడగాలని కూడా అనుకోని అంశాలను AI ద్వారా బయటపెట్టడం.
- Specificity Trapని నివారించండి: AI ఇంప్రొవైజ్ (improvise) చేయలేనంత కఠినంగా లేదా అది సాధారణ పరిష్కారాలకే పరిమితం అయ్యేంత అస్పష్టంగా ఉండకుండా మీ ప్రాంప్ట్లను సమతుల్యం చేయండి.
- వెరిఫికేషన్ వర్క్ఫ్లోను అమలు చేయండి: AI ద్వారా జనరేట్ చేయబడిన కోడ్ను పూర్తి అవగాహన కలిగిన జ్ఞానంగా మార్చుకోవడానికి ఇంప్లిమెంటేషన్ నోట్స్, స్ట్రక్చర్డ్ ఇంటర్వ్యూలు మరియు పోస్ట్-ఇంప్లిమెంటేషన్ క్విజ్లను ఉపయోగించండి.