AI సాఫ్ట్వేర్ డెవలప్మెంట్ కోసం అవసరమైన కనీస జ్ఞానం
AI అనేది ఒక సాధనం మాత్రమే. ఇది ఆర్కిటెక్చర్ లేదా ఇంజనీరింగ్ పట్ల మీకున్న జ్ఞానాన్ని భర్తీ చేయదు.
నిర్ణయాలు తీసుకోవడానికి AIని వదిలేయకండి. మీరు అన్ని ఫంక్షనల్ మరియు నాన్-ఫంక్షనల్ అవసరాలను (requirements) నిర్వచించాలి. స్పష్టంగా ఉండండి. ప్రతి చిన్న అంశంపై దృష్టి పెట్టండి.
తక్కువ ధర కలిగిన మోడల్స్ తరచుగా ఎక్కువ పనిని కలిగిస్తాయి. అవి తప్పులను సృష్టిస్తాయి, వాటిని మీరు తర్వాత సరిదిద్దాల్సి ఉంటుంది. ఇది మీ సమయాన్ని మరియు మీ బృందం సమయాన్ని వృథా చేస్తుంది. వృత్తిపరమైన పనుల కోసం, Opus లేదా GPT వంటి హై-రీజనింగ్ (high-reasoning) మోడల్స్ను ఉపయోగించండి.
మీరు ఉపయోగించే సాధనాలు ముఖ్యం. మీ కంప్యూటర్లో నడిచే AI ఏజెంట్లను ఉపయోగించండి. హార్నెస్ (harness) అవుట్పుట్ నాణ్యతను ప్రభావితం చేస్తుంది. ఉదాహరణకు, Opus కోసం Claude Codeని ఉపయోగించండి. మెరుగైన సాధనాలు అదే మోడల్ నుండి మెరుగైన ఫలితాలను అందిస్తాయి.
ప్రొఫెషనల్ ప్లాన్లలో పెట్టుబడి పెట్టండి. తక్కువ ధర ప్లాన్లు హాబీల కోసం సరిపోతాయి. ప్రొఫెషనల్ ప్రాజెక్ట్లకు ఉత్తమమైన మోడల్స్ మరియు అధిక వినియోగ పరిమితులు (usage limits) అవసరం.
ప్రతి ప్రాజెక్ట్కు CLAUDE.md లేదా AGENTS.md ఫైల్ అవసరం. దానిని క్లుప్తంగా ఉంచండి. దానిని ఇంగ్లీష్లో రాయండి. కేవలం ప్రాజెక్ట్కు అవసరమైన ముఖ్యమైన సమాచారాన్ని మాత్రమే చేర్చండి.
తప్పులను నివారించడానికి ఈ వర్క్ఫ్లోను అనుసరించండి:
- విశ్లేషణ పత్రాన్ని (analysis document) సృష్టించండి.
- అమలు ప్రణాళికను (execution plan) సృష్టించండి.
- ప్రణాళికను సమీక్షించండి.
- అమలును (implementation) ప్రారంభించండి.
మీ ప్రణాళికలో ఆర్కిటెక్చర్, అక్సెప్టెన్స్ క్రైటీరియా (acceptance criteria) మరియు ఆటోమేటెడ్ టెస్ట్లు ఉండాలి. అనుమానంతో ఉండండి. AI కోడ్ రాయకముందే, ప్రణాళికలోని లోపాలను (gaps) గుర్తించమని AIని అడగండి.
AI ప్రణాళికను విస్మరిస్తే తప్ప అది విఫలం కాకూడదు. మీరు ప్లానింగ్ దశను వదిలేసినందున అది ఎప్పుడూ విఫలం కాకూడదు.
మానవ సమీక్ష (Human review) తప్పనిసరి. ప్రొడక్షన్లో ఉన్న ప్రతి లైన్ కోడ్కు మీరే బాధ్యులు. కోడ్ అసురక్షితంగా లేదా గందరగోళంగా ఉంటే, అది మీ తప్పే.
మీ పాత్ర మారుతోంది. మీరు కేవలం టాస్క్ ఇంప్లిమెంటర్ నుండి ఆర్కిటెక్ట్ మరియు టెక్ లీడ్గా మారాలి. AI పునరావృత పనులను (repetitive work) చూసుకుంటుండగా, మీరు మొత్తం సిస్టమ్ గురించి ఆలోచించాలి.
సందర్భం (Context) అనేది అన్నిటికంటే ముఖ్యం. ఒకే ఒక ప్రాంప్ట్ సరిపోదు. మెరుగైన ఫలితాల కోసం బిజినెస్ రూల్స్, ఆర్కిటెక్చర్ మరియు పరిమితులను (constraints) అందించండి.
టెస్ట్లు లేకుండా ఎప్పుడూ పని చేయకండి. కోడ్తో పాటు టెస్ట్లను కూడా రాయమని AIని అడగండి. ప్రతి సైకిల్ తర్వాత ఎల్లప్పుడూ టెస్ట్లు, బిల్డ్లు మరియు లీంటర్లను (linters) రన్ చేయండి.
AI అమలును వేగవంతం చేస్తుంది, కానీ అది మీ తీర్పును (judgment) భర్తీ చేయదు. మంచి ఇంజనీరింగ్ నిర్ణయాలు తీసుకోవడమే ఇప్పుడు మీ ప్రధాన పని.
కోడ్ పనిచేస్తుంది అన్నంత మాత్రాన దానిని అంగీకరించకండి. రీడబిలిటీ (readability), సెక్యూరిటీ మరియు సింప్లిసిటీని కోరండి.
మీ కంపెనీలో ప్రాంప్ట్లను ప్రామాణీకరించడానికి (standardize) నైపుణ్యాలను ఉపయోగించండి. ఇది అన్ని ప్రాజెక్ట్లలో నాణ్యత మరియు ఆర్కిటెక్చర్ను స్థిరంగా ఉంచుతుంది.
ప్లానింగ్ మరియు టెస్టింగ్ అనేది చాలా పనిలా అనిపిస్తే, డెవలప్మెంట్ కోసం AIని ఉపయోగించకండి. ఈ దశలు లేకుండా, మీరు తక్కువ నాణ్యత కలిగిన కోడ్ను మరియు టెక్నికల్ డెట్ (technical debt)ను సృష్టిస్తారు.
బాధ్యత మీదే ఉంటుంది. చెడు కోడ్ కోసం AIని లేదా సాధనాలను నిందించకండి. మీ కంపెనీ మిమ్మల్ని బాధ్యులను చేస్తుంది.
Source: https://dev.to/andredarcie/o-minimo-que-voce-precisa-saber-para-desenvolver-software-com-ia-1dc9
Optional learning community: https://t.me/GyaanSetuAi