AI کوڈ کا 80/20 اصول

AI نے 10 منٹ میں میرے فیچر کا 80% حصہ لکھ دیا۔ کوڈ صاف ستھرا لگ رہا تھا۔ منطق (logic) سمجھ میں آ رہی تھی۔ یہ پہلی ہی کوشش میں کام کر گیا۔ مجھے بہت اچھا لگا۔

لیکن AI پہلے 80% کے لیے تو مفید ہے مگر آخری 20% کے لیے بالکل بے کار ہے۔

AI "ہیپی پاتھ" (happy path) کے لیے کام کرتا ہے۔ یہ ایک ایسی دنیا کے لیے چیزیں بناتا ہے جہاں سب کچھ ٹھیک چلتا ہے۔ جبکہ حقیقی سافٹ ویئر اس دنیا میں رہتا ہے جہاں چیزیں غلط ہو جاتی ہیں۔

میں نے حال ہی میں ایک Sol Email Worker بنایا۔ AI نے 20 منٹ میں بنیادی منطق (core logic)، تھریڈنگ (threading) اور روٹنگ (routing) تیار کر دی۔ وہ آسان حصہ تھا۔

آخری 20% کے لیے میری اصل مہارت کی ضرورت تھی:

• ڈی ڈپلیکیشن (Deduplication): ڈپلیکیٹ پیغامات کو سنبھالنا۔ • سینڈر-اسکپ لاجک (Sender-skip logic): اپنے ہی پیغامات کو پروسیس کرنے سے بچنا۔ • ایرر ریکوری (Error recovery): غیر متوقع API رسپانسز کو سنبھالنا۔ • لاگ آؤٹ پٹ (Log output): رات کے 2 بجے ڈی بگنگ (debugging) کو ممکن بنانا۔

AI نے وہی کیا جو میں نے پوچھا۔ میں "ایج کیسز" (edge cases) کے بارے میں پوچھنے میں ناکام رہا کیونکہ میں نے ابھی تک ان کے بارے میں سوچا ہی نہیں تھا۔

ہمارے پاس پیمائش کا ایک مسئلہ ہے۔ ہم کوڈ کی لائنوں اور بند شدہ ٹکٹس (closed tickets) کا حساب رکھتے ہیں۔ یہ پیمانے (metrics) تیز رفتار 80% کو نوازتے ہیں۔ کوئی بھی ایرر ہینڈلنگ یا نل چیکس (null checks) پر صرف ہونے والے وقت کا حساب نہیں رکھتا۔

وہ 20% ڈیش بورڈ پر نظر نہیں آتا، لیکن اصل کام وہیں ہوتا ہے۔ اب میں "پرامپٹ ٹو شپ" (prompt-to-ship) وقت کا حساب رکھتا ہوں۔ یہ پہلے پرامپٹ سے لے کر ایک مستحکم پروڈکشن فیچر تک کا وقت ہے۔ یہ نمبر ہمیشہ AI کے ذریعے کوڈ تیار کرنے کے وقت سے کم از کم 4 گنا زیادہ ہوتا ہے۔

اب میں اس طرح کام کرتا ہوں:

  • میں ہر کام کے لیے AI کے وقت سے 4 گنا زیادہ وقت کا بجٹ رکھتا ہوں۔
  • میں "ان ہیپی پاتھ" (unhappy path) کے لیے پرامپٹ دیتا ہوں۔ میں AI کو کہتا ہوں کہ یہ فرض کرے کہ نیٹ ورک فیل ہو گیا ہے یا API 'null' واپس کر رہا ہے۔
  • میں پہلے ڈرافٹ کو ایک آغاز سمجھتا ہوں، نہ کہ اختتام۔

30 سیکنڈ کے جنریشن کے بعد ایرر ہینڈلنگ پر جو 3 گھنٹے میں نے صرف کیے، وہ ضائع نہیں ہوئے تھے۔ وہ اصل کام تھا۔ AI نے کام کو ڈھانچہ لکھنے سے ہٹا کر کوڈ کو حقیقت بنانے کی طرف منتقل کر دیا ہے۔

کوڈ کو حقیقت بنانا ایک سست عمل ہے۔ اس کے لیے آپ کے مخصوص سیاق و سباق (context)، آپ کے صارفین اور آپ کے کوڈ بیس کی تاریخ کی ضرورت ہوتی ہے۔ مہارت کا مطلب یہی ہے۔

AI جانی پہچانی جگہوں پر کام کرتا ہے۔ ایج کیسز (edge cases) ہر بار ایک انجان علاقہ ہوتے ہیں۔

اگلی بار جب کوئی AI ڈیمو آپ کو متاثر کرے، تو پوچھیں کہ ڈیمو ختم ہونے کے بعد کیا ہوا تھا۔

ماخذ: https://dev.to/amrree/the-8020-rule-of-ai-code-id

اختیاری لرننگ کمیونٹی: https://t.me/GyaanSetuAi