هرگز برای یک مهندس خردسال آسانتر یا سریعتر نبوده است تا در هر زمان در تاریخ مهندسی نرم افزار کمک به کار خود داشته باشد. LLM ها بینش های گسترده ای از مجموعه های کد را در نوک انگشتان مهندسان نرم افزار قرار داده اند.
تعداد زیادی از LLM ها برای کمک به مهندسان در کار خود به وجود آمده اند اما چگونه یک مهندس جوان باید به استفاده از این ابزارهای قدرتمند نزدیک شود؟
دو نکته وجود دارد که باید هنگام استفاده از LLMS برای پشتیبانی از شما در برنامه نویسی خود در نظر داشته باشید:
- کیفیت پاسخ هایی که می گیرید مستقیماً با کیفیت سریع استفاده می کنید. اگر به طور دقیق آنچه را که می خواهید به آن برسید ، تعریف نکنید ، ممکن است یک پاسخ گمراه کننده دریافت کنید.
- LLMS می تواند با اطمینان اشتباه باشد. پاسخ هایی که به آنها می دهند ممکن است قانع کننده به نظر برسد اما می تواند کاملاً اشتباه باشد یا اشکالی در آن داشته باشد.
بنابراین ، چگونه می توانیم در حالی که مولد هستند از این مشکلات جلوگیری کنیم؟
پرسیدن سوال درست
اگر این سوال را به خوبی مشخص نکرده اید ، می توانید یک پاسخ با اطمینان اشتباه دریافت کنید که می تواند شما را گمراه کند. بیان مشکل یا سؤال به عنوان یک جوان می تواند دشوار باشد زیرا ممکن است شما از زبان ، ابزار و کتابخانه هایی که استفاده می کنید درک محدودی داشته باشید.
هنگامی که LLM را سریع می کنید ، تا آنجا که می توانید زمینه را فراهم کنید. سوالات ساده به راحتی می توانند نتایج گمراه کننده ای را ارائه دهند. به زبان ، کتابخانه ها و چارچوب هایی که استفاده می کنید اشاره کنید. توضیح دهید که کد شما قرار است چه کاری انجام دهد. در مورد ورودی ها و خروجی های مورد انتظار خاص باشید. از آنجا که تجربه بیشتری با زبان ، ابزارها ، چارچوب ها و کتابخانه هایی که استفاده می کنید به دست می آورید ، این کار ساده تر می شود. شما درک بهتری از آنچه با کد خود اتفاق می افتد خواهید داشت و قادر خواهید بود تا محکم تر مسئله یا کار را برای LLM توصیف کنید.
درک آنچه برمی گردید
من غالباً مهندسان را دیده ام که از طریق اینترنت راه حل را از طریق اینترنت کپی می کنند که آنها نمی فهمند. در گذشته این ممکن است یک یا دو خط از یک پست انجمن یا یک پاسخ سرریز پشته باشد. با LLM ، این پتانسیل را دارد که یک ماژول کامل از کد کپی باشد.
مهندسان افزودن تکه های کم درک شده ، کد تولید شده توسط AI به یک پایگاه کد بزرگترین خطری است که تیم های نرم افزاری هنگام اتخاذ هوش مصنوعی در گردش کار خود دارند. حفظ کد ضعیف دشوار است. درک یک مهندس برای یک مهندس دشوار است که آنها فقط 3 ماه پس از نوشتن آن ، خود را نوشته اند. تصور کنید اگر در وهله اول آن را ننوشتند ، چقدر دشوارتر خواهد بود.
درک این موضوع که LLM به شما توصیه می کند مهم است. فقط کورکورانه از آن استفاده نکنید بدون اینکه وقت خود را بررسی کنید تا آن را بررسی کنید. کد ممکن است اشتباه باشد یا اشکالی در آن وجود دارد. سپس می توانید وقت خود را برای اشکال زدایی تلف کنید و LLM به جای کمک به یک مانع تبدیل می شود.
متقاطع نتایج را با اسناد رسمی مرجع کنید تا حس کنید که LLM توصیه می کند. بعضی اوقات پاسخ ممکن است به نسخه قدیمی یک چارچوب یا کتابخانه اشاره داشته باشد یا می تواند از تابعی استفاده کند که وجود ندارد. مستندات مربوط به یک زبان یا کتابخانه منبع معتبری در مورد عملکرد و نحوه عملکرد آن است.
اگر با یک پاسخ اشتباه گرفته می شوید ، پس فقط کورکورانه خمیر را کپی نکنید. قانون 30 دقیقه ای را اعمال کنید. این نکته خوبی برای درخواست کمک از یک همکار خواهد بود.
سپس دو مهارت اصلی برای استفاده از هوش مصنوعی برای پشتیبانی از شما در کار توسعه نرم افزار وجود دارد:
- به طور مؤثر
- درک کد
به طور مؤثر
سعی کنید تا آنجا که می توانید زمینه را به دست آورید تا بهترین نتیجه را بدست آورید. هرچه به زبان ها ، ابزارها و کتابخانه هایی که از آنها استفاده می کنید آگاه تر شوید ، در توضیح مشکلات و سؤالات مربوط به LLM بهتر خواهید شد.
درک کد
درک کد برای کمک به شما در درک کدی که یک LLM تولید می کند ، مهم است. هرچه در این مورد بهتر شوید ، سریعتر می توانید پاسخ / تأیید پاسخ هایی را که LLM به شما می دهد ، بررسی کنید. برای مشاوره مقاله من در این مورد را ببینید.
برنامه نویسی مبارک!
عکس توسط Lisheng Chang on Unsplash
