வைப் கோடிங் செயல்திறன் குறிப்புகள்: நிரல் எழுதுவதற்கு முன் கட்டாயம் படிக்க வேண்டியவை! முதலில் உகந்த தீர்வைக் கண்டறிய செயற்கை நுண்ணறிவைப் பயன்படுத்துங்கள்.

சமீபத்தில் ஒரு நண்பர், Codex-ஐப் பயன்படுத்தும்போது செயல்திறனை எவ்வாறு மேம்படுத்துவது என்று என்னிடம் கேட்டார்.

我说你想做的东西，GitHub 上大概率已经有人做过了，而且不少方案已经很成熟。能直接参考、修改，为什么还要从头写一遍？

ஒவ்வொரு திட்டத்தையும் தொடங்குவதற்கு முன், பின்வரும் கட்டளையை நகலெடுத்து ஒட்டி இயக்குமாறு நான் உங்களிடம் கூறியிருந்தேன்.

他试了一下，回来跟我说，确实省了好多时间。

நான் இதைப் பற்றி யோசித்துக் கொண்டிருந்தேன், மேலும் பலருக்கு இந்த அம்சம் பற்றித் தெரியவில்லை என்று தெரிகிறது. இது, பலர் கோட் எழுத செயற்கை நுண்ணறிவைப் பயன்படுத்துவதைப் போன்றது; வைப் கோடிங்கில் (Vibe Coding) தொடங்கி, வலைத்தளங்களை உருவாக்கவும் செயலிகளை எழுதவும் செயற்கை நுண்ணறிவை அனுமதிப்பது போலாகும்.

உண்மையில் அவசரப்பட வேண்டிய அவசியமில்லை.

நீங்கள் செய்ய விரும்புவதை, GitHub-இல் உள்ள யாராவது ஒருவர் பெரும்பாலும் ஏற்கெனவே செய்திருப்பார்.

நீங்கள் செய்ய விரும்புவது பெரும்பாலும் GitHub-இல் ஏற்கனவே செய்யப்பட்டிருக்கும். பல தீர்வுகள் ஏற்கனவே முதிர்ச்சியடைந்துள்ளன, மேலும் அவற்றின் குறியீட்டின் தரம், நீங்களே எழுதக்கூடியதை விட உயர்ந்ததாகக் கூட இருக்கலாம். ஏற்கனவே உள்ள பணிகளை நேரடியாகப் பார்த்து மாற்றியமைக்க முடியும் போது, ​​அதை ஏன் புதிதாக எழுத வேண்டும்?

எனது தனிப்பட்ட பழக்கம் என்னவென்றால், நான் ஒரு புதிய திட்டத்தைத் தொடங்க விரும்பும்போதெல்லாம், உடனடியாக எந்தக் குறியீட்டையும் எழுத மாட்டேன். முதலில், நான் இந்த ஆலோசனையை கோடெக்ஸுக்கு அனுப்புவேன்:

我要做一个XXX。先不要写代码。去GitHub找能直接使用或二次开发的开源项目，确认是否还在维护、部署是否麻烦、哪些功能可以复用。最后告诉我，应该直接用、基于现有项目改，还是自己开发，并给出最简单的MVP方案。等我确认后再动手。

இந்த ஒரு வாக்கியம் மட்டும்.

இந்தத் தூண்டுதல் மூன்று காரியங்களைச் செய்தது.

யோசித்துப் பாருங்கள், இந்தக் கேள்வி மூன்று காரியங்களைச் செய்கிறது.

முதலில், செயற்கை நுண்ணறிவு (AI) தானாகவே தீர்வுகளை எழுதத் தொடங்குவதற்குப் பதிலாக, GitHub-இல் ஏற்கனவே உள்ள தீர்வுகளைக் கண்டறிய இது அனுமதிக்கிறது. Codex, GitHub செருகுநிரலுடன் (plugin) ஒருங்கிணைக்கப்படும்போது, ​​திறந்த மூலத் திட்டங்களை நிகழ்நேரத்தில் தேட முடியும் என்பது பலருக்குத் தெரியாமல் இருக்கலாம்; இது வெறும் ஒரு அம்சம் மட்டுமல்ல.

இரண்டாவதாக, இந்தத் திட்டங்களின் தரத்தை மதிப்பிடுவதற்கு இது செயற்கை நுண்ணறிவைப் (AI) பயன்படுத்துகிறது: அதாவது, அவை இன்னும் பராமரிக்கப்படுகின்றனவா, அவற்றைச் செயல்படுத்துவது எவ்வளவு சிக்கலானது, மற்றும் எந்த அம்சங்களை நேரடியாகப் பயன்படுத்த முடியும் என்பனவற்றை இது கண்டறியும். நீங்கள் GitHub-இல் உள்ள ஒவ்வொரு திட்டத்தையும் கைமுறையாகத் தேடினால், அதற்கு ஒன்று அல்லது இரண்டு மணிநேரம் ஆகலாம். அதைச் செயற்கை நுண்ணறிவே செய்ய விடுங்கள், சில நிமிடங்களிலேயே உங்களுக்கு முடிவுகள் கிடைக்கும்.

மூன்றாவதாக, அதை நேரடியாகப் பயன்படுத்துவதா, மாற்றுவதா அல்லது புதிதாக உருவாக்குவதா என்பது போன்ற தெளிவான முடிவெடுக்கும் ஆலோசனையை வழங்க இது செயற்கை நுண்ணறிவை அனுமதிக்கிறது, மேலும் மிக எளிமையான MVP தீர்வைத் திட்டமிடவும் இது உங்களுக்கு உதவுகிறது.

நம்மால் ஏன் அதிக டோக்கன்களைச் சேமிக்க முடிகிறது?

நான் உங்களுக்குச் சொல்கிறேன், இந்தச் செயல்பாடு உண்மையிலேயே உங்களுக்கு ஏராளமான டோக்கன்களை மிச்சப்படுத்தும்.

ஏன்? ஏனென்றால், நீங்கள் நேரடியாக ஒரு செயற்கை நுண்ணறிவைக் கொண்டு நிரல் எழுத அனுமதித்தால், உங்களுக்குத் தேவையானவை ஏற்கனவே இருக்கின்றன என்பது அதற்குத் தெரியாது. அது உங்களுக்காகப் புதிதாக ஒரு பெரும் அளவிலான நிரலை உருவாக்கும். இந்த நிரல், ஏற்கனவே உள்ள திறந்த மூலத் திட்டங்களின் செயல்பாடுகளுடன் ஒன்றுடன் ஒன்று பொருந்தக்கூடும், மேலும் இறுதியில் நீங்களே அதைச் சரிசெய்ய வேண்டியிருக்கும்.

இருப்பினும், பதிலைக் கண்டறிய நீங்கள் முதலில் செயற்கை நுண்ணறிவை அனுமதித்தால், அதன் பரிந்துரைகள் தற்போதுள்ள சூழலமைப்பை அடிப்படையாகக் கொண்டிருக்கும், மேலும் நீங்கள் நிரல் எழுதும்போது, ​​நிரலின் அளவை குறைந்தபட்சம் பாதியாகக் குறைக்க முடியும்.

இதைத்தான் நான் செய்கிறேன். நான் ஒரு புதிய திட்டத்தைத் தொடங்கும்போதெல்லாம், முதலில் இந்தப் பரிந்துரை நிரலை இயக்குவேன், பின்னர் செயற்கை நுண்ணறிவின் பரிந்துரைகளின் அடிப்படையில் அடுத்த கட்டத்தை முடிவு செய்வேன். இது செயல்திறனை உண்மையிலேயே மேம்படுத்துகிறது.

உண்மையைச் சொல்லப்போனால், இந்த முறை அனைவருக்கும் பலனளிக்குமா என்று எனக்கு உறுதியாகத் தெரியவில்லை; சில திட்டங்களுக்கு உடனடியாகக் கிடைக்கக்கூடிய தீர்வுகள் இல்லாமல் இருக்கலாம். ஆனால் யோசித்துப் பாருங்கள்: நீங்கள் செய்ய விரும்பும் பெரும்பாலான விஷயங்களை, GitHub-இல் உள்ள கோடிக்கணக்கான ரெபாசிட்டரிகளைக் கொண்டு, வேறு யாராவது ஒருவர் ஏற்கனவே அதைச் செய்திருப்பதற்கான சாத்தியக்கூறு மிக அதிகம்.

மாபெரும் மனிதர்களின் தோள்களின் மீது நிற்பது

நீங்கள் ஒரு நிரலாளர் அல்ல, அதனால் நீங்கள் புதிதாகக் குறியீடு எழுத வேண்டிய அவசியமில்லை. நீங்கள் ஒரு உள்ளடக்க உருவாக்குநர் அல்ல, அதனால் நீங்கள் ஒவ்வொரு நாளும் புதிய உள்ளடக்கத்தை உருவாக்க வேண்டிய அவசியமில்லை. நீங்கள் அர்த்தமுள்ள ஒன்றைச் செய்ய விரும்பும் ஒருவர், அதற்கான மிகச் சிறந்த அணுகுமுறை என்னவென்றால், முதலில் மற்றவர்கள் என்ன செய்திருக்கிறார்கள் என்று பார்த்து, பின்னர் அந்த ஜாம்பவான்களின் தோள்களின் மீது நிற்பதுதான்.

சில சமயங்களில் எனக்குத் தோன்றுவது என்னவென்றால், இந்த செயற்கை நுண்ணறிவு யுகத்தில் அதைப் பயன்படுத்துவதற்கான மிகச் சிறந்த வழி, எல்லாவற்றையும் நமக்காகச் செயற்கை நுண்ணறிவைச் செய்ய விடுவது அல்ல; மாறாக, தகவல்களை மீட்டெடுத்தல் மற்றும் முடிவெடுக்கும் பகுப்பாய்வு ஆகியவற்றைச் செய்ய அதை அனுமதித்து, பின்னர் நீங்கள் அதைச் செயல்படுத்துவதுதான்.

முன்பு தேடுபொறியைப் பயன்படுத்தியதற்கும் இதற்கும் என்ன வித்தியாசம்? முன்பு, நீங்கள் ஒரு குறிப்பிட்ட தேவைக்காகத் தேடும்போது, ​​பல இணைப்புகள் தோன்றும். அவற்றில் எது பொருத்தமானது, எது பொருத்தமற்றது என்பதைப் பார்க்க, நீங்கள் ஒவ்வொன்றாகச் சொடுக்கிப் பார்க்க வேண்டியிருந்தது. இப்போதோ, உங்கள் தேவைகளை நீங்கள் செயற்கை நுண்ணறிவிடம் (AI) கூறுகிறீர்கள், அது உங்களுக்காக அவற்றை வடிகட்டி, முடிவை நேரடியாகத் தருகிறது.

உங்களால் இதை நம்ப முடிகிறதா?

இந்த அறிவுறுத்தல் பொறிக்கப்பட வேண்டும்.டிஎன்ஏஇல்

இந்த வழிகாட்டுதல் நம்முடைய மரபணுவிலேயே ஊறிப்போயிருக்க வேண்டும் என்று நான் தனிப்பட்ட முறையில் நினைக்கிறேன் . ஒரு புதிய திட்டத்தைத் தொடங்குவதற்கு முன்பு இதை ஒருமுறை செய்து பார்ப்பது, உண்மையிலேயே நிறைய நேரத்தை மிச்சப்படுத்துகிறது.

இந்த அணுகுமுறையின் மற்றொரு நன்மை என்னவென்றால், ஏற்கனவே உள்ள ஒரு தீர்வை மீண்டும் புதிதாக உருவாக்க வேண்டியதில்லை. உடனடியாகக் கிடைக்கக்கூடிய தீர்வுகளைக் கண்டறிய செயற்கை நுண்ணறிவு உங்களுக்கு உதவுகிறது, இதன்மூலம் நீங்கள் உங்களுக்கேற்ற தனிப்பயனாக்கப்பட்ட அம்சங்களில் கவனம் செலுத்த முடிகிறது. இதனால், உங்கள் ஆற்றலை மிகவும் மதிப்புமிக்க துறைகளில் செலுத்த முடியும்.

என் சொந்த அனுபவத்தில், நான் முதன்முதலில் நிரல் எழுத செயற்கை நுண்ணறிவைப் பயன்படுத்தத் தொடங்கியபோது, ​​நான் மிகவும் உற்சாகமடைந்தேன், மேலும் செயற்கை நுண்ணறிவே எல்லாவற்றையும் புதிதாக உருவாக்க வேண்டும் என்று விரும்பினேன். ஆனால், சிறிது காலம் அதைப் பயன்படுத்திய பிறகு, அவ்வாறு செய்வது பெரும்பாலும் மெதுவாக இருப்பதை நான் கண்டறிந்தேன். இதற்குக் காரணம், செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட நிரலில் உள்ள பிழைகளை நீக்கி, அதைத் திருத்தி, பராமரிக்க வேண்டியுள்ளது. ஆனால், ஏற்கனவே உள்ள திறந்த மூலத் திட்டங்கள் பலரால் சரிபார்க்கப்பட்டிருப்பதால், அவற்றின் தரம் அதிக உத்தரவாதத்துடன் உள்ளது.

இது முரண்பாடாகத் தோன்றலாம், இல்லையா? ஆனால் யோசித்துப் பாருங்கள்: ஒரு நிரலில் மிக முக்கியமான விஷயம் அதை எழுதுவது அல்ல, மாறாக அதைச் சரியாக எழுதுவதுதான். தற்போதுள்ள தீர்வுகள் ஏற்கெனவே சரிபார்க்கப்பட்டுவிட்டன; அவற்றை நேரடியாகப் பயன்படுத்துவது, சிக்கல்களை எதிர்கொள்வதற்கான வாய்ப்புகளைக் கணிசமாகக் குறைக்கும்.

எனவே எனது அறிவுரை என்னவென்றால், அடுத்த முறை நீங்கள் Codex அல்லது வேறு ஏதேனும் செயற்கை நுண்ணறிவைப் பயன்படுத்தி நிரல் எழுதும்போது, ​​அவசரப்பட வேண்டாம். முதலில், ஒருமுறை கேள்வியை இயக்கிப் பாருங்கள், பதிலைக் கண்டறிய அந்தச் செயற்கை நுண்ணறிவு உங்களுக்கு உதவும்.

நீங்கள் செய்ய முயற்சிக்கும் காரியத்தை ஏற்கனவே வேறு யாராவது செய்திருக்கலாம்.

நீங்கள் அதை எடுத்துப் பயன்படுத்தினால் மட்டும் போதும்.

நீங்கள் மிச்சப்படுத்தும் நேரத்தை, இன்னும் சுவாரஸ்யமான ஒன்றைச் செய்யப் பயன்படுத்துங்கள்.

இதுவரை படித்த உங்களுக்கு இது பயனுள்ளதாக இருந்தால், தயவுசெய்து லைக் செய்து பகிருங்கள். புதிய தகவல்களை முதலில் பெற விரும்பினால், நீங்கள் என்னைப் பின்தொடரவும் செய்யலாம்!

என் கட்டுரையைப் படித்ததற்கு நன்றி. அடுத்த முறை சந்திப்போம்.