راهنمای عملی تبدیلشدن به مهندس هوشمصنوعیمحور
هوش مصنوعیخلاصهٔ کاملتر
نویسندهٔ این راهنما، شاه رحمان از مدیران هوش مصنوعی Ads در متا، میگه با اینکه هوش مصنوعی الان بخش بزرگی از کد شرکتهایی مثل گوگل و OpenAI رو مینویسه، خیلی از تیمها بیشتر از دو سال پیش باگ، حادثه و بدهی فنی تولید میکنن. این پدیده رو «اضافهبار کد» (code overload) مینامه.
به گفتهٔ نویسنده، فرق بین تیمهایی که جلو میزنن و بقیه به یه تصمیم برمیگرده: مهندس از «نوشتن کد» به «ارکسترهکردن کد» سوییچ کنه. این یعنی مهندس مثل یه تکلید عمل میکنه و چند ایجنت رو هدایت میکنه، نه اینکه خودش مستقیم کد بزنه. اون این رو از وایبکدینگ جدا میدونه؛ وایبکدینگ جای خودش رو داره ولی مهندسی نیست.
نویسنده چهار مهارت اصلی رو معرفی میکنه: مهندسی کانتکست (تزریق منظم اطلاعات پروژه به حافظهٔ کاری مدل)، توسعهٔ مبتنی بر مشخصات (چون کیفیت خروجی به کیفیت ورودی بستگی داره)، راستیآزمایی انتقادی (چون حدود ۴۵٪ کد تولیدی هوش مصنوعی نقص امنیتی داره)، و تجزیهٔ مسئله به تکههای قابلمدیریت.
یه توصیهٔ مشخصش تقسیم زمانه: ۴۰٪ برای تنظیم کانتکست، ۲۰٪ برای تولید و تست، و ۴۰٪ برای بازبینی و راستیآزمایی. به گفتهٔ نویسنده، این خیلیها رو غافلگیر میکنه چون فکر میکنن بیشتر وقت باید صرف تولید کد بشه؛ ولی در عمل تولید سریعه و راستیآزمایی به گلوگاه تازه تبدیل شده.
نویسنده یه «چرخهٔ عمر توسعهٔ ایجنتی» (ADLC) معرفی میکنه که هر مرحله — برنامهریزی، ساخت، تست، بازبینی و مستندسازی — رو بازتعریف میکنه؛ مثلاً پیشنهاد میده ایجنتهای برنامهریزی، ساخت و تست از هم جدا باشن تا همدیگه رو به چالش بکشن. به نظرش حلقههای کوچیک با ایستهای بازرسی، خیلی بهتر از اجراهای خودمختار بزرگ جواب میدن.
بخش مهمی از مقاله به نردههای محافظ امنیتی اختصاص داره که نویسنده میگه دیگه اختیاری نیستن. اون به حادثههای واقعی مثل اجرای کد از راه دور از طریق تزریق پرامپت و حملهٔ «slopsquatting» اشاره میکنه و کنترلهایی مثل کمترین امتیاز دسترسی، تحلیل ایستا تو CI/CD و بازبینی انسانی اجباری برای بخشهای حساس رو پیشنهاد میده.
نکات کلیدی:
- تفاوت اصلی: گذار از «نوشتن کد» به «ارکسترهکردن» اون
- چهار مهارت: مهندسی کانتکست، مشخصاتمحوری، راستیآزمایی، تجزیهٔ مسئله
- تقسیم زمان پیشنهادی ۴۰/۲۰/۴۰ به نفع کانتکست و بازبینیه
- نردههای محافظ امنیتی دیگه اختیاری نیستن
