Yapay zeka ajanları yalnızca kurallara ihtiyaç duymaz: mühendislik uzmanlığı nasıl aktarılır
Yazar, uzun istemler, oluşturulan dokümantasyon veya beceri koleksiyonları gibi bildirimsel talimatların, yapay zeka kodlama ajanlarının incelemeden geçen kod üretmesi için yeterli olmadığını savunuyor. Bunun yerine, ajanların bir geliştiriciyle aynı karar yolunu izlediği, görevleri referans çözümlere göre ayrıştırdığı, birkaç örnekli öğrenme kullandığı ve doğrulanmış testleri ve kabul edilen kararları kademeli olarak yeniden kullanılabilir becerilere dönüştürdüğü altı kurallı bir süreç öneriyor. Yaklaşım, otonom ajan çalışmasından ziyade yinelemeli öğrenmeyi ve insan gözetimini vurguluyor.
Habr'deki makale, yapay zeka kodlama yardımının ayrıntılı istemlerden dokümantasyona ve becerilere doğru evrimini anlatıyor, ancak yazar bu unsurların tek başına incelemeye hazır kod üretmediğini buldu. Sorun şu ki, yetkinlik tamamen bildirimsel olarak aktarılamaz; bunun büyük bir kısmı çalışma sırasında ortaya çıkar. Yazar altı kural öneriyor: ajan, bir geliştiriciyle aynı karar yolunu izlemeli, görevleri referans bir çözüm seviyesine kadar ayrıştırmalı, yerel proje bilgisi sağlamalı, doğrulanmış referansı sonraki kod için birkaç örnekli (few-shot) olarak kullanmalı, doğrulanmış testleri bağımsız bir kabul aşaması haline getirmeli ve kabul edilen kararları yeniden kullanılabilir becerilere dönüştürmelidir. Yazar bunu vibe coding ve Ralph döngüsü gibi otonom modlardan ayırarak insanın nihai hakem olduğunu vurguluyor. N+1 sorunlarını beceriler aracılığıyla düzeltme ve ilk uygulamaları sonraki kod için şablon olarak kullanma gibi örnekler veriyor.
Kaynak: Habr — хаб ИИ —
orijinal