سیستم طراحی: هوش مصنوعی در جزء، توکن و مستندات

سود:

• امکان پیش‌نویس و ایجاد توکن‌های طراحی سازگار، نام‌گذاری اجزا و قوانین استفاده با هوش مصنوعی
• توانایی تولید سریع مستندات مؤلفه، مثال‌های انجام/عدم و استفاده از متون با هوش مصنوعی
• امکان بررسی پیشنهادات هوش مصنوعی برای تضاد با سیستم طراحی موجود و حفظ تکینگی

یک سیستم طراحی زبان مشترکی است که باعث می‌شود خانواده محصول به‌صورت ثابت به نظر برسد و رفتار کند: اجزای قابل استفاده مجدد (دکمه، کارت، فیلد فرم)، نشانه‌های طراحی (تعریف نام‌گذاری شده از مقادیر مانند رنگ، فاصله، تایپوگرافی) و مستنداتی که نحوه استفاده از آنها را توضیح می‌دهد. یک سیستم طراحی خوب به ده طراح اجازه می دهد تا محصول مشابهی را طوری طراحی کنند که گویی توسط یک منبع تولید شده است. نصب و نگهداری این سیستم کاری خسته کننده، تکراری و متنی است. این دقیقا همان جایی است که هوش مصنوعی می درخشد. اما ماهیت نظام تکینگی و قوام است. توصیه های هوش مصنوعی را نمی توان بدون بررسی تضاد با سیستم فعلی پذیرفت.

نشانه‌ها و نام‌گذاری: مبنای سازگاری

یک نشانه طراحی یک مقدار نامگذاری شده و قابل استفاده مجدد از یک تصمیم طراحی است: رنگ-اصلی، فضا-مرکز، متن-عنوان-سرخف. به لطف توکن ها، می توانید یک رنگ را در یک مکان تغییر دهید و آن را در کل محصول به روز کنید. اما قدرت توکن ها به ثبات نام گذاری بستگی دارد. اگر آبی-1، اصلی-آبی، آبی اولیه ترکیبی استفاده شود، سیستم خراب می شود.

هوش مصنوعی در اینجا در دو چیز خوب است: بررسی مجموعه توکن‌های موجود شما در برابر یک طرح نام‌گذاری ثابت، و پیشنهاد نام‌های مطابق با طرحواره برای توکن‌های جدید. درخواستی مانند «این فهرست نشانه‌ها را به نام‌گذاری معنایی (مبتنی بر معنا) ترجمه کنید» به شما کمک می‌کند تا نام‌هایی را ایجاد کنید که معنی را منتقل می‌کنند، مانند color-action-primary به جای آبی-500. اما تصمیم نهایی برای نامگذاری، قرارداد تیم است. مدل فقط یک طرح کلی ارائه می دهد.

نکته: هنگام نام‌گذاری نشانه‌ها به هوش مصنوعی، 5 تا 6 مثال از طرح فعلی خود بیاورید و بگویید "در همان الگوی نگه دارید". درخواست بدون نمونه نام هایی را تولید می کند که برای سیستم شما بیگانه هستند.

مستندات مؤلفه: پربارترین حوزه هوش مصنوعی

مستندات یک مؤلفه شامل موارد زیر است: چه کاری انجام می‌دهد، چه زمانی از آن استفاده شود، چه زمانی از آن استفاده نشود، انواع آن، حالت‌ها (پیش‌فرض، شناور، غیرفعال، خطا)، یادداشت‌های دسترسی، و مثال‌های «انجام/نباید». نوشتن این متون با دست ساعت ها طول می کشد، به همین دلیل است که بسیاری از تیم ها از مستندسازی غفلت می کنند.

هوش مصنوعی این شکاف را پر می کند: هنگامی که یک مؤلفه را توصیف می کنید، اسناد پیش نویس، قوانین استفاده، و نمونه های انجام/عدم را در قالبی ثابت تولید می کند. بنابراین، مستندات از "هیچ" به "پیش نویس وجود دارد، ثابت می شود" می رود، که یک سود بزرگ است. با این حال، مدل از رفتار واقعی جزء اطلاعی ندارد. این وظیفه شماست که قوانینی را که تولید می کند با واقعیت سیستم مطابقت دهید.

قطعه سند

سهم هوش مصنوعی

تایید انسانی

چه کاری انجام می دهد؟

تعریف طرح کلی

تناسب اندام واقعی برای هدف

زمان استفاده

سناریوهای کلی

قوانین خاص محصول

انجام/نباید مثال بزنید

جفت پیش نویس سریع

سوء استفاده های واقعی

یادداشت دسترسی

یادآورهای استاندارد

با تست واقعی تایید شد

لیست متغیر/مورد

لیست ممکن

کسانی که واقعاً در سیستم وجود دارند

بررسی تضاد: حفظ تکینگی

دشمن اصلی سیستم طراحی، تکرار است: دو دکمه که کار یکسانی را انجام می دهند، دو مقیاس فضایی متفاوت، دو قانون متضاد. هنگامی که هوش مصنوعی یک مؤلفه یا قانون جدید را پیشنهاد می‌کند، آن پیشنهاد ممکن است با سیستم موجود تضاد داشته باشد - کل سیستم مدل شما را در ذهن نگه نمی‌دارد. بنابراین من هر پیشنهادی را با این سوال ارزیابی می کنم که "آیا این با چیزی که از قبل وجود دارد تضاد دارد؟" با سوال فیلتر کنید همچنین می توانید از هوش مصنوعی در اسکن تضاد استفاده کنید: می توانید خلاصه سیستم فعلی و توصیه جدید را ارائه دهید و تضادها را فهرست کنید. اما تصمیم نهایی "صحیح منفرد" با تیم است.

سه کیف کوچک

مورد 1 - بدهی اسناد تسویه شده است. تنها 6 مورد از 24 جزء یک تیم دارای مستندات بودند. پیش نویس اسناد برای 18 جزء باقی مانده با هوش مصنوعی تهیه شد. تیم هر کدام را در 10-15 دقیقه رفع کرد. این کار که هفته ها به تعویق افتاده بود در دو روز به پایان رسید.

مورد 2 - نامگذاری رمز ثابت شد. در یک سیستم، رنگ‌ها مانند آبی1، آبی اصلی، آبی نام تجاری ترکیب شدند. هوش مصنوعی 40 نشانه موجود را به طرح واره معنایی ترجمه کرد. تیم آن را بازنگری کرد و به یک استاندارد واحد روی آورد. خطاهای رنگی در طرح های بعدی به میزان قابل توجهی کاهش یافت.

مورد 3 - جزء متناقض رد شد. هوش مصنوعی مؤلفه جدیدی به نام «دکمه عمل ثانویه» را پیشنهاد کرد. وقتی تیم برای یافتن تناقضات اسکن کرد، متوجه شد که همان کار "دکمه روح" موجود را انجام می دهد و این پیشنهاد را رد کردند. درس: هر پیشنهادی یک جزء جدید به سیستم اضافه نمی کند. گاهی اوقات استفاده از آنچه در دسترس است درست است.

درخواست های قابل کپی

نقش شما: مدیر سیستم طراحی کنید. این جزء را مستند کنید: <<کامپوننت و رفتار آن>>. فرمت: چه کاری انجام می دهد | زمان استفاده | وقتی از |Variants | استفاده نمی شود موقعیت ها | یادداشت های دسترسی | 2 انجام / 2 نکن مثال. رفتاری را که نمی دانید بسازید. بنویسید "تیم باید پر شود".

این فهرست نشانه ها را به یک طرح نامگذاری معنایی (مبتنی بر معنا) ترجمه کنید. نمونه های طرحواره فعلی من: <<5-6 نمونه>>. به همین الگو ادامه دهید. برای هر توکن، نام قدیمی -> نام جدید -> جدول توجیهی را وارد کنید. فهرست: <<ژتون ها>>

جستجوی تناقضات: خلاصه سیستم طراحی فعلی من: <<خلاصه>>. مؤلفه/قانون پیشنهادی جدید: <<پیشنهاد>>. آیا این پیشنهاد با سیستم موجود (مولفه ای که همان کار را انجام می دهد، قانون متضاد، توکن تکراری) در تضاد است؟ تضادها و پیشنهاد خود را فهرست کنید.

جفت‌های مثال «انجام/نکن» را برای این مؤلفه ایجاد کنید: استفاده درست واقعی و سناریوهای استفاده نادرست واقع بینانه. برای هر جفت، در یک جمله توضیح دهید که چرا درست/نادرست است. جزء: <<نام و هدف>>

اعلان ضعیف / اعلان قوی

ضعیف: "نوشتن مستندات برای این دکمه."

نتیجه: یک متن کلی و فرمت شده بدون اتصال به سیستم.

قوی: "این دکمه را در قالب زیر مستند کنید (چه کار می کند / چه زمانی استفاده نمی شود / انواع / موارد / دسترسی / انجام نمی شود)؛ رفتاری را که نمی دانید، بنویسید "تیم باید پر شود".

نتیجه: نسخه خطی با فرمت پیوسته، با فاصله مناسب و قابل ویرایش.

تفاوت: فرمت اعلان قوی + ممنوعیت ساختن + دستورات انجام/عدم.

اشتباهات رایج

• درخواست نامگذاری رمز بدون مثال. مدل نام هایی را تولید می کند که برای سیستم شما بیگانه هستند. قوام شکسته شده است.
• اضافه کردن اجزای بدون اسکن برای تضاد. تكرار دشمن اصلي نظام است.
• با فرض اینکه رفتار ابداع شده توسط مدل صحیح باشد. هوش مصنوعی از رفتار واقعی مولفه اطلاعی ندارد.
• پذیرش رتبه دسترسی بدون آزمایش. یادآوری استاندارد جایگزینی برای آزمایش واقعی نیست.
• یک بار نوشتن مستندات و عدم به روز رسانی آن. سند باید با تغییر سیستم به روز شود.

به طور خلاصه

سیستم طراحی زیرساخت سازگاری و مقیاس پذیری است. اما نگهداری آن اغلب نادیده گرفته می شود زیرا متن فشرده و تکراری است. هوش مصنوعی این بدهی را با تولید سریع مستندات مؤلفه‌ها، نمونه‌های انجام/عدم، اسکریپت‌های استفاده و پیش‌نویس‌های نام‌گذاری نشانه برطرف می‌کند. اما ماهیت سیستم تکینگی و سازگاری است: هر نام نشانه باید در برابر طرح نمونه تأیید شود، هر پیشنهاد جزء باید متناقض اسکن شود، هر توصیف رفتار باید در برابر واقعیت تأیید شود. از مدل به عنوان یک پیش نویس کارآمد استفاده کنید. تیم تصمیم درست فردی می گیرد.

وظیفه کاربردی

1. مؤلفه‌ای را انتخاب کنید که مستندات آن از دست رفته است و با اولین فرمان یک پیش‌نویس سند تولید کنید.
2. فیلدهای با علامت "تیم باید پر شود" را با رفتار واقعی تکمیل کنید.
3. با فرمان دوم، 8-10 توکن خود را به طرح معنایی تبدیل کنید و یک جدول نام قدیمی/جدید ایجاد کنید.
4. برای ایده مولفه جدید، تناقضات را با اعلان سوم جستجو کنید.
5. با اعلان چهارم، جفت‌های do/don't را برای یک جزء ایجاد کنید و آنها را به سیستم اضافه کنید.

چک لیست

• [ ] من نامگذاری نشانه را به طرح مثال پیوند دادم.
• [ ] من اجزای جدید را برای تداخل اسکن کردم.
• [ ] من رفتارهای مدل ساخته شده را با واقعیت تأیید کردم.
• [ ] من قصد داشتم یادداشت های دسترسی را با آزمایش واقعی تأیید کنم.
• [ ] من اسناد را در یک قالب ثابت نگه داشتم.
• [ ] من تکینگی را حفظ کردم و از تکرار جلوگیری کردم.