ડિઝાઇન સિસ્ટમ: કમ્પોનન્ટ, ટોકન અને દસ્તાવેજીકરણમાં કૃત્રિમ બુદ્ધિ — UI/UX ડિઝાઇનમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ

નફો:

કૃત્રિમ બુદ્ધિમત્તા સાથે સુસંગત ડિઝાઇન ટોકન્સ, ઘટક નામકરણ અને વપરાશના નિયમોનો મુસદ્દો તૈયાર કરવાની અને બનાવવાની ક્ષમતા
કમ્પોનન્ટ ડોક્યુમેન્ટેશન ઝડપથી તૈયાર કરવાની ક્ષમતા, કૃત્રિમ બુદ્ધિમત્તા સાથે દાખલાઓ અને ટેક્સ્ટનો ઉપયોગ કરો/ન કરો
હાલની ડિઝાઇન સિસ્ટમ સાથે સંઘર્ષ માટે કૃત્રિમ બુદ્ધિ સૂચનો તપાસવાની અને એકલતા જાળવવાની ક્ષમતા

ડિઝાઈન સિસ્ટમ એ સામાન્ય ભાષા છે જે ઉત્પાદનને કૌટુંબિક દેખાવ અને સતત વર્તન કરે છે: ફરીથી વાપરી શકાય તેવા ઘટકો (બટન, કાર્ડ, ફોર્મ ફીલ્ડ), ડિઝાઇન ટોકન્સ (મૂલ્યોની નામની વ્યાખ્યાઓ જેમ કે રંગ, અંતર, ટાઇપોગ્રાફી) અને દસ્તાવેજીકરણ જે તેનો ઉપયોગ કેવી રીતે કરવો તે સમજાવે છે. સારી ડિઝાઇન સિસ્ટમ દસ ડિઝાઇનર્સને એક જ ઉત્પાદનને ડિઝાઇન કરવાની મંજૂરી આપે છે જાણે કે તે એક સ્રોત દ્વારા બનાવવામાં આવી હોય. આ સિસ્ટમની સ્થાપના અને જાળવણી થકવી નાખનારી, પુનરાવર્તિત અને ટેક્સ્ટ-સઘન કાર્ય છે; આ તે છે જ્યાં કૃત્રિમ બુદ્ધિ ચમકે છે. પરંતુ સિસ્ટમનો સાર એ એકલતા અને સુસંગતતા છે; વર્તમાન સિસ્ટમ સાથે સંઘર્ષ માટે તપાસ્યા વિના AI ની ભલામણો સ્વીકારી શકાતી નથી.

ટોકન્સ અને નામકરણ: સુસંગતતા માટેનો આધાર

ડિઝાઈન ટોકન એ ડિઝાઈન નિર્ણયનું નામ, પુનઃઉપયોગી મૂલ્ય છે: રંગ-પ્રાથમિક, સ્પેસ-સેન્ટર, ટેક્સ્ટ-શીર્ષક-મૂડી. ટોકન્સ માટે આભાર, તમે એક જગ્યાએ રંગ બદલી શકો છો અને તેને સમગ્ર ઉત્પાદનમાં અપડેટ કરી શકો છો. પરંતુ ટોકન્સની શક્તિ નામકરણની સુસંગતતા પર આધાર રાખે છે; જો વાદળી-1, મુખ્ય-વાદળી, પ્રાથમિક વાદળી મિશ્રિત વપરાય છે, તો સિસ્ટમ ક્રેશ થઈ જશે.

AI અહીં બે બાબતોમાં સારું છે: સાતત્યપૂર્ણ નામકરણ યોજના સામે તમારા હાલના ટોકન સેટની સમીક્ષા કરવી અને નવા ટોકન્સ માટે સ્કીમા-સુસંગત નામોનું સૂચન કરવું. "આ ટોકન સૂચિને સિમેન્ટીક (અર્થ-આધારિત) નામકરણમાં અનુવાદિત કરો" જેવી વિનંતી તમને એવા નામો જનરેટ કરવામાં મદદ કરશે જે અર્થ વ્યક્ત કરે છે, જેમ કે વાદળી-500 ને બદલે રંગ-એક્શન-પ્રાથમિક. પરંતુ અંતિમ નામકરણનો નિર્ણય ટીમનો કરાર છે; મોડેલ માત્ર એક રૂપરેખા પ્રદાન કરે છે.

ટીપ: AI ને ટોકન્સનું નામ આપતી વખતે, તમારી વર્તમાન યોજનાના 5-6 ઉદાહરણો આપો અને કહો કે "તે જ પેટર્નમાં રાખો". નમૂના વિનાની વિનંતી એ નામો ઉત્પન્ન કરે છે જે તમારી સિસ્ટમ માટે વિદેશી છે.

ઘટક દસ્તાવેજીકરણ: AI નો સૌથી ઉત્પાદક વિસ્તાર

ઘટકના દસ્તાવેજીકરણમાં શામેલ છે: તે શું કરે છે, ક્યારે તેનો ઉપયોગ કરવો, ક્યારે તેનો ઉપયોગ ન કરવો, તેના પ્રકારો, સ્થિતિઓ (ડિફોલ્ટ, હોવર, નિષ્ક્રિય, ભૂલ), ઍક્સેસિબિલિટી નોંધો અને "કરો/ન કરો" ઉદાહરણો. આ લખાણોને હાથથી લખવામાં કલાકો લાગે છે, તેથી જ ઘણી ટીમો દસ્તાવેજીકરણની અવગણના કરે છે.

AI આ ગેપને ભરે છે: જ્યારે તમે કોઈ ઘટકનું વર્ણન કરો છો, ત્યારે તે ડ્રાફ્ટ દસ્તાવેજીકરણ, ઉપયોગના નિયમો અને સુસંગત ફોર્મેટમાં દાખલાઓ ન કરો/ન કરો. આમ, દસ્તાવેજીકરણ "ત્યાં કોઈ નથી" થી "ત્યાં એક ડ્રાફ્ટ છે, તે નિશ્ચિત કરવામાં આવશે", જે એક મોટો ફાયદો છે. જો કે, મોડેલ ઘટકના વાસ્તવિક વર્તનને જાણતું નથી; તે બનાવેલ નિયમોને સિસ્ટમની વાસ્તવિકતા સાથે મેચ કરવાનું તમારું કામ છે.

દસ્તાવેજનો ટુકડો

કૃત્રિમ બુદ્ધિનું યોગદાન

માનવ ચકાસણી

તે શું કરે છે?

સ્પષ્ટ રૂપરેખા વ્યાખ્યા

હેતુ માટે સાચી માવજત

ક્યારે વાપરવું

સામાન્ય દૃશ્યો

ઉત્પાદન વિશિષ્ટ નિયમો

ઉદાહરણો કરો/ન કરો

ઝડપી ડ્રાફ્ટ જોડીઓ

વાસ્તવિક દુરુપયોગ

સુલભતા નોંધ

માનક રીમાઇન્ડર્સ

વાસ્તવિક પરીક્ષણ દ્વારા પુષ્ટિ

વેરિઅન્ટ/કેસ સૂચિ

શક્ય યાદી

જેઓ ખરેખર સિસ્ટમમાં અસ્તિત્વ ધરાવે છે

વિરોધાભાસ તપાસ: એકલતા સાચવવી

ડિઝાઇન સિસ્ટમનો મુખ્ય-દુશ્મન ડુપ્લિકેશન છે: બે બટનો સમાન કામ કરે છે, બે અલગ અલગ જગ્યાના ભીંગડા, બે વિરોધાભાસી નિયમો. જ્યારે AI કોઈ નવા ઘટક અથવા નિયમનું સૂચન કરે છે, ત્યારે તે સૂચન હાલની સિસ્ટમ સાથે વિરોધાભાસી હોઈ શકે છે - તે તમારી સમગ્ર મોડલ સિસ્ટમને ધ્યાનમાં રાખતું નથી. તેથી હું દરેક સૂચનનું મૂલ્યાંકન કરીને પૂછું છું કે "શું આ પહેલેથી અસ્તિત્વમાં રહેલી કોઈ વસ્તુ સાથે વિરોધાભાસ છે?" પ્રશ્ન સાથે ફિલ્ટર કરો. તમે સંઘર્ષ સ્કેનીંગમાં કૃત્રિમ બુદ્ધિમત્તાનો પણ ઉપયોગ કરી શકો છો: તમે વર્તમાન સિસ્ટમ સારાંશ અને નવી ભલામણ આપી શકો છો અને તકરારને સૂચિબદ્ધ કરી શકો છો. પરંતુ અંતિમ "એકવચન યોગ્ય" નિર્ણય ટીમ પર છે.

ત્રણ નાના કેસો

કેસ 1 — દસ્તાવેજીકરણ દેવું સાફ. ટીમના 24 ઘટકોમાંથી માત્ર 6 પાસે દસ્તાવેજીકરણ હતા. કૃત્રિમ બુદ્ધિ સાથે બાકીના 18 ઘટકો માટે ડ્રાફ્ટ દસ્તાવેજો બનાવવામાં આવ્યા હતા; ટીમે 10-15 મિનિટમાં દરેકને ઠીક કરી. અઠવાડિયા માટે મોકૂફ રહેલું કામ બે દિવસમાં પૂરું થયું.

કેસ 2 - ટોકન નામકરણ સુસંગત બન્યું. એક સિસ્ટમમાં વાદળી1, મુખ્ય વાદળી, બ્રાન્ડ-વાદળી જેવા રંગો મિશ્ર કરવામાં આવ્યા હતા. AI એ વર્તમાન 40 ટોકન્સને સિમેન્ટીક સ્કીમામાં અનુવાદિત કર્યા છે; ટીમે તેમાં સુધારો કર્યો અને એક જ ધોરણ પર સ્વિચ કર્યું. અનુગામી ડિઝાઇનમાં રંગની ભૂલો નોંધપાત્ર રીતે ઓછી થઈ હતી.

કેસ 3 — વિરોધાભાસી ઘટક નકારવામાં આવ્યો હતો. AI એ "સેકન્ડરી એક્શન બટન" નામના નવા ઘટકનો પ્રસ્તાવ મૂક્યો. જ્યારે ટીમે વિરોધાભાસ માટે સ્કેન કર્યું, ત્યારે તેઓએ જોયું કે તે હાલના "ઘોસ્ટ બટન" જેવું જ કામ કરે છે અને સૂચનને નકારી કાઢે છે. પાઠ: દરેક સૂચન સિસ્ટમમાં નવું ઘટક ઉમેરતું નથી; કેટલીકવાર જે ઉપલબ્ધ હોય તેનો ઉપયોગ કરવો યોગ્ય છે.

નકલ કરી શકાય તેવા સંકેતો

ટોકન્સની આ સૂચિને સિમેન્ટીક (અર્થ-આધારિત) નામકરણ યોજનામાં અનુવાદિત કરો. મારા વર્તમાન સ્કીમા ઉદાહરણો: <<5-6 ઉદાહરણો>>. સમાન પેટર્નમાં ચાલુ રાખો. દરેક ટોકન માટે, જૂનું નામ -> નવું નામ -> સમર્થન કોષ્ટક આપો. સૂચિ: <<ટોકન્સ>>

વિરોધાભાસ માટે સ્કેન કરો: મારી વર્તમાન ડિઝાઇન સિસ્ટમનો સારાંશ: <<સારાંશ>>. નવો પ્રસ્તાવિત ઘટક/નિયમ: <<suggestion>>. શું આ સૂચન હાલની સિસ્ટમ સાથે વિરોધાભાસી છે (એક જ કાર્ય કરે છે તે ઘટક, વિરોધાભાસી નિયમ, ડુપ્લિકેટ ટોકન)? તકરાર અને તમારા સૂચનની સૂચિ બનાવો.

આ ઘટક માટે "કરો/ન કરો" ઉદાહરણ જોડી બનાવો: વાસ્તવિક સાચો ઉપયોગ અને વાસ્તવિક ખોટા વપરાશના દૃશ્યો. દરેક જોડી માટે, તે સાચું/ખોટું કેમ છે તે એક વાક્યમાં સમજાવો. ઘટક: <<નામ અને હેતુ>>

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા: "આ બટન માટે દસ્તાવેજીકરણ લખો."

પરિણામ: સિસ્ટમ સાથે કનેક્શન વિનાનું સામાન્ય, ફોર્મેટ કરેલ ટેક્સ્ટ.

સશક્ત: "આ બટનને નીચેના ફોર્મેટમાં દસ્તાવેજીકૃત કરો (તે શું કરે છે / ક્યારે ઉપયોગ ન કરવો / વેરિઅન્ટ્સ / કેસ / ઍક્સેસિબિલિટી / કરવું-ન કરવું); વર્તણૂક બનાવો જે તમે જાણતા નથી, 'ટીમ ફિલ ઇન' લખો."

પરિણામ: સતત ફોર્મેટ કરેલ, યોગ્ય અંતરે, સંપાદનયોગ્ય હસ્તપ્રત.

તફાવત: મજબૂત પ્રોમ્પ્ટ ફોર્મેટ + ફેબ્રિકેશન પ્રતિબંધ + કરો/ન કરો.

સામાન્ય ભૂલો

ઉદાહરણ વગર ટોકન નામકરણની વિનંતી કરવી. મોડેલ એવા નામો બનાવે છે જે તમારી સિસ્ટમ માટે વિદેશી છે; સુસંગતતા તૂટી ગઈ છે.
વિરોધાભાસ માટે સ્કેન કર્યા વિના ઘટકો ઉમેરવા. ડુપ્લિકેશન એ સિસ્ટમનો મુખ્ય શત્રુ છે.
ધારીએ છીએ કે મોડેલ દ્વારા શોધાયેલ વર્તન યોગ્ય છે. AI ઘટકની વાસ્તવિક વર્તણૂકને જાણતું નથી.
પરીક્ષણ વિના ઍક્સેસિબિલિટી રેટિંગ સ્વીકારવું. માનક રીમાઇન્ડર એ વાસ્તવિક પરીક્ષણનો વિકલ્પ નથી.
એકવાર દસ્તાવેજીકરણ લખવું અને તેને અપડેટ કરવું નહીં. સિસ્ટમમાં ફેરફાર થતાં દસ્તાવેજ અપડેટ થવો જોઈએ.

સારાંશમાં

ડિઝાઇન સિસ્ટમ સુસંગતતા અને માપનીયતાનું ઇન્ફ્રાસ્ટ્રક્ચર છે; પરંતુ તેની જાળવણીની વારંવાર ઉપેક્ષા કરવામાં આવે છે કારણ કે તે લખાણ-સઘન અને પુનરાવર્તિત છે. AI ઝડપથી ઘટક દસ્તાવેજો, ઉદાહરણો, ઉપયોગ સ્ક્રિપ્ટો અને ટોકન નામકરણ ડ્રાફ્ટ્સનું ઉત્પાદન કરીને આ ઋણને સંબોધિત કરે છે. પરંતુ સિસ્ટમનો સાર એ એકલતા અને સુસંગતતા છે: દરેક ટોકન નામ નમૂના સ્કીમા સામે ચકાસાયેલ હોવું જોઈએ, દરેક ઘટક દરખાસ્ત વિરોધાભાસી સ્કેન હોવી જોઈએ, વર્તનનું દરેક વર્ણન વાસ્તવિકતા સામે ચકાસાયેલ હોવું જોઈએ. એક કાર્યક્ષમ ડ્રાફ્ટર તરીકે મોડેલનો ઉપયોગ કરો; ટીમ વ્યક્તિગત યોગ્ય નિર્ણય લે છે.

એપ્લિકેશન કાર્ય

ગુમ થયેલ દસ્તાવેજો સાથે એક ઘટક પસંદ કરો અને પ્રથમ પ્રોમ્પ્ટ સાથે ડ્રાફ્ટ દસ્તાવેજ બનાવો.
વાસ્તવિક વર્તણૂક સાથે "ટીમે ભરવું આવશ્યક છે" ચિહ્નિત ફીલ્ડ્સ પૂર્ણ કરો.
બીજા પ્રોમ્પ્ટ સાથે, તમારા 8-10 ટોકન્સને સિમેન્ટીક સ્કીમમાં કન્વર્ટ કરો અને જૂના/નવા નામનું ટેબલ બનાવો.
નવા ઘટક વિચાર માટે, ત્રીજા પ્રોમ્પ્ટ સાથે વિરોધાભાસ માટે સ્કેન કરો.
ચોથા પ્રોમ્પ્ટ સાથે, કમ્પોનન્ટ માટે ડુ/ડોન ઉદાહરણ જોડી બનાવો અને તેમને સિસ્ટમમાં ઉમેરો.

ચેકલિસ્ટ

[ ] મેં ટોકન નામકરણને ઉદાહરણ સ્કીમા સાથે લિંક કર્યું છે.
[ ] મેં તકરાર માટે નવા ઘટકોને સ્કેન કર્યા છે.
[ ] મેં વાસ્તવિકતા સાથે મોડેલ-નિર્મિત વર્તણૂકોની ચકાસણી કરી.
[ ] મેં વાસ્તવિક પરીક્ષણ સાથે સુલભતા નોંધોની પુષ્ટિ કરવાનું આયોજન કર્યું છે.
[ ] મેં દસ્તાવેજીકરણને સુસંગત ફોર્મેટમાં રાખ્યું છે.
[ ] મેં એકલતા જાળવી રાખી અને ડુપ્લિકેશન અટકાવ્યું.