ದೋಷ ವರದಿ ಬರವಣಿಗೆ ಮತ್ತು ಆದ್ಯತೆ: AI ನೊಂದಿಗೆ ತೆರವುಗೊಳಿಸಿ, ಪುನರುತ್ಪಾದಿಸಬಹುದಾದ ದಾಖಲೆಗಳು

ಲಾಭಗಳು:

• ಚದುರಿದ ಅವಲೋಕನಗಳನ್ನು ಸ್ಪಷ್ಟ ಶೀರ್ಷಿಕೆ, ನಿರ್ಣಾಯಕ ಪುನರುತ್ಪಾದನೆಯ ಹಂತಗಳು, ನಿರೀಕ್ಷಿತ/ವಾಸ್ತವ ಫಲಿತಾಂಶಗಳು ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಬೆಂಬಲದೊಂದಿಗೆ ಸಾಕ್ಷ್ಯವನ್ನು ಹೊಂದಿರುವ ವರದಿಯಾಗಿ ಪರಿವರ್ತಿಸುವ ಸಾಮರ್ಥ್ಯ
• ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ 'ನಾನು ನೀಡುವ ಮಾಹಿತಿಯನ್ನು ಮಾತ್ರ ಬಳಸಿ, ಅದನ್ನು ರೂಪಿಸಬೇಡಿ' ಎಂಬ ನಿಯಮವನ್ನು ಹೇರಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ ಮತ್ತು ಅದರ ಸ್ವಂತ ನಿಯಂತ್ರಣದೊಂದಿಗೆ ಪುನರುತ್ಪಾದನೆಯನ್ನು ಖಾತರಿಪಡಿಸುತ್ತದೆ
• ತೀವ್ರತೆ (ತಾಂತ್ರಿಕ ಪರಿಣಾಮ) ಮತ್ತು ಆದ್ಯತೆ (ವ್ಯಾಪಾರ ತುರ್ತು) ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸಲು ಮತ್ತು ವ್ಯಾಪಾರದ ಸಂದರ್ಭದೊಂದಿಗೆ ಅಂತಿಮ ಲೇಬಲ್ ಅನ್ನು ನೀಡಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ

ಪರೀಕ್ಷಕನು ಕಂಡುಕೊಳ್ಳುವ ದೋಷವು ಅದನ್ನು ಸರಿಪಡಿಸಿದರೆ ಮಾತ್ರ ಮೌಲ್ಯಯುತವಾಗಿರುತ್ತದೆ; ಅದನ್ನು ಸರಿಪಡಿಸುವುದು ದೋಷ ವರದಿಯ ಗುಣಮಟ್ಟವನ್ನು ಹೆಚ್ಚಾಗಿ ಅವಲಂಬಿಸಿರುತ್ತದೆ - ಡೆವಲಪರ್ ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ, ಪುನರುತ್ಪಾದಿಸುವ ಮತ್ತು ಸರಿಪಡಿಸುವ ರೀತಿಯಲ್ಲಿ ದೋಷವನ್ನು ದಾಖಲಿಸುವ ದಾಖಲೆ. ಕಳಪೆಯಾಗಿ ಬರೆಯಲಾದ ದೋಷ ವರದಿಯು ("ಲಾಗಿನ್ ಕೆಲಸ ಮಾಡುತ್ತಿಲ್ಲ") ಡೆವಲಪರ್ ಅನ್ನು ಗಂಟೆಗಳ ಕಾಲ ಸ್ಥಗಿತಗೊಳಿಸುತ್ತದೆ, ಹಿಂದಕ್ಕೆ ಮತ್ತು ಮುಂದಕ್ಕೆ ಪತ್ರವ್ಯವಹಾರಕ್ಕೆ ಕಾರಣವಾಗುತ್ತದೆ ಮತ್ತು "ಪುನರುತ್ಪಾದಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ" ಎಂದು ಮುಚ್ಚುತ್ತದೆ. ಉತ್ತಮ ವರದಿಯು ಸ್ಪಷ್ಟ ಹಂತಗಳು, ನಿರೀಕ್ಷಿತ ಮತ್ತು ವಾಸ್ತವಿಕ ಫಲಿತಾಂಶಗಳು, ಸಂದರ್ಭ ಮಾಹಿತಿ ಮತ್ತು ಪುರಾವೆಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ನಿಮ್ಮ ಚದುರಿದ ಅವಲೋಕನಗಳನ್ನು ವೃತ್ತಿಪರ, ರಚನಾತ್ಮಕ ವರದಿಯಾಗಿ ಪರಿವರ್ತಿಸುವಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) ತುಂಬಾ ಒಳ್ಳೆಯದು. ಆದರೆ ಕೇಂದ್ರ ಎಚ್ಚರಿಕೆ ಇಲ್ಲಿಯೂ ಅನ್ವಯಿಸುತ್ತದೆ: ನೀವು ನೋಡದ ಹಂತಗಳನ್ನು AI ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ; ಕಾಣೆಯಾದ ಮಾಹಿತಿಯನ್ನು "ಸಮಂಜಸವಾಗಿ ಕಾಣುವ" ಆದರೆ ತಪ್ಪಾದ ಊಹೆಗಳೊಂದಿಗೆ ತುಂಬಿಸಬಹುದು. ವರದಿಯ ಪ್ರತಿಯೊಂದು ಸಾಲು ನೀವು ನಿಜವಾಗಿ ಗಮನಿಸಿದ್ದನ್ನು ಆಧರಿಸಿದೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವುದು ನಿಮ್ಮ ಕೆಲಸ.

ಉತ್ತಮ ದೋಷ ವರದಿಯ ಅಂಗರಚನಾಶಾಸ್ತ್ರ

ಪರಿಣಾಮಕಾರಿ ವರದಿಯು ಈ ಅಂಶಗಳನ್ನು ಒಳಗೊಂಡಿದೆ:

• ಶೀರ್ಷಿಕೆ: ಚಿಕ್ಕ, ನಿರ್ದಿಷ್ಟ, ಹುಡುಕಬಹುದಾದ. "ದೋಷವಿದೆ" ಅಲ್ಲ; "ಕಾರ್ಟ್‌ನಲ್ಲಿ (Chrome) 10 ಕ್ಕಿಂತ ಹೆಚ್ಚು ಐಟಂಗಳಿರುವ 'ಚೆಕ್‌ಔಟ್' ಬಟನ್ ಅನ್ನು ಕ್ಲಿಕ್ ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ".
• ಪುನರುತ್ಪಾದನೆಯ ಹಂತಗಳು: ಸಂಖ್ಯೆಯ, ಮೊದಲಿನಿಂದ ಪತ್ತೆಹಚ್ಚಬಹುದಾದ, ನಿರ್ಣಾಯಕ. ಈ ಹಂತಗಳನ್ನು ಅನುಸರಿಸಿದ ನಂತರ ಡೆವಲಪರ್ ದೋಷವನ್ನು ನೋಡಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.
• ನಿರೀಕ್ಷಿತ ಫಲಿತಾಂಶ: ಸ್ವೀಕಾರ ಮಾನದಂಡಗಳ ಪ್ರಕಾರ ಏನಾಗಬೇಕಿತ್ತು.
• ನಿಜವಾದ ಫಲಿತಾಂಶ: ಏನಾಯಿತು (ದೋಷ ಸಂದೇಶ, ಪರದೆ, ನಡವಳಿಕೆ).
• ಪರಿಸರ: ಬ್ರೌಸರ್/ಸಾಧನ, ಆವೃತ್ತಿ, ಪರಿಸರ (ಪರೀಕ್ಷೆ/ಲೈವ್), ಬಳಕೆದಾರರ ಪಾತ್ರ, ಡೇಟಾ.
• ಸಾಕ್ಷಿ: ಸ್ಕ್ರೀನ್‌ಶಾಟ್, ವಿಡಿಯೋ, ಲಾಗ್, ಎರರ್ ಟ್ರೇಸ್ (ಸ್ಟಾಕ್ ಟ್ರೇಸ್).
• ತೀವ್ರತೆ ಮತ್ತು ಆದ್ಯತೆ: ಕೆಳಗೆ ವಿವರಿಸಲಾಗಿದೆ.

ಸಲಹೆ: ವರದಿಯನ್ನು ಕಳುಹಿಸುವ ಮೊದಲು, "ನಾನು ಈ ಹಂತಗಳನ್ನು ಬೇರೆಯವರಿಗೆ ನೀಡಿದರೆ, ನನ್ನ ಸಹಾಯವಿಲ್ಲದೆ ಅವರು ದೋಷವನ್ನು ನೋಡಬಹುದೇ?" ಕೇಳು. ಉತ್ತರ "ಇಲ್ಲ" ಎಂದಾದರೆ, ವರದಿಯು ಅಪೂರ್ಣವಾಗಿರುತ್ತದೆ. AI ವರದಿಯನ್ನು ಸುಂದರವಾಗಿ ಮಾಡಬಹುದು, ಆದರೆ ನೀವು ಮಾತ್ರ ಪುನರುತ್ಪಾದನೆಯನ್ನು ಖಾತರಿಪಡಿಸಬಹುದು.

ಹಿಂಸೆ ಮತ್ತು ಆದ್ಯತೆ: ಎರಡು ಗೊಂದಲಮಯ ಪರಿಕಲ್ಪನೆಗಳು

ತೀವ್ರತೆಯು ದೋಷದ ತಾಂತ್ರಿಕ ಪರಿಣಾಮವಾಗಿದೆ: ಸಿಸ್ಟಮ್ ಕ್ರ್ಯಾಶ್ ಆಗುತ್ತದೆಯೇ, ಡೇಟಾ ಕಳೆದುಹೋಗುತ್ತದೆ ಅಥವಾ ಅದು ಮುದ್ರಣದೋಷವೇ? ಅದನ್ನು ಎಷ್ಟು ತುರ್ತಾಗಿ ಸರಿಪಡಿಸಬೇಕು ಎಂಬುದು ಆದ್ಯತೆ; ವ್ಯವಹಾರದ ಪ್ರಭಾವದ ಬಗ್ಗೆ. ಇವೆರಡೂ ಯಾವಾಗಲೂ ಒಂದೇ ದಿಕ್ಕಿನಲ್ಲಿ ಹೋಗುವುದಿಲ್ಲ: ಮುಖಪುಟದಲ್ಲಿ ಕಂಪನಿಯ ಹೆಸರನ್ನು ತಪ್ಪಾಗಿ ಬರೆಯುವುದು ಕಡಿಮೆ ತೀವ್ರತೆ ಆದರೆ ಹೆಚ್ಚಿನ ಆದ್ಯತೆ (ಖ್ಯಾತಿ). ಅಪರೂಪದ ಅಂಚಿನ ಸಂದರ್ಭದಲ್ಲಿ, ಕುಸಿತವು ಹೆಚ್ಚಿನ ತೀವ್ರತೆಯನ್ನು ಹೊಂದಿರಬಹುದು ಆದರೆ ಕಡಿಮೆ ಆದ್ಯತೆಯಾಗಿರುತ್ತದೆ. ನೀವು ವೀಕ್ಷಣೆಯನ್ನು ನೀಡಿದಾಗ ಈ ವ್ಯತ್ಯಾಸವನ್ನು ಮಾಡಲು AI ನಿಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ; ಆದರೆ ಅಂತಿಮ ಲೇಬಲ್ ಅನ್ನು ನೀವು ವ್ಯಾಪಾರದ ಸಂದರ್ಭವನ್ನು ತಿಳಿದಿರುವಿರಿ.

ಹಿಂಸೆ

ಉದಾಹರಣೆ

ಆದ್ಯತೆ

ಉದಾಹರಣೆ

ನಿರ್ಣಾಯಕ (ಬ್ಲಾಕರ್)

ಪಾವತಿಯನ್ನು ಪೂರ್ಣಗೊಳಿಸಲಾಗುವುದಿಲ್ಲ

ತುರ್ತು (P1)

ಲೈವ್‌ನಲ್ಲಿ ಆದಾಯದ ನಷ್ಟ

ಉನ್ನತ (ಪ್ರಮುಖ)

ವರದಿಯು ತಪ್ಪಾದ ಮೊತ್ತವನ್ನು ನೀಡುತ್ತದೆ

ಹೆಚ್ಚಿನ (P2)

ಮುಂಬರುವ ಬಿಡುಗಡೆಗೆ ಅತ್ಯಗತ್ಯ

ಮಧ್ಯಮ (ಮೈನರ್)

ಅಪರೂಪದ ಎಡ್ಜ್ ಕೇಸ್ ದೋಷ

ಮಧ್ಯಮ (P3)

ಯೋಜಿತ ಸ್ಪ್ರಿಂಟ್ನಲ್ಲಿ

ಕಡಿಮೆ (ಕ್ಷುಲ್ಲಕ)

ಬಟನ್ ಜೋಡಣೆ ಆಫ್ ಆಗಿದೆ

ಕಡಿಮೆ (P4)

ಅವಕಾಶ ಇದ್ದಾಗ

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ: "ಈ ದೋಷವನ್ನು ವರದಿ ಮಾಡಿ: ಪಾವತಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿಲ್ಲ."

ಪ್ರಬಲ: "ಕೆಳಗಿನ ನನ್ನ ಅವಲೋಕನಗಳನ್ನು ಪ್ರಮಾಣಿತ ದೋಷ ವರದಿ ಸ್ವರೂಪಕ್ಕೆ ಭಾಷಾಂತರಿಸಿ: ಶೀರ್ಷಿಕೆ, ಪುನರುತ್ಪಾದನೆಯ ಹಂತಗಳು (ಸಂಖ್ಯೆ), ನಿರೀಕ್ಷಿತ ಫಲಿತಾಂಶ, ನಿಜವಾದ ಫಲಿತಾಂಶ, ಪರಿಸರ, ತೀವ್ರತೆ ಮತ್ತು ಆದ್ಯತೆಯ ಶಿಫಾರಸು (ಸಮರ್ಥನೀಯ). ನಾನು ಒದಗಿಸುವ ಮಾಹಿತಿಯನ್ನು ಮಾತ್ರ ಬಳಸಿ; ಯಾವುದೇ ಕಾಣೆಯಾದ ಕ್ಷೇತ್ರಗಳನ್ನು ಮಾಡಿ, 'ಮಾಹಿತಿ ಕಳೆದುಹೋದಾಗ: ...' ಎಂದು ಗುರುತಿಸಿ. ಕಾರ್, ಐಟಮ್ 120 ಪರೀಕ್ಷೆಯಲ್ಲಿ ಏನನ್ನೂ ಒತ್ತಿದಾಗ, ವೀಕ್ಷಣೆಗಳು: Chrome1t20 ಪರಿಸರದಲ್ಲಿ ಕನ್ಸೋಲ್‌ನಲ್ಲಿ 'ಚೆಕ್‌ಔಟ್', 'ಡಿಫೈನ್ಡ್ ಈಸ್ ನಾಟ್ ಎ ಫಂಕ್ಷನ್' ದೋಷ, 11 ಉತ್ಪನ್ನಗಳಲ್ಲಿ ಯಾವುದೇ ಸಮಸ್ಯೆ ಇಲ್ಲ."

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್; ಫಾರ್ಮ್ಯಾಟ್, "ಫಿಟ್ಟಿಂಗ್" ನಿಯಮ ಮತ್ತು ಕಾಣೆಯಾದ ಮಾಹಿತಿಯ ಗುರುತುಗಳನ್ನು ಹೇರುತ್ತದೆ. ಈ ರೀತಿಯಾಗಿ, ವರದಿಯು ನಿಖರ ಮತ್ತು ಪ್ರಾಮಾಣಿಕವಾಗಿರುತ್ತದೆ.

ನಕಲಿ ದೋಷ ಪತ್ತೆ

ದೊಡ್ಡ ತಂಡಗಳಲ್ಲಿ, ಅದೇ ದೋಷವನ್ನು ಮತ್ತೆ ಮತ್ತೆ ವರದಿ ಮಾಡಲಾಗುತ್ತದೆ. AI ನಿಮ್ಮ ಹೊಸ ವರದಿಯನ್ನು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ತೆರೆದ ದೋಷಗಳಿಗೆ ಹೋಲಿಸಬಹುದು ಮತ್ತು ಸಂಭಾವ್ಯ ನಕಲುಗಳನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡಬಹುದು - ಇದು ನಿಮ್ಮ ಬಗ್ ಟ್ರ್ಯಾಕಿಂಗ್ ವ್ಯವಸ್ಥೆಯನ್ನು (ಜಿರಾ, ಅಜುರೆ ಡೆವೊಪ್ಸ್, ಗಿಟ್‌ಹಬ್ ಸಮಸ್ಯೆಗಳು) ಸ್ವಚ್ಛವಾಗಿರಿಸುತ್ತದೆ. ಆದರೆ ಹುಷಾರಾಗಿರು: ಮೇಲ್ಮೈಯಲ್ಲಿ ಒಂದೇ ರೀತಿ ಕಂಡುಬರುವ ಎರಡು ದೋಷಗಳು ವಿಭಿನ್ನ ಮೂಲ ಕಾರಣಗಳನ್ನು ಹೊಂದಿರಬಹುದು; AI ನ "ನಕಲಿ" ಸಲಹೆಯನ್ನು ಮುಚ್ಚುವ ಮೊದಲು ಎರಡೂ ವರದಿಗಳ ಪುನರಾವರ್ತಿತ ಉತ್ಪಾದನಾ ಹಂತಗಳು ಮತ್ತು ಪರಿಸರವನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ. ಆಕಸ್ಮಿಕವಾಗಿ ಮುಚ್ಚಿದ "ನಕಲು" ವಾಸ್ತವವಾಗಿ ಪ್ರತ್ಯೇಕ ದೋಷವನ್ನು ಕಳೆದುಕೊಂಡಿದೆ.

ಬಗ್ ಟ್ರೇಸ್‌ನಿಂದ ಮೂಲ ಕಾರಣಕ್ಕೆ: ಲಾಗ್‌ಗಳನ್ನು ಓದಲು AI ನ ಶಕ್ತಿ

ಬಗ್ ವರದಿಯ ಅತ್ಯಂತ ತಾಂತ್ರಿಕ ಭಾಗವು ಸಾಮಾನ್ಯವಾಗಿ ಬಗ್ ಟ್ರೇಸ್ ಆಗಿದೆ (ಸ್ಟಾಕ್ ಟ್ರೇಸ್ - ಯಾವ ಸಾಲಿನ ಕೋಡ್‌ನ ಸ್ಥಗಿತ, ಯಾವ ಕರೆ ಸರಪಳಿಯು ದೋಷವನ್ನು ಪ್ರಚೋದಿಸಿತು). ಉದ್ದ ಮತ್ತು ಸಂಕೀರ್ಣ ದಾಖಲೆಗಳು ಡೆವಲಪರ್ ಅನ್ನು ಸಹ ಟೈರ್ ಮಾಡಬಹುದು. AI ನೂರಾರು ಸಾಲುಗಳ ಲಾಗ್ ಅನ್ನು ಓದುತ್ತದೆ ಮತ್ತು ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಅತ್ಯಂತ ನಿರ್ಣಾಯಕ ರೇಖೆಗಳು, ಸಂಭವನೀಯ ಮೂಲ ಕಾರಣದ ಕಲ್ಪನೆ ಮತ್ತು ದೋಷವನ್ನು ಪ್ರಚೋದಿಸಿದ ಕೋಡ್ ಪಾಯಿಂಟ್ ಅನ್ನು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸುತ್ತದೆ. ಇದು ವರದಿಯನ್ನು ಕಡಿಮೆಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ಡೆವಲಪರ್‌ಗೆ ನೇರ ಪ್ರಾರಂಭದ ಹಂತವನ್ನು ನೀಡುತ್ತದೆ.

ಆದಾಗ್ಯೂ, ಎರಡು ಮಿತಿಗಳನ್ನು ನೆನಪಿಡಿ. ಮೊದಲನೆಯದಾಗಿ, AI ನೀಡಿದ ಮೂಲ ಕಾರಣವು ಒಂದು ಊಹೆಯಾಗಿದೆ, ಸಾಕ್ಷ್ಯವಲ್ಲ; ಡೆವಲಪರ್ ಇದನ್ನು ಪರಿಶೀಲಿಸದೆ ಸರಿಪಡಿಸಲು ಪ್ರಯತ್ನಿಸಬಾರದು. ಎರಡನೆಯದಾಗಿ, ಲಾಗ್‌ಗಳು ಸಾಮಾನ್ಯವಾಗಿ ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ (ಇಮೇಲ್, ಬಳಕೆದಾರ ID, ಸೆಷನ್ ಟೋಕನ್); ವಾಹನದ ಮೇಲೆ ಲಾಗ್ ಅನ್ನು ಇರಿಸುವ ಮೊದಲು ಈ ಪ್ರದೇಶಗಳನ್ನು ಮಾಸ್ಕ್ ಮಾಡಿ. "ಈ ಲಾಗ್‌ನಲ್ಲಿ ಮರೆಮಾಚಬೇಕಾದ ಕ್ಷೇತ್ರಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ" ಎಂದು ಮೊದಲು AI ಹೇಳುವುದು ಮತ್ತು ನಂತರ ಸ್ವಚ್ಛಗೊಳಿಸಿದ ಲಾಗ್ ಅನ್ನು ವಿಶ್ಲೇಷಿಸುವುದು ಉತ್ತಮ ಅಭ್ಯಾಸವಾಗಿದೆ.

ಸಲಹೆ: ಸಂಪೂರ್ಣ ಲಾಗ್ ಅನ್ನು ವರದಿಯಲ್ಲಿ ಅಂಟಿಸುವ ಬದಲು, AI ಸಾರಾಂಶದ ಅತ್ಯಂತ ನಿರ್ಣಾಯಕ 3-5 ಸಾಲುಗಳನ್ನು ಮತ್ತು ಪೂರ್ಣ ಲಾಗ್‌ಗೆ ಲಿಂಕ್ ಅನ್ನು ಸೇರಿಸಿ. ಈ ರೀತಿಯಾಗಿ ವರದಿಯು ಓದಬಲ್ಲದು ಮತ್ತು ವಿವರಗಳ ಅಗತ್ಯವಿರುವ ಡೆವಲಪರ್ ಪೂರ್ಣ ಲಾಗ್ ಅನ್ನು ಪ್ರವೇಶಿಸಬಹುದು.

ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ವೀಕ್ಷಣೆಯಿಂದ ವರದಿಗೆ:

ನಿಮ್ಮ ಪಾತ್ರ: ಹಿರಿಯ QA. ಕೆಳಗಿನ ಕಚ್ಚಾ ಅವಲೋಕನಗಳನ್ನು ಪ್ರಮಾಣಿತ ದೋಷ ವರದಿಗೆ ಭಾಷಾಂತರಿಸಿ: ಶೀರ್ಷಿಕೆ / ಪುನರುತ್ಪಾದನೆಯ ಹಂತಗಳು (ಸಂಖ್ಯೆಯ) / ನಿರೀಕ್ಷಿತ / ವಾಸ್ತವಿಕ / ಪರಿಸರ / ಸಾಕ್ಷ್ಯ ಟಿಪ್ಪಣಿ / ತೀವ್ರತೆ + ಆದ್ಯತೆ (ಸಮರ್ಥನೀಯ). ನಿಯಮ: ನಾನು ಒದಗಿಸುವ ಮಾಹಿತಿಯನ್ನು ಮಾತ್ರ ಬಳಸಿ; ಕಾಣೆಯಾದ ಕ್ಷೇತ್ರವನ್ನು "ಮಿಸ್ಸಿಂಗ್ ಮಾಹಿತಿ:..." ಎಂದು ಗುರುತಿಸಿ ಅವಲೋಕನಗಳು: [ಕಚ್ಚಾ ಟಿಪ್ಪಣಿಗಳು]

2) ಪುನರುತ್ಪಾದನೆ ನಿಯಂತ್ರಣ:

ದೋಷವನ್ನು ಎಂದಿಗೂ ನೋಡದ ಡೆವಲಪರ್‌ನ ದೃಷ್ಟಿಕೋನದಿಂದ ಈ ದೋಷ ವರದಿಯನ್ನು ಓದಿ. ಹಂತಗಳನ್ನು ಅನುಸರಿಸಿ ಮತ್ತು ಅದು ದೋಷವನ್ನು ಉಂಟುಮಾಡದ ಸ್ಥಳಗಳನ್ನು ಗುರುತಿಸಿ: ಅಸ್ಪಷ್ಟ ಹಂತ, ಕಾಣೆಯಾದ ಪೂರ್ವಾಪೇಕ್ಷಿತ, ಕಾಣೆಯಾದ ಪರೀಕ್ಷಾ ಡೇಟಾ, ಬಿಟ್ಟುಬಿಟ್ಟ ಸ್ಥಿತಿ. ಪ್ರತಿ ಅಂತರಕ್ಕೆ ನಾನು ಯಾವ ಮಾಹಿತಿಯನ್ನು ಸೇರಿಸಬೇಕು ಎಂದು ಹೇಳಿ. ವರದಿ: [ಅಂಟಿಸಿ ವರದಿ]

3) ತೀವ್ರತೆ/ಆದ್ಯತೆಯ ಸಲಹೆಗಾರ:

ನಾನು ಈ ಕೆಳಗಿನ ದೋಷವನ್ನು ವಿವರಿಸುತ್ತೇನೆ: [ದೋಷ + ವ್ಯವಹಾರ ಸಂದರ್ಭ]. ತೀವ್ರತೆ (ತಾಂತ್ರಿಕ ಪರಿಣಾಮ) ಮತ್ತು ಆದ್ಯತೆಗೆ (ವ್ಯಾಪಾರ ತುರ್ತು) ಪ್ರತ್ಯೇಕವಾಗಿ ಸಲಹೆಗಳನ್ನು ಮತ್ತು ಸಮರ್ಥನೆಯನ್ನು ನೀಡಿ. ಇವೆರಡೂ ಏಕೆ ಭಿನ್ನವಾಗಿರಬಹುದು ಎಂಬುದನ್ನು ವಿವರಿಸಿ. ನಾನೇ ಅಂತಿಮ ನಿರ್ಧಾರ ಕೈಗೊಳ್ಳುತ್ತೇನೆ.

4) ಲಾಗ್/ದೋಷ ಜಾಡಿನ ಸಾರಾಂಶ:

ಕೆಳಗಿನ ದೋಷ ಟ್ರೇಸ್/ಲಾಗ್ ಅನ್ನು ಪರೀಕ್ಷಿಸಿ. (1) ಮೂಲ ಕಾರಣದ ಕಲ್ಪನೆ, (2) ದೋಷ ಸಂಭವಿಸಿದ ಸಂಭವನೀಯ ಕೋಡ್ ಪಾಯಿಂಟ್, (3) ವರದಿಗೆ ಸೇರಿಸಲು 3 ಅತ್ಯಂತ ನಿರ್ಣಾಯಕ ಸಾಲುಗಳ ಸಾರಾಂಶವನ್ನು ನನಗೆ ನೀಡಿ. ವೈಯಕ್ತಿಕ ಡೇಟಾ ಇದ್ದರೆ ಮಾಸ್ಕ್ ಮಾಡಿ. ಲಾಗ್: [ಅಂಟಿಸಿ ಲಾಗ್]

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - "ನಾನು ಉತ್ಪಾದಿಸಲು ಸಾಧ್ಯವಾಗಲಿಲ್ಲ" ನಿಂದ ವಿಮೋಚನೆ ಒಂದು ತಂಡದಲ್ಲಿ, 30% ದೋಷಗಳನ್ನು "ಪುನರುತ್ಪಾದಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ" ಎಂದು ಮುಚ್ಚಲಾಗಿದೆ. "ಪುನರುತ್ಪಾದನೆ ಪರಿಶೀಲನೆ" ಟೆಂಪ್ಲೇಟ್ ಅನ್ನು ವರದಿ ಪ್ರಕ್ರಿಯೆಗೆ ಸೇರಿಸಲಾಗಿದೆ; ಪ್ರತಿ ವರದಿಯನ್ನು ಕಳುಹಿಸುವ ಮೊದಲು, AI ಕಳೆದುಹೋದ ಹಂತಗಳು ಮತ್ತು ಪೂರ್ವಾಪೇಕ್ಷಿತಗಳನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡಿದೆ. ಮೂರು ತಿಂಗಳ ನಂತರ, "ಉತ್ಪಾದಿಸಲು ಸಾಧ್ಯವಾಗಲಿಲ್ಲ" ದರವು 30% ರಿಂದ 8% ಕ್ಕೆ ಇಳಿಯಿತು. ವ್ಯತ್ಯಾಸವೆಂದರೆ ಹಂತಗಳು ಮೊದಲಿನಿಂದಲೂ ನಿಖರವಾಗಿವೆ.

ಪ್ರಕರಣ 2 - ನಕಲಿ ಹಂತಗಳ ಅಪಾಯ. ಪರೀಕ್ಷಕನು AI ಅಪೂರ್ಣ ಅವಲೋಕನಗಳೊಂದಿಗೆ ವರದಿಯನ್ನು ಬರೆಯುವಂತೆ ಮಾಡಿತು; "ಬಳಕೆದಾರರು ಸೆಟ್ಟಿಂಗ್‌ಗಳ ಪುಟದಿಂದ ಅಧಿಸೂಚನೆಗಳನ್ನು ಆನ್ ಮಾಡುತ್ತಾರೆ" ನಂತಹ ಎಂದಿಗೂ ಸಂಭವಿಸದ ಹಂತವನ್ನು AI ಸೇರಿಸಿದೆ. ಡೆವಲಪರ್ ಆ ಹಂತವನ್ನು ಅನುಸರಿಸಿದಾಗ, ಅವರು ದೋಷವನ್ನು ಕಂಡುಹಿಡಿಯಲಾಗಲಿಲ್ಲ ಮತ್ತು ಸಮಯವನ್ನು ಕಳೆದುಕೊಂಡರು. ತಂಡವು "ನಾನು ನೀಡುವ ಮಾಹಿತಿಯನ್ನು ಮಾತ್ರ ಬಳಸಿ, ಅದನ್ನು ರೂಪಿಸಬೇಡಿ" ಎಂಬ ನಿಯಮವನ್ನು ಜಾರಿಗೊಳಿಸಿತು; ಸಿದ್ಧಪಡಿಸಿದ ಹಂತಗಳನ್ನು ತೆಗೆದುಹಾಕಲಾಗುತ್ತದೆ.

ಪ್ರಕರಣ 3 - ತೀವ್ರತೆ/ಆದ್ಯತೆಯ ವ್ಯತ್ಯಾಸ. ಮುಖಪುಟದಲ್ಲಿ ಕಂಪನಿಯ ಘೋಷಣೆಯಲ್ಲಿ ಮುದ್ರಣದೋಷವಿತ್ತು. ಪರೀಕ್ಷಕರು ಇದನ್ನು "ಕಡಿಮೆ" ಎಂದು ರವಾನಿಸುತ್ತಾರೆ; AI ಸಲಹೆಗಾರರು ತಾಂತ್ರಿಕ ಹಿಂಸಾಚಾರ ಕಡಿಮೆ ಆದರೆ ವ್ಯಾಪಾರದ ಆದ್ಯತೆಯು ಹೆಚ್ಚು ಎಂದು ನೆನಪಿಸಿದರು (ಪ್ರತಿಯೊಬ್ಬ ಸಂದರ್ಶಕನು ಸ್ವೀಕರಿಸುವ ಖ್ಯಾತಿಯ ಅಂಶ). "ಹೆಚ್ಚಿನ ಆದ್ಯತೆಯ" ಟ್ಯಾಗ್ನೊಂದಿಗೆ ಅದೇ ದಿನ ದೋಷವನ್ನು ಸರಿಪಡಿಸಲಾಗಿದೆ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಅಸ್ಪಷ್ಟ ಶೀರ್ಷಿಕೆ. "ಕೆಲಸ ಮಾಡುತ್ತಿಲ್ಲ" ನಂತಹ ಹುಡುಕಲಾಗದ, ತಾರತಮ್ಯವಿಲ್ಲದ ಮುಖ್ಯಾಂಶಗಳು.
• ಹಂತಗಳು ಕಾಣೆಯಾಗಿವೆ/ಬಿಟ್ಟಿದೆ. ನಿಮ್ಮ ಸಂದರ್ಭದಲ್ಲಿ ಸ್ಪಷ್ಟವಾಗಿದ್ದನ್ನು ಬರೆಯುತ್ತಿಲ್ಲ; ಉತ್ಪಾದಿಸಲು ಡೆವಲಪರ್ ವಿಫಲವಾಗಿದೆ.
• AI ಅದನ್ನು ಮಾಡಲು ಅವಕಾಶ ಮಾಡಿಕೊಡಿ. ಕಾಣೆಯಾದ ಮಾಹಿತಿಯನ್ನು "ಸಮಂಜಸ ಅಂದಾಜಿನೊಂದಿಗೆ" ತುಂಬಿರುವುದು; ತಪ್ಪು ಹೆಜ್ಜೆಗಳು.
• ನಿರೀಕ್ಷಿತ ಫಲಿತಾಂಶ ಬರೆಯುತ್ತಿಲ್ಲ. "ತಪ್ಪು" ಎಂದು ಹೇಳುವುದು ಆದರೆ ಯಾವುದು ಸರಿ ಎಂದು ಸೂಚಿಸುವುದಿಲ್ಲ.
• ಹಿಂಸಾಚಾರ ಮತ್ತು ಆದ್ಯತೆಯನ್ನು ಗೊಂದಲಗೊಳಿಸುವುದು. ಎರಡನ್ನೂ ಒಂದೇ ಲೇಬಲ್ ಎಂದು ತಪ್ಪಾಗಿ ಗ್ರಹಿಸುವುದು; ವ್ಯವಹಾರದ ಪ್ರಭಾವವನ್ನು ತಪ್ಪಾಗಿ ನಿರ್ಣಯಿಸುವುದು.
• ಸಾಕ್ಷ್ಯದಲ್ಲಿ ಸೂಕ್ಷ್ಮ ಡೇಟಾ. ನೈಜ ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಮರೆಮಾಚದೆ ಸ್ಕ್ರೀನ್‌ಶಾಟ್‌ಗಳು/ಲಾಗ್‌ಗಳಲ್ಲಿ ಹಂಚಿಕೊಳ್ಳುವುದು.

ಸಾರಾಂಶದಲ್ಲಿ

ದೋಷ ವರದಿಯ ಮೌಲ್ಯವೆಂದರೆ ಡೆವಲಪರ್ ನಿಮ್ಮ ಸಹಾಯವಿಲ್ಲದೆ ದೋಷವನ್ನು ಪುನರುತ್ಪಾದಿಸಬಹುದು ಮತ್ತು ಸರಿಪಡಿಸಬಹುದು. ಚದುರಿದ ಅವಲೋಕನಗಳನ್ನು ವೃತ್ತಿಪರ, ರಚನಾತ್ಮಕ ವರದಿಯನ್ನಾಗಿ ಪರಿವರ್ತಿಸುವಲ್ಲಿ AI ಉತ್ತಮವಾಗಿದೆ; ಇದು ಶೀರ್ಷಿಕೆ, ಹಂತಗಳು, ನಿರೀಕ್ಷಿತ/ನಿಜವಾದ ಫಲಿತಾಂಶ, ಪರಿಸರ ಮತ್ತು ಪುರಾವೆಗಳನ್ನು ಆಯೋಜಿಸುತ್ತದೆ ಮತ್ತು ತೀವ್ರತೆ ಮತ್ತು ಆದ್ಯತೆಯ ನಡುವಿನ ವ್ಯತ್ಯಾಸದ ಕುರಿತು ಸಲಹೆಯನ್ನು ನೀಡುತ್ತದೆ. ಆದರೆ AI ಕಳೆದುಹೋದ ಮಾಹಿತಿಯನ್ನು ಸರಿದೂಗಿಸಬಹುದು; "ನಾನು ನೀಡುವ ಮಾಹಿತಿಯನ್ನು ಮಾತ್ರ ಬಳಸಿ, ಕಾಣೆಯಾದದ್ದನ್ನು ಗುರುತಿಸಿ" ನಿಯಮವನ್ನು ಜಾರಿಗೊಳಿಸಿ ಮತ್ತು ಪುನರುತ್ಪಾದನೆಯನ್ನು ನೀವೇ ಖಾತರಿಪಡಿಸಿಕೊಳ್ಳಿ. ಸಾಕ್ಷ್ಯದಲ್ಲಿ ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಮರೆಮಾಡಿ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನೀವು ಇತ್ತೀಚೆಗೆ ಕಂಡುಕೊಂಡ ದೋಷವನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ ಮತ್ತು "ಅಬ್ಸರ್ವೇಶನ್ ಟು ರಿಪೋರ್ಟ್" ಮಾದರಿಯನ್ನು ("ಫಿಟ್ಟಿಂಗ್" ನಿಯಮದೊಂದಿಗೆ) ಬಳಸಿಕೊಂಡು ನಿಮ್ಮ ಕಚ್ಚಾ ಅವಲೋಕನಗಳನ್ನು ವರದಿಯನ್ನಾಗಿ ಮಾಡಿ. ನಂತರ "ಪುನರುತ್ಪಾದನೆ ಪರಿಶೀಲನೆ" ಅನ್ನು ನಿರ್ವಹಿಸಿ ಮತ್ತು ಗುರುತಿಸಲಾದ ಅಂತರವನ್ನು ಭರ್ತಿ ಮಾಡಿ. ವರದಿಯನ್ನು ಸಹೋದ್ಯೋಗಿಗೆ ನೀಡಿ ಮತ್ತು ನಿಮ್ಮ ಸಹಾಯವಿಲ್ಲದೆ ಅವರು ದೋಷವನ್ನು ಉಂಟುಮಾಡಬಹುದೇ ಎಂದು ನೋಡಿ. ಅಂತಿಮವಾಗಿ, "ಹಿಂಸೆ/ಆದ್ಯತೆಯ ಸಲಹೆಗಾರ" ನೊಂದಿಗೆ ಲೇಬಲ್‌ಗಳನ್ನು ನಿರ್ಧರಿಸಿ ಮತ್ತು ಅದನ್ನು ನಿಮ್ಮ ಸ್ವಂತ ವಿವೇಚನೆಯಿಂದ ಅಂತಿಮಗೊಳಿಸಿ. ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ AI ಮಾಡಲು ಪ್ರಯತ್ನಿಸುವ ಯಾವುದೇ ಮಾಹಿತಿಯನ್ನು ಗಮನಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನನ್ನ ಶೀರ್ಷಿಕೆ ನಿರ್ದಿಷ್ಟವಾಗಿದೆ ಮತ್ತು ಹುಡುಕಬಹುದಾಗಿದೆ.
• [ ] ಪುನರುತ್ಪಾದನೆಯ ಹಂತಗಳು ಮೊದಲಿನಿಂದಲೂ, ನಿರ್ಣಾಯಕ ಮತ್ತು ಸಂಪೂರ್ಣವಾಗಿವೆ.
• [ ] ನಾನು ನಿರೀಕ್ಷಿತ ಮತ್ತು ನಿಜವಾದ ಫಲಿತಾಂಶಗಳನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಬರೆದಿದ್ದೇನೆ.
• [ ] ಸೆಟ್ಟಿಂಗ್ ಮತ್ತು ಸಾಕ್ಷ್ಯದ ಮಾಹಿತಿಯು ಪೂರ್ಣಗೊಂಡಿದೆ; ನಾನು ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಮರೆಮಾಡಿದೆ.
• [ ] ನಾನು AI ಮೇಲೆ "ಮೇಕ್ ಇಟ್ ಅಪ್, ಮಾರ್ಕ್ ಮಿಸ್ಸಿಂಗ್" ನಿಯಮವನ್ನು ವಿಧಿಸಿದೆ ಮತ್ತು ಅಂತರವನ್ನು ನಾನೇ ತುಂಬಿದೆ.
• [ ] ನಾನು ತೀವ್ರತೆ ಮತ್ತು ಆದ್ಯತೆಯನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದೆ ಮತ್ತು ಅಂತಿಮ ನಿರ್ಧಾರವನ್ನು ಮಾಡಿದೆ.