കോഡ് അവലോകനവും പിശക് കണ്ടെത്തലും

നേട്ടങ്ങൾ:

• വിഭാഗങ്ങളും തീവ്രത ടാഗുകളും ഉള്ള ഒരു പ്രാരംഭ അവലോകന ഫിൽട്ടറായി AI ഉപയോഗിക്കാനുള്ള കഴിവ്
• സ്ഥിരീകരിക്കാൻ/തെറ്റായ പോസിറ്റീവ്/പ്രയോഗിക്കാൻ കണ്ടെത്തലുകൾ മനുഷ്യ മനസ്സുകൊണ്ട് ഫിൽട്ടർ ചെയ്യാനുള്ള കഴിവ്
• ബിസിനസ്സ് റൂൾ, ആർക്കിടെക്ചർ, സുരക്ഷാ-നിർണ്ണായക തീരുമാനങ്ങൾ എന്നിവയിൽ മനുഷ്യൻ്റെ അംഗീകാര ആവശ്യകതകൾ നടപ്പിലാക്കാനുള്ള കഴിവ്

ഒരു ഡെവലപ്പർ എഴുതിയ മാറ്റം ലയിപ്പിക്കുന്നതിന് മുമ്പ് മറ്റൊരാൾ അവലോകനം ചെയ്യുന്നതാണ് കോഡ് അവലോകനം. നല്ല അവലോകനം; ഇത് ബഗുകൾ നേരത്തെ പിടിക്കുകയും വിവരങ്ങൾ പങ്കിടുകയും കോഡ് ബേസ് സ്ഥിരത നിലനിർത്തുകയും ചെയ്യുന്നു. എന്നാൽ അവലോകനങ്ങൾ മടുപ്പിക്കുന്നതും ശ്രദ്ധ വ്യതിചലിപ്പിക്കാൻ സാധ്യതയുള്ളതും സമയ സമ്മർദത്തിൻ കീഴിൽ ഉപരിപ്ലവമായിത്തീരുന്നതുമാണ്. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഇവിടെ രണ്ട് മടങ്ങ് അസിസ്റ്റൻ്റാണ്: അവലോകനത്തിനായി സമർപ്പിക്കുന്ന നിങ്ങളുടെ സ്വന്തം കോഡ് മുൻകൂട്ടി വൃത്തിയാക്കാനും മറ്റൊരാളുടെ പിആർ (പുൾ റിക്വസ്റ്റ്) പരിശോധിക്കാനും ഇത് നിങ്ങളെ അനുവദിക്കുന്നു.

നിർണായകമായ വ്യത്യാസം ഇതാണ്: AI അവലോകനം വേഗത്തിലാക്കുകയും മെച്ചപ്പെടുത്തുകയും ചെയ്യുന്നു, എന്നാൽ അംഗീകാരത്തിനുള്ള ഉത്തരവാദിത്തം അതിന് ഏറ്റെടുക്കാൻ കഴിയില്ല. "AI ലുക്ക്, ഇറ്റ് ഈസ് ക്ലീൻ" എന്ന വാചകം ഒരു അംഗീകാരമല്ല. കോഡും സന്ദർഭവും അറിയാവുന്ന ഒരു എഞ്ചിനീയറാണ് അന്തിമ "ലയിപ്പിക്കൽ" തീരുമാനം.

അവലോകനത്തിൽ AI എന്താണ് നല്ലതും ചീത്തയുമായത്

ഇതിന് നല്ലതാണ്: നൾ ചെക്ക് മിസ്‌സ്, റിസോഴ്‌സ് ലീക്കുകൾ (ഫയൽ/ലിങ്ക് തുറന്നിരിക്കുന്നു), പിടികിട്ടാത്ത ഒഴിവാക്കലുകൾ, വ്യക്തമായും തെറ്റായ അവസ്ഥകൾ (>= എന്നതിന് പകരം), നിർദ്ദേശങ്ങളുടെ പുനർനാമകരണം, വായനാക്ഷമത, നഷ്‌ടമായ എഡ്ജ് കേസ്, ലളിതമായ സുരക്ഷാ ഗന്ധങ്ങൾ (SQL സ്ട്രിംഗ് കോൺകാറ്റനേഷൻ പോലെ), ഡ്യൂപ്ലിക്കേറ്റ് കോഡ് കണ്ടെത്തൽ.

ബലഹീനതകൾ: നിങ്ങളുടെ ബിസിനസ്സ് നിയമം ലംഘിക്കുന്ന, എന്നാൽ സന്ദർഭവും സമയവും ആവശ്യമായി വരുന്ന, വാക്യഘടനാപരമായി ശരിയായ യുക്തി, വാസ്തുവിദ്യാ അനുസരണ, യഥാർത്ഥ പ്രകടന തടസ്സങ്ങൾ, കൺകറൻസി പിശകുകൾ എന്നിവ പോലുള്ള ആഴത്തിലുള്ള പിഴവുകൾ. AI തെറ്റായ പോസിറ്റീവുകളും (യഥാർത്ഥത്തിൽ ഒരു പ്രശ്‌നത്തിന് പ്രശ്‌നമല്ലാത്ത എന്തെങ്കിലും തെറ്റിദ്ധരിപ്പിക്കുന്നു), തെറ്റായ നെഗറ്റീവുകളും (യഥാർത്ഥ ബഗ് നഷ്‌ടമായത്) സൃഷ്ടിക്കുന്നു. അതിനാൽ, അതിൻ്റെ ഔട്ട്പുട്ട് ഒരു "ജാഗ്രത പട്ടിക" ആണ്, ഒരു നിശ്ചിത വിധിയല്ല.

മുന്നറിയിപ്പ്: "പ്രശ്നമില്ല" എന്ന് AI പറയുന്നതുകൊണ്ട് കോഡ് ശരിയാണെന്ന് തെളിയിക്കുന്നില്ല. തെറ്റായ നെഗറ്റീവുകൾ നിശബ്ദമാണ്; അവലോകനത്തിൽ ഒരിക്കലും പരാമർശിക്കാത്തവയാണ് ഏറ്റവും അപകടകരമായ തെറ്റുകൾ.

ചിട്ടയായ അവലോകന ഘട്ടങ്ങൾ

1. സന്ദർഭം നൽകുക. മാറ്റത്തിൻ്റെ ഉദ്ദേശ്യം, പ്രസക്തമായ പ്രശ്നം, സ്വീകാര്യത മാനദണ്ഡം എന്നിവ ഉണ്ടെങ്കിൽ, പ്രോംപ്റ്റിലേക്ക് ചേർക്കുക. ഉദ്ദേശ്യരഹിതമായ അവലോകനം ഉദ്ദേശ്യരഹിതമായ വ്യാഖ്യാനം സൃഷ്ടിക്കുന്നു.
2. അതിനെ വിഭാഗങ്ങളായി വിഭജിക്കുക. കണ്ടെത്തലുകളെ "ബഗ്/സുരക്ഷ/പ്രകടനം/വായനക്ഷമത/ശൈലി" എന്ന് തരംതിരിക്കാൻ മോഡലിനോട് ആവശ്യപ്പെടുക; അതിനാൽ നിങ്ങൾ വിമർശനത്തെ ശബ്ദത്തിൽ നിന്ന് വേർതിരിക്കുന്നു.
3. ഒരു തീവ്രത ലേബൽ അഭ്യർത്ഥിക്കുക. ഓരോ കണ്ടെത്തലിനും "ഉയർന്ന/ഇടത്തരം/താഴ്ന്ന" റേറ്റിംഗ് നൽകുകയും "കാരണം", "ശുപാർശ ചെയ്‌ത തിരുത്തൽ" എന്നിവ ഉൾപ്പെടുത്തുകയും ചെയ്യുക.
4. നിങ്ങളുടെ സ്വന്തം കണ്ണുകൊണ്ട് ഇത് ഫിൽട്ടർ ചെയ്യുക. ഓരോ കണ്ടെത്തലും വിലയിരുത്തുക: ഇത് യഥാർത്ഥമാണോ (പരിശോധിക്കുക), തെറ്റായ പോസിറ്റീവാണോ (നീതീകരണം എഴുതുക), എന്തെങ്കിലും നഷ്ടപ്പെട്ടിട്ടുണ്ടോ (നിങ്ങളുടെ സ്വന്തം അറിവ് ചേർക്കുക).
5. നിർണായക പാതകൾ സ്വമേധയാ പരിശോധിക്കുക. AI-യെ ആശ്രയിക്കാതെ തന്നെ പണം, ഐഡൻ്റിറ്റി, അംഗീകാരം, ഡാറ്റ ഇല്ലാതാക്കൽ എന്നിവ ഉൾപ്പെടുന്ന റൂട്ടുകൾ വായിക്കുകയും നടപ്പിലാക്കുകയും ചെയ്യുക.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - സൈലൻ്റ് നൾ പിശക് പിടികൂടി. ഒരു ടീമിന് 380-ലൈൻ പിആർ AI പ്രീ-റിവ്യൂ ഉണ്ടായിരുന്നു. ഒരു ബാഹ്യ സേവന പ്രതികരണം അസാധുവാകുന്ന രീതി മോഡൽ ഫ്ലാഗുചെയ്‌തു, എന്നാൽ കോഡിൽ ഇതിനായി പരിശോധനകളൊന്നും നടത്തിയില്ല. ഹ്യൂമൻ റിവ്യൂവർ ഈ പാത പരിശോധിച്ച് ഒരു ശൂന്യമായ പരിശോധന ചേർത്തു; സമാനമായ പിഴവ് കഴിഞ്ഞ പാദത്തിൽ ഉൽപ്പാദനത്തിൽ 2 മണിക്കൂർ തടസ്സമുണ്ടാക്കി.

കേസ് 2 - തെറ്റായ പോസിറ്റീവ് ഉന്മൂലനം. AI ഒരു ലൂപ്പിൽ "സാധ്യമായ പ്രകടന പ്രശ്നം" ഫ്ലാഗ് ചെയ്തു. പരമാവധി 5 ഘടകങ്ങളിൽ മാത്രമേ ലൂപ്പ് പ്രവർത്തിക്കൂ (ഇത് ഒരു enum-ന് മുകളിലൂടെ ലൂപ്പ് ചെയ്യുന്നു) എന്നറിഞ്ഞുകൊണ്ട് നിരൂപകൻ ഇത് തെറ്റായ പോസിറ്റീവ് ആയി അടച്ചു. സന്ദർഭം അറിയാത്ത മോഡൽ മുന്നറിയിപ്പ് നൽകി; സന്ദർഭം അറിയാവുന്ന ആൾ ശരിയായ തീരുമാനമെടുത്തു.

കേസ് 3 - AI നഷ്‌ടമായ ബിസിനസ്സ് റൂൾ പിശക്. ഒരു കിഴിവ് അക്കൗണ്ട് പ്രചാരണ നിയമം അനുസരിച്ച് പരമാവധി 30% ആയിരിക്കണം, കോഡ് അനുവദിച്ചത് 50% ആണ്. ഈ വാക്യഘടനാപരമായി തികഞ്ഞ ലോജിക്കൽ പിശക് AI ഒരിക്കലും ശ്രദ്ധിച്ചിട്ടില്ല; കാരണം അവന് ഭരണം അറിയില്ലായിരുന്നു. സ്വീകാര്യത മാനദണ്ഡം അറിയാവുന്ന ഉൽപ്പന്ന ഉടമയുടെ അവലോകനത്തിൽ ബഗ് പിടിക്കപ്പെട്ടു. പാഠം: ബിസിനസ് റൂൾ മൂല്യനിർണ്ണയം ഒരു മനുഷ്യ ജോലിയാണ്.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

ഉദ്ദേശ്യ-അധിഷ്ഠിത, തരംതിരിച്ച അവലോകനം:

റോൾ: സൂക്ഷ്മമായ കോഡ് അവലോകനം ചെയ്യുന്നയാൾ. മാറ്റത്തിൻ്റെ ഉദ്ദേശം: {{purpose / issue}}ഈ വ്യത്യാസം അവലോകനം ചെയ്യുക. ഈ വിഭാഗങ്ങളിൽ കണ്ടെത്തലുകൾ നൽകുക: [ബഗ്] [സുരക്ഷ] [പ്രകടനം] [വായനക്ഷമത] [സ്റ്റൈൽ]. ഓരോ കണ്ടെത്തലിനും: ഫയൽ:വരി, തീവ്രത(ഉയർന്ന/ഇടത്തരം/താഴ്ന്ന), കാരണം, ശുപാർശ ചെയ്യപ്പെടുന്ന പരിഹാരം. നിങ്ങൾക്ക് ഉറപ്പില്ലെങ്കിൽ "സാധ്യം" എന്ന് അടയാളപ്പെടുത്തുക. നിങ്ങൾക്ക് ബിസിനസ്സ് നിയമങ്ങൾ അറിയില്ല; നിയമങ്ങൾ ആവശ്യമുള്ള സ്ഥലങ്ങളെക്കുറിച്ച് എന്നോട് ചോദിക്കൂ.{{diff}}

നിങ്ങളുടെ സ്വന്തം കോഡ് അവലോകനം ചെയ്യാൻ തയ്യാറെടുക്കാൻ:

ഒരു PR തുറക്കുന്നതിന് മുമ്പ് ഈ മാറ്റം അവലോകനം ചെയ്യുക. ഇതിനായി തിരയുക: നൾ/ബഗ് ചെക്ക്, റിസോഴ്‌സ് ലീക്ക്, എഡ്ജ് കെയ്‌സ്, രഹസ്യം, പരിശോധിക്കാത്ത ബ്രാഞ്ച് നഷ്‌ടമായി. കണ്ടെത്തലുകൾ മുൻഗണനാ ക്രമത്തിൽ പട്ടികപ്പെടുത്തുക; ഓരോന്നിനും 1 വരി തിരുത്താൻ നിർദ്ദേശിക്കുക.{{code}}

എഡ്ജ് കേസ് വേട്ട:

ഈ ഫംഗ്‌ഷൻ തകരാറിലായേക്കാവുന്ന ഇൻപുട്ടുകളും സാഹചര്യങ്ങളും ലിസ്റ്റുചെയ്യുക: ശൂന്യമായ, അസാധുവായ, വളരെ വലുത്, നെഗറ്റീവ്, കൺകറൻ്റ് കോൾ, നെറ്റ്‌വർക്ക് പിശക്, ഭാഗിക ഡാറ്റ. ഓരോ കേസിനും, പ്രതീക്ഷിക്കുന്ന സ്വഭാവവും നിലവിലെ കോഡ് എന്ത് ചെയ്യും എന്ന് എഴുതുക.{{function}}

സുരക്ഷാ സുഗന്ധ സ്കാനിംഗ് (പ്രീ-സ്ക്രീനിംഗ്):

ഈ കോഡിലെ പൊതുവായ സുരക്ഷാ ഗന്ധങ്ങൾക്കായി തിരയുക: SQL/കമാൻഡ് കോൺകാറ്റനേഷൻ, അസാധുവായ ഇൻപുട്ട്, മാറ്റമില്ലാത്ത ഉൾച്ചേർത്ത രഹസ്യം, സുരക്ഷിതമല്ലാത്ത ഡീസിയലൈസ്, പ്രത്യേകാവകാശ പരിശോധനയുടെ അഭാവം. കണ്ടെത്തലുകളെ "ചില / സാധ്യതയുള്ള / അറിവ്" എന്ന് വേർതിരിക്കുക. ഇതൊരു പ്രാഥമിക സ്ക്രീനിംഗ് ആണ്; അതൊരു നിർണായക വിധിയല്ല.{{code}}

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലൻ: "ഈ PR-ൽ ഒരു തെറ്റ് ഉണ്ടോ?"

ശക്തമായത്: "ഉദ്ദേശ്യം: കാർട്ട് മൊത്തത്തിൽ കൂപ്പൺ കിഴിവ് ചേർക്കുക (കിഴിവ് 30% ൽ കൂടുതലാകരുത് - നിങ്ങൾക്ക് ഈ നിയമം സ്വയം പരിശോധിക്കാൻ കഴിയില്ല, കോഡ് ഒരു ഉയർന്ന പരിധി ഏർപ്പെടുത്തുന്നുണ്ടോ എന്ന് എന്നോട് പറയൂ). വ്യത്യാസം പരിശോധിക്കുക; വിഭാഗം + തീവ്രത + നിർദ്ദേശിച്ച തിരുത്തൽ പ്രകാരം കണ്ടെത്തലുകൾ നൽകുക, ഉറപ്പില്ലെങ്കിൽ 'സാധ്യമാണ്' എന്ന് അടയാളപ്പെടുത്തുക.

ശക്തമായ പതിപ്പ് AI-യുടെ ഉദ്ദേശ്യം, ബിസിനസ്സ് നിയമം, അതിർത്തി എന്നിവ വ്യക്തമായി പ്രസ്താവിക്കുന്നു; അങ്ങനെ, ഉപയോഗപ്രദമായ കണ്ടെത്തലുകൾ വരുന്നു, മോഡലിന് അജ്ഞാതമായ പ്രദേശം വ്യക്തമാണ്.

തരം കണ്ടെത്തുന്നു

AI വിശ്വാസ്യത

മനുഷ്യൻ്റെ പങ്ക്

അസാധുവായ/പിശക് പരിശോധന കാണുന്നില്ല

ഉയർന്നത്

പരിശോധിച്ച് അപേക്ഷിക്കുക

വായനാക്ഷമത/ശൈലി

ഉയർന്നത്

മുൻഗണന പ്രകാരം തിരഞ്ഞെടുക്കുക

ലളിതമായ സുരക്ഷാ മണം

ഇടത്തരം

അന്തിമമാക്കുക, വാഹനം ഉപയോഗിച്ച് സ്കാൻ ചെയ്യുക

ബിസിനസ്സ് നിയമങ്ങൾ പാലിക്കൽ

താഴ്ന്ന

അത് പൂർണ്ണമായും മനുഷ്യനാണ്.

കൺകറൻസി/വാസ്തുവിദ്യ

താഴ്ന്ന

വിദഗ്ധ അവലോകനം ആവശ്യമാണ്

AI അവലോകനം മനുഷ്യ അവലോകനത്തിന് പകരമല്ല

AI അവലോകനം "ആദ്യ ഫിൽട്ടർ" ആയി സ്ഥാപിക്കുക: വിലകുറഞ്ഞതും വേഗതയേറിയതും ക്ഷീണമില്ലാത്തതുമായ പ്രാഥമിക പാസ്. ഈ ഫിൽട്ടർ മനുഷ്യ നിരൂപകൻ്റെ ശ്രദ്ധ അപ്രധാനമായ വിശദാംശങ്ങളിൽ നിന്ന് (ഒരു സ്ഥലം, ഒരു പേര്) മോചിപ്പിക്കുകയും ബിസിനസ്സ് നിയമം, വാസ്തുവിദ്യ, സുരക്ഷാ ഫലം എന്നിവയെക്കുറിച്ച് ശരിക്കും ചിന്ത ആവശ്യമുള്ള സ്ഥലങ്ങളിലേക്ക് നയിക്കുകയും ചെയ്യുന്നു. എന്നാൽ ലയന അംഗീകാരം എന്നത് ടീമിലെ ഉത്തരവാദിത്തമുള്ള ഒരു വ്യക്തിയുടെ ഒപ്പാണ്. സുരക്ഷാ-നിർണ്ണായക മാറ്റങ്ങൾക്ക് യോഗ്യതയുള്ള ഒരു എഞ്ചിനീയറുടെയെങ്കിലും സ്വതന്ത്ര അവലോകനം നിർബന്ധമാണ്.

നുറുങ്ങ്: "ചെയ്യേണ്ടവ" എന്നതിലുപരി "പരിശോധിക്കേണ്ട കാര്യങ്ങൾ" എന്ന നിലയിൽ AI നിർമ്മിക്കുന്ന കണ്ടെത്തലുകളുടെ ലിസ്റ്റ് വായിക്കുക. ഒന്നുകിൽ ഓരോ ഇനവും പരിശോധിച്ച് പ്രയോഗിക്കുക അല്ലെങ്കിൽ എന്തുകൊണ്ടാണ് നിങ്ങൾ അത് പാസാക്കിയതെന്ന് ഒരു വാചകത്തിൽ എഴുതുക; ഈ ട്രെയ്സ് അവലോകനത്തെ ഓഡിറ്റബിൾ ആക്കുന്നു.

സാധാരണ തെറ്റുകൾ

• അതിനർത്ഥം "AI നോക്കി, അത് വൃത്തിയുള്ളതാണ്" എന്നാണ്. തെറ്റായ നിഷേധങ്ങൾ കാരണം ഇത് തെറ്റായ ആത്മവിശ്വാസമാണ്.
• സന്ദർഭം നൽകുന്നില്ല. ഉദ്ദേശ്യവും സ്വീകാര്യത മാനദണ്ഡവുമില്ലാതെ, മോഡൽ ഉപരിപ്ലവമായ ശൈലി വ്യാഖ്യാനങ്ങൾ മാത്രമേ നിർമ്മിക്കൂ.
• അന്ധമായി തെറ്റായ പോസിറ്റീവുകൾ പ്രയോഗിക്കുന്നു. മോഡലിൻ്റെ എല്ലാ മുന്നറിയിപ്പുകളും ശരിയാക്കുന്നത് റണ്ണിംഗ് കോഡ് തകർക്കും.
• ബിസിനസ് റൂളിനെക്കുറിച്ച് മോഡലിനോട് ചോദിക്കുന്നു. മാതൃകയ്ക്ക് ഭരണം അറിയില്ല; അത് പരിശോധിക്കേണ്ടത് മനുഷ്യനാണ്.
• അക്രമത്തോട് വിവേചനം കാണിക്കരുത്. നിർണായകമായ ഒരു സുരക്ഷാ കണ്ടെത്തലും ഒരു പേര് നിർദ്ദേശവും ഒരേ ബാഗിൽ ഇടുന്നത് പ്രധാനപ്പെട്ടവയെ മറയ്ക്കുന്നു.

ചുരുക്കത്തിൽ

കോഡ് അവലോകനത്തിലെ തളരാത്ത ആദ്യ ഫിൽട്ടറാണ് AI: ഇത് നൾ/എറർ മിസ്സുകൾ, എഡ്ജ് കേസുകൾ, ലളിതമായ സുരക്ഷാ മണം എന്നിവ പിടിക്കുന്നു; എന്നാൽ ബിസിനസ് റൂൾ, ആർക്കിടെക്ചർ, കൺകറൻസി തുടങ്ങിയ സന്ദർഭ-ആവശ്യമായ ന്യൂനതകളിൽ ഇത് ദുർബലമാണ്, കൂടാതെ തെറ്റായ പോസിറ്റീവുകളും തെറ്റായ നെഗറ്റീവുകളും സൃഷ്ടിക്കുന്നു. വിഭാഗവും കാഠിന്യവും അനുസരിച്ച് കണ്ടെത്തലുകൾ അഭ്യർത്ഥിക്കുക, മനുഷ്യൻ്റെ ബുദ്ധി ഉപയോഗിച്ച് ഓരോന്നും ഫിൽട്ടർ ചെയ്യുക, നിർണായക പാതകൾ നേരിട്ട് പരിശോധിക്കുക. അംഗീകാരം എപ്പോഴും ഉത്തരവാദിത്തമുള്ള ഒരു എഞ്ചിനീയറുടെ ഒപ്പാണ്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

യഥാർത്ഥമോ സമീപകാലമോ ആയ PR/diff തിരഞ്ഞെടുക്കുക. ആദ്യം, "ഒബ്ജക്റ്റീവ്-ഓറിയൻ്റഡ്, കാറ്റഗറി റിവ്യൂ" ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് AI അത് അവലോകനം ചെയ്യുക. കണ്ടെത്തലുകൾ ഒരു പട്ടികയിലാക്കി ഓരോന്നിനും തീരുമാനിക്കുക: ശരി (ഞാൻ പരിശോധിച്ചുറപ്പിച്ചു), തെറ്റായ പോസിറ്റീവ് (എൻ്റെ ന്യായവാദം ഇതാ), അല്ലെങ്കിൽ നടപ്പിലാക്കണം. എന്നിട്ട് സ്വയം ഒരു ടൂർ നടത്തുക, AI നഷ്‌ടമായ ഒരു കാര്യമെങ്കിലും (പ്രത്യേകിച്ച് ഒരു ബിസിനസ്സ് റൂൾ അല്ലെങ്കിൽ എഡ്ജ് കേസ്) കണ്ടെത്തി അത് എഴുതാൻ ശ്രമിക്കുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ AI അവലോകനം ഒരു ആദ്യ ഫിൽട്ടറായാണ് ഉപയോഗിക്കുന്നത്, ഒരു അംഗീകാരമല്ല.
• [ ] റിവ്യൂ പ്രോംപ്റ്റിലേക്ക് ഞാൻ ഉദ്ദേശ്യവും സ്വീകാര്യത മാനദണ്ഡവും ചേർക്കുന്നു.
• [ ] ഞാൻ കണ്ടെത്തലുകളെ നോയ്‌സിൽ നിന്ന് തരം തിരിച്ച് വേർതിരിക്കുകയും അവ ശക്തമായി ആവശ്യപ്പെടുകയും ചെയ്യുന്നു.
• [ ] സ്ഥിരീകരിക്കാൻ/തെറ്റായ പോസിറ്റീവ്/അപേക്ഷിക്കാൻ ഓരോ കണ്ടെത്തലും ഞാൻ ബോധപൂർവ്വം ഫിൽട്ടർ ചെയ്യുന്നു.
• [ ] ഒരു മനുഷ്യനെന്ന നിലയിൽ, ഞാൻ ബിസിനസ്സ് നിയമവും വാസ്തുവിദ്യാ പാലിക്കലും പരിശോധിക്കുന്നു.
• [ ] സുരക്ഷാ-നിർണ്ണായക മാറ്റങ്ങൾക്ക് എനിക്ക് യോഗ്യതയുള്ള ഒരു എഞ്ചിനീയറുടെ അനുമതി ആവശ്യമാണ്.