ആവശ്യകതകൾ വിശകലനവും സോഫ്റ്റ്വെയർ ഡിസൈനും

നേട്ടങ്ങൾ:

• അവ്യക്തമായ ബിസിനസ്സ് അഭ്യർത്ഥനകളെ വ്യക്തവും പരീക്ഷിക്കാവുന്നതുമായ സോഫ്റ്റ്‌വെയർ ആവശ്യകതകളിലേക്കും AI പിന്തുണയുള്ള ഉപയോക്തൃ സ്റ്റോറികളിലേക്കും മാറ്റാനുള്ള കഴിവ്
• സിസ്റ്റം ഡിസൈൻ, ഡാറ്റ മോഡൽ, വാസ്തുവിദ്യാ തീരുമാനങ്ങൾ എന്നിവയുടെ ഗുണദോഷങ്ങൾ ഘടനാപരമായ രീതിയിൽ AI-യുമായി താരതമ്യം ചെയ്യാനുള്ള കഴിവ്
• ആവശ്യകതകൾ, സ്കേലബിളിറ്റി, നിയന്ത്രണങ്ങൾ എന്നിവയ്‌ക്കെതിരെ AI-യുടെ നിർദ്ദേശിത രൂപകൽപ്പനയെ വിമർശനാത്മകമായി സാധൂകരിക്കാനുള്ള കഴിവ്

ഭൂരിഭാഗം സോഫ്‌റ്റ്‌വെയർ പ്രോജക്‌റ്റുകളും പരാജയപ്പെടുന്നത് മോശം കോഡ് കാരണമല്ല, മറിച്ച് ആവശ്യകതകൾ തെറ്റിദ്ധരിച്ചതിനാലാണ്. "ഉപയോക്താക്കൾക്ക് റിപ്പോർട്ടുകൾ ഡൗൺലോഡ് ചെയ്യാൻ അനുവദിക്കുക" എന്നതുപോലുള്ള ഒരു വാചക അഭ്യർത്ഥന ഉത്തരം ലഭിക്കാത്ത ഡസൻ കണക്കിന് ചോദ്യങ്ങൾ അവശേഷിക്കുന്നു: ഏത് ഫോർമാറ്റിലാണ്? ആരാണ് ചുമതല? എത്ര റെക്കോർഡുകൾ? മന്ദഗതിയിലായാലോ? ആവശ്യകതകൾ വിശകലനം (വ്യക്തവും പരീക്ഷിക്കാവുന്നതുമായ സാങ്കേതിക ആവശ്യങ്ങളിലേക്ക് ഒരു ബിസിനസ്സ് അഭ്യർത്ഥന വിവർത്തനം ചെയ്യുക), സോഫ്റ്റ്വെയർ ഡിസൈൻ (ഈ ആവശ്യങ്ങൾ നിറവേറ്റുന്നതിനായി കടലാസിൽ ഘടന നിർമ്മിക്കുക) എന്നിവയാണ് കോഡ് എഴുതുന്നതിന് മുമ്പ് ഏറ്റവും ചെലവേറിയ തെറ്റുകൾ തടയുന്ന ഘട്ടം. ഈ യൂണിറ്റിൽ, ഈ ഘട്ടത്തിൽ AI ഒരു "ചിന്താപങ്കാളി" ആയി ഉപയോഗിക്കാൻ ഞങ്ങൾ പഠിക്കും: അനിശ്ചിതത്വം ഇല്ലാതാക്കുന്ന ഒരു പങ്കാളി, ഓപ്ഷനുകൾ അടുക്കുന്നു, എന്നാൽ അന്തിമ തീരുമാനം നിങ്ങൾക്ക് വിട്ടുകൊടുക്കുന്നു.

AI ഇവിടെ രണ്ട് വലിയ മൂല്യങ്ങൾ നിർമ്മിക്കുന്നു. ആദ്യം, നിങ്ങൾ ഒഴിവാക്കുന്ന ചോദ്യങ്ങൾ ഇത് ചോദിക്കുന്നു; ഒരു അഭ്യർത്ഥനയിലെ മറഞ്ഞിരിക്കുന്ന അനുമാനങ്ങളും എഡ്ജ് കേസുകളും ഇത് ഉപരിതലത്തിലേക്ക് കൊണ്ടുവരുന്നു. രണ്ടാമതായി, ഇത് ഒരു ഡിസൈൻ തീരുമാനത്തിൻ്റെ ഗുണദോഷങ്ങൾ വേഗത്തിൽ പട്ടികപ്പെടുത്തുന്നു. എന്നാൽ അത് അപകടമാണ്: നിങ്ങളുടെ സന്ദർഭം (ബജറ്റ്, ടീം, നിലവിലുള്ള സിസ്റ്റം, നിയമപരമായ നിയന്ത്രണം) പൂർണ്ണമായി അറിയാതെ തന്നെ AI "മികച്ച സമ്പ്രദായം" എന്ന നിലയിൽ പൊതുവായ ശുപാർശകൾ നൽകും. നിങ്ങളുടെ സ്വന്തം സത്യത്തിനെതിരെ ഈ ഉപദേശം ഫിൽട്ടർ ചെയ്യുക എന്നത് നിങ്ങളുടെ ജോലിയാണ്.

ആശയങ്ങൾ: ഉപയോക്തൃ സ്റ്റോറി: "... പോലെ, എനിക്ക് കഴിയണം... കാരണം..." എന്ന രൂപത്തിൽ ആവശ്യം പ്രകടിപ്പിക്കുന്ന ഒരു ചെറിയ വാചകം. സ്വീകാര്യത മാനദണ്ഡം: ഒരു ജോലി "പൂർത്തിയായി" എന്ന് കണക്കാക്കുന്നതിന് പരിശോധിക്കാവുന്ന വ്യവസ്ഥകൾ പാലിക്കേണ്ടതുണ്ട്. പ്രവർത്തനരഹിതമായ ആവശ്യകത: വേഗത, സുരക്ഷ, സ്കേലബിളിറ്റി പോലെയുള്ള "അത് എന്ത് ചെയ്യും" എന്നതിലുപരി "അത് എങ്ങനെ പ്രവർത്തിക്കും" എന്നതുമായി ബന്ധപ്പെട്ട ആവശ്യകതകൾ.

അവ്യക്തമായ അഭ്യർത്ഥന മുതൽ പരിശോധിക്കാവുന്ന ആവശ്യകത വരെ

ഒരു നല്ല ആവശ്യകത അളക്കാവുന്നതും പരിശോധിക്കാവുന്നതുമാണ്. "സിസ്റ്റം വേഗത്തിലാകട്ടെ" എന്നല്ല, "തിരയൽ ഫലങ്ങൾ 500 എംഎസിനുള്ളിൽ തിരികെ വരട്ടെ". അനിശ്ചിതത്വം കുറയ്ക്കുന്നതിന് AI ഉപയോഗിക്കുന്നതിനുള്ള ഒരു ഘട്ടം ഘട്ടമായുള്ള മാർഗം ഇതാ:

1. അഭ്യർത്ഥന അതേപടി നൽകുകയും ചോദ്യം ജനറേറ്റ് ചെയ്യുകയും ചെയ്യുക. AI യോട് പരിഹാരത്തിനായി ആവശ്യപ്പെടുകയല്ല, ആദ്യം "ഈ അഭ്യർത്ഥനയിൽ വ്യക്തമല്ലാത്ത എന്തെങ്കിലും ഒരു ചോദ്യമായി പട്ടികപ്പെടുത്തുക."
2. നിങ്ങൾ ഉത്തരങ്ങൾ തരൂ. സന്ദർഭം നിങ്ങൾക്ക് മാത്രമേ അറിയൂ; നിങ്ങളുടെ യഥാർത്ഥ ബിസിനസ്സ് പരിമിതികൾ ഉപയോഗിച്ച് AI-യുടെ ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകുക.
3. ഉപയോക്തൃ സ്റ്റോറികളിലേക്കും സ്വീകാര്യത മാനദണ്ഡങ്ങളിലേക്കും ഇത് വിവർത്തനം ചെയ്യുക. വ്യക്തമാക്കിയ ആവശ്യകതയെ പരീക്ഷിക്കാവുന്ന ഇനങ്ങളിലേക്ക് വിവർത്തനം ചെയ്യുക.
4. എഡ്ജ് കേസുകളും നെഗറ്റീവ് സാഹചര്യങ്ങളും ചേർക്കുക. "ശൂന്യമായ ഫലം", "അനധികൃത ഉപയോക്താവ്", "വളരെ വലിയ ഫയൽ" തുടങ്ങിയവ.

അവ്യക്തത എക്‌സ്‌ട്രാക്ഷൻ പ്രോംപ്റ്റ്: "ഞങ്ങൾ ഇനിപ്പറയുന്ന ബിസിനസ്സ് അഭ്യർത്ഥന ഒരു സോഫ്‌റ്റ്‌വെയർ ആവശ്യകതയിലേക്ക് വിവർത്തനം ചെയ്യും. ഇതുവരെ ഒരു പരിഹാരം നിർദ്ദേശിക്കരുത്. ആദ്യം, ഈ അഭ്യർത്ഥനയിൽ ഉത്തരം നൽകാത്ത എല്ലാ അവ്യക്തതകളും മറഞ്ഞിരിക്കുന്ന അനുമാനങ്ങളും ചോദ്യങ്ങളുടെ പട്ടികയായി എക്‌സ്‌ട്രാക്റ്റുചെയ്യുക. ഇനിപ്പറയുന്ന തലക്കെട്ടുകൾക്ക് കീഴിൽ ചോദ്യങ്ങൾ ഗ്രൂപ്പുചെയ്യുക: സ്കോപ്പ്, ഉപയോക്താവ്/അതോറിറ്റി, ഡാറ്റ വോളിയം, പ്രകടനം, പിശക് വ്യവസ്ഥകൾ, സുരക്ഷാ ഡൗൺലോഡ് വ്യവസ്ഥകൾ റിപ്പോർട്ട് ചെയ്യുക.

ഉപയോക്തൃ സ്റ്റോറി + സ്വീകാര്യത മാനദണ്ഡം പ്രോംപ്റ്റ്: "ഇനിപ്പറയുന്ന വ്യക്തമാക്കിയ ആവശ്യത്തെ ഇൻവെസ്റ്റ് തത്വങ്ങൾ പാലിക്കുന്ന ഉപയോക്തൃ സ്റ്റോറികളായി വിഭജിക്കുക. ഓരോ സ്റ്റോറിക്കും 3-5 ടെസ്റ്റ് ചെയ്യാവുന്ന സ്വീകാര്യത മാനദണ്ഡങ്ങൾ എഴുതുക (എപ്പോൾ-അപ്പോൾ-അപ്പോൾ ഫോർമാറ്റിൽ). കുറഞ്ഞത് 2 നെഗറ്റീവ് സാഹചര്യങ്ങളെങ്കിലും ചേർക്കുക (അനധികൃത ആക്സസ്, ശൂന്യമായ ഡാറ്റ) ആവശ്യമാണ്: [ഇവിടെ]

AI-യുമായി ഡിസൈൻ തീരുമാനങ്ങൾ താരതമ്യം ചെയ്യുന്നു

ഡിസൈൻ എന്നത് ഒരു സ്ഥിരമായ ട്രേഡ്-ഓഫാണ്: വേഗതയും വഴക്കവും, ലാളിത്യവും സ്കേലബിളിറ്റിയും? AI ഈ ട്രേഡ് ഓഫുകൾ ഒരു ദ്രുത സ്‌പ്രെഡ്‌ഷീറ്റിലേക്ക് മാറ്റുന്നു. ഉദാഹരണത്തിന്, ഒരു "അറിയിപ്പ് അയയ്‌ക്കുക" സവിശേഷതയ്‌ക്കായി, ഒരു സിൻക്രണസ് (അഭ്യർത്ഥന പ്രകാരം അയയ്‌ക്കുക) അല്ലെങ്കിൽ അസിൻക്രണസ് (ക്യൂ, പശ്ചാത്തലത്തിൽ അയയ്‌ക്കുക) സമീപനം ഉപയോഗിക്കണോ എന്ന് നിങ്ങൾക്ക് ചർച്ച ചെയ്യാം.

ഡിസൈൻ താരതമ്യ നിർദ്ദേശം: "ഞാൻ ഒരു 'ഉപയോക്താവിന് ഇമെയിൽ അറിയിപ്പ് അയയ്‌ക്കുക' ഫീച്ചർ രൂപകൽപ്പന ചെയ്യുന്നു. രണ്ട് സമീപനങ്ങളും താരതമ്യം ചെയ്യുക: (എ) HTTP അഭ്യർത്ഥന സമയത്ത് സിൻക്രണസ് ഡെലിവറി, (B) സന്ദേശ ക്യൂവിൽ ഇടുന്നതിലൂടെ പശ്ചാത്തലത്തിൽ അസമന്വിത ഡെലിവറി. ഇനിപ്പറയുന്ന അക്ഷങ്ങളിൽ ഒരു പട്ടിക ഉണ്ടാക്കുക: ഉപയോക്തൃ കാത്തിരിപ്പ് സമയം, പിഴവ്, സഹിഷ്ണുത, സങ്കീർണ്ണത. 2 വാക്യങ്ങളിൽ സംഗ്രഹിക്കുക.

അച്ചുതണ്ട്

സിൻക്രണസ് ട്രാൻസ്മിഷൻ

അസിൻക്രണസ് (ക്യൂ)

ഉപയോക്തൃ കാത്തിരിപ്പ് സമയം

നീണ്ട (കയറ്റുമതിക്കായി കാത്തിരിക്കുന്നു)

ഹ്രസ്വ (ഉടൻ മടങ്ങിയെത്തുന്നു)

തെറ്റ് സഹിഷ്ണുത

താഴ്ന്നത് (അയക്കുക പൊട്ടിത്തെറിച്ചാൽ അഭ്യർത്ഥന പൊട്ടിത്തെറിക്കും)

ഉയർന്നത് (വീണ്ടും ശ്രമിക്കുക സാധ്യമാണ്)

സങ്കീർണ്ണത

താഴ്ന്ന

ഇടത്തരം-ഉയരം (ക്യൂ ഇൻഫ്രാസ്ട്രക്ചർ)

അടിസ്ഥാന സൗകര്യ ചെലവ്

താഴ്ന്ന

അധിക ഘടകങ്ങൾ ആവശ്യമാണ്

എവിടെയാണ് യോജിക്കുന്നത്

കുറഞ്ഞ വോളിയം, ലളിതമായ ആപ്ലിക്കേഷൻ

ഉയർന്ന വോളിയം, ക്രിട്ടിക്കൽ ഡെലിവറി

നുറുങ്ങ്: AI യോട് “എനിക്കുവേണ്ടി തീരുമാനമെടുക്കരുത്, ഓപ്ഷനുകളും വ്യവസ്ഥകളും കാണിക്കൂ” എന്ന് പറയുന്നത് നിങ്ങളെ ചിന്തിക്കാൻ പ്രേരിപ്പിക്കുകയും ഒരു നിർദ്ദേശം അന്ധമായി സ്വീകരിക്കുന്നതിനുള്ള സാധ്യത കുറയ്ക്കുകയും ചെയ്യുന്നു. നിങ്ങളുടെ സന്ദർഭം (നിങ്ങൾ) അറിയുന്ന വ്യക്തി എടുത്തതാണ് മികച്ച ഡിസൈൻ തീരുമാനം.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായത്: "ഓർഡർ സിസ്റ്റത്തിനായി ഒരു ഡാറ്റാബേസ് രൂപകൽപ്പന ചെയ്യുക." (ഫലം: ഏത് സ്കെയിൽ, ഏത് ബന്ധങ്ങൾ, ഏത് നിയന്ത്രണങ്ങൾ വ്യക്തമല്ല; പൊതുവായ, യാഥാർത്ഥ്യബോധമില്ലാത്ത ഒരു സ്കീം.) STRONG: "ഒരു ചെറിയ ഇ-കൊമേഴ്‌സിനായി ഒരു ഡ്രാഫ്റ്റ് ഡാറ്റ മോഡൽ നിർദ്ദേശിക്കുക. സ്ഥാപനങ്ങൾ: ഉപഭോക്താവ്, ഓർഡർ, ഉൽപ്പന്നം, ഓർഡർ ഇനം. നിയന്ത്രണങ്ങൾ: ഒരു ഓർഡറിൽ നിരവധി ഉൽപ്പന്നങ്ങൾ ഉണ്ടാകാം; ഉൽപ്പന്ന വില 0 കഴിഞ്ഞ കാലത്തിനനുസരിച്ച് മാറിയേക്കാം; ഓർഡർ 0 ന് മുമ്പായി ഉൽപ്പന്ന വില മാറിയേക്കാം. ദിവസേനയുള്ള ഓർഡറുകൾ പ്രതീക്ഷിക്കുന്നു, എന്തുകൊണ്ടാണ് അത് "നിങ്ങൾ തീരുമാനമെടുത്തത് എന്ന് വിശദീകരിക്കുക. വില ചരിത്ര പ്രശ്നം നിങ്ങൾ എങ്ങനെ പരിഹരിച്ചുവെന്ന് വ്യക്തമാക്കുക. ഇത് എൻ്റിറ്റികളുടെയും ഫീൽഡുകളുടെയും ഒരു ലിസ്റ്റായി നൽകുക, കോഡല്ല."

ശക്തമായ ഒരു പ്രോംപ്റ്റിൻ്റെ വ്യത്യാസം; സ്കെയിൽ (പ്രതിദിനം 500 ഓർഡറുകൾ), ബിസിനസ് റൂൾ (കഴിഞ്ഞ വില നിലനിർത്തണം) കൂടാതെ ആവശ്യമുള്ള ഔട്ട്പുട്ട് ഫോർമാറ്റ്. "കഴിഞ്ഞ വില നിലനിർത്തണം" എന്ന ഒറ്റ വാചകം ഡിസൈൻ പൂർണ്ണമായും മാറ്റുന്നു; നിങ്ങൾ ഇത് വ്യക്തമാക്കിയില്ലെങ്കിൽ, കൃത്യമല്ലാത്തതും എന്നാൽ വിശ്വസനീയവുമായ ഒരു ഡയഗ്രം AI നിർമ്മിക്കും.

മിനി കേസുകൾ

കേസ് 1 - മറഞ്ഞിരിക്കുന്ന അനുമാനം. "ഉപയോക്താവിന് പ്രൊഫൈൽ ഫോട്ടോ അപ്‌ലോഡ് ചെയ്യാം" എന്ന അഭ്യർത്ഥന ഒരു ടീം നേരിട്ട് കോഡ് ചെയ്യുന്നു. മറ്റൊരു ടീം അനിശ്ചിതത്വത്തെക്കുറിച്ച് AI-യോട് ചോദിച്ചു: "പരമാവധി വലുപ്പമോ? അനുവദനീയമായ ഫോർമാറ്റുകളോ? അനുചിതമായ ഉള്ളടക്ക നിയന്ത്രണമോ? പഴയ ഫോട്ടോ ഇല്ലാതാക്കണോ?" ഇത് പോലെ 8 ചോദ്യങ്ങൾ ഉത്പാദിപ്പിക്കുന്നു. 20 MB ഫയലുകൾ സെർവറിൽ നിറയുമ്പോൾ ഉൽപ്പാദനത്തിലെ പ്രശ്നത്തെക്കുറിച്ച് ആദ്യ ടീം മനസ്സിലാക്കുന്നു; രണ്ടാമത്തെ ടീം അത് ഡിസൈനിൽ പരിഹരിക്കുന്നു.

കേസ് 2 - തെറ്റായ സ്കെയിൽ അനുമാനം. ഒരു റിപ്പോർട്ടിംഗ് സവിശേഷതയ്ക്കായി AI ഒരു സങ്കീർണ്ണമായ കാഷിംഗ് ലെയർ നിർദ്ദേശിക്കുന്നു. യഥാർത്ഥ ഡാറ്റ പ്രതിദിനം 30 റിപ്പോർട്ടുകൾ മാത്രമാണെന്ന് എഞ്ചിനീയർ ചൂണ്ടിക്കാട്ടുമ്പോൾ, AI നിർദ്ദേശം ലളിതമാക്കുന്നു. സ്കെയിൽ വ്യക്തമാക്കാത്തത് അനാവശ്യമായ സങ്കീർണ്ണതയുടെ ചിലവ് ഉണ്ടാക്കുന്നു; വ്യക്തമാക്കുന്നത് 2 ആഴ്ചത്തെ അനാവശ്യ ജോലി ലാഭിക്കുന്നു.

കേസ് 3 - സ്വീകാര്യത മാനദണ്ഡങ്ങളുടെ വിടവ്. "പണം പരാജയപ്പെട്ടാൽ എന്ത് സംഭവിക്കും?" ചോദ്യം ഒരിക്കലും ചോദിച്ചിട്ടില്ലാത്തതിനാൽ, പേയ്‌മെൻ്റ് പരാജയപ്പെട്ടാൽ ഓർഡർ സിസ്റ്റം ഓർഡറിനെ "സ്ഥിരീകരിച്ചു" എന്ന് അടയാളപ്പെടുത്തും. AI സൃഷ്ടിച്ച നെഗറ്റീവ് സാഹചര്യങ്ങളുടെ പട്ടിക ഈ വിടവ് പിടിച്ചെടുക്കുന്നു; 1 ലൈൻ സ്വീകാര്യത മാനദണ്ഡം യഥാർത്ഥ പണനഷ്ടം തടയുന്നു.

സാധാരണ തെറ്റുകൾ

• അഭ്യർത്ഥന നേരിട്ട് കോഡിലേക്ക് കൈമാറുന്നു. അവ്യക്തത പരിഹരിക്കുന്നതിന് മുമ്പ് എഴുതിയ കോഡ് തെറ്റായ പ്രശ്നം വേഗത്തിൽ പരിഹരിക്കുന്നു.
• AI-യുടെ പൊതുവായ "മികച്ച പരിശീലനം" അന്ധമായി സ്വീകരിക്കുന്നു. നിങ്ങളുടെ സന്ദർഭം (സ്കെയിൽ, ബഡ്ജറ്റ്, ടീം) വ്യക്തമാക്കിയില്ലെങ്കിൽ, ശുപാർശ നിങ്ങൾക്കായി പ്രവർത്തിക്കില്ല.
• പ്രവർത്തനരഹിതമായ ആവശ്യകതകൾ ഒഴിവാക്കുന്നു. വേഗത, സുരക്ഷ, സ്കെയിൽ എന്നിവ വ്യക്തമാക്കിയിട്ടില്ലെങ്കിൽ, ഡിസൈൻ അപൂർണ്ണമായിരിക്കും.
• സന്തോഷകരമായ സാഹചര്യത്തെക്കുറിച്ച് ചിന്തിക്കുക. ശൂന്യമായ ഡാറ്റ, അനധികൃത ഉപയോക്താവ്, പിശക് നില തുടങ്ങിയ നെഗറ്റീവ് സാഹചര്യങ്ങൾ ഡിസൈനിൽ ഉൾപ്പെടുത്തണം.
• തീരുമാനം AI-യെ ഏൽപ്പിക്കുന്നു. AI ഓപ്ഷനുകൾ സൃഷ്ടിക്കുന്നു; നിങ്ങളുടെ ബിസിനസ്സിന് അനുയോജ്യമായ ട്രേഡ് ഓഫ് ഏതെന്ന് നിങ്ങൾ തീരുമാനിക്കുക.

ചുരുക്കത്തിൽ

ആവശ്യകതകളുടെ വിശകലനവും രൂപകൽപ്പനയും ഏറ്റവും വിലകുറഞ്ഞ പിഴവുകൾ പിടിക്കപ്പെടുന്ന ഘട്ടമാണ്. ഇവിടെ, AI അനിശ്ചിതത്വം വെളിപ്പെടുത്തുന്ന ചോദ്യങ്ങൾ സൃഷ്ടിക്കുന്നു, ഉപയോക്തൃ സ്റ്റോറികളും സ്വീകാര്യത മാനദണ്ഡങ്ങളും ഡ്രാഫ്റ്റ് ചെയ്യുന്നു, കൂടാതെ ചാർട്ടുകൾ ഡിസൈൻ ട്രേഡ്-ഓഫുകളും. എന്നാൽ സന്ദർഭം നിങ്ങൾക്ക് മാത്രമേ അറിയൂ; നിങ്ങളുടെ സ്കെയിൽ, ബജറ്റ്, ടീം, നിയമപരമായ നിയന്ത്രണങ്ങൾ എന്നിവയെ അടിസ്ഥാനമാക്കി AI-യുടെ ശുപാർശകൾ ഫിൽട്ടർ ചെയ്യുകയും അന്തിമ തീരുമാനം എടുക്കുകയും ചെയ്യുക എന്നതാണ് നിങ്ങളുടെ ജോലി. “എനിക്കുവേണ്ടി തീരുമാനമെടുക്കരുത്, ഓപ്ഷനുകൾ കാണിക്കൂ” എന്ന അച്ചടക്കം മികച്ച രൂപകൽപ്പനയിലേക്കും ആഴത്തിലുള്ള പഠനത്തിലേക്കും നയിക്കുന്നു.

ആപ്ലിക്കേഷൻ ടാസ്ക്

നിങ്ങളുടെ സന്ദർഭത്തിൽ നിന്ന് ഒരു വാക്യത്തിലുള്ള ജോലി അഭ്യർത്ഥന തിരഞ്ഞെടുക്കുക. ആദ്യം, AI-യിലേക്ക് അവ്യക്തത പ്രോംപ്റ്റ് പ്രയോഗിച്ച് നിങ്ങളുടെ യഥാർത്ഥ നിയന്ത്രണങ്ങളോടെ ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകുക. തുടർന്ന് വ്യക്തമാക്കപ്പെട്ട ആവശ്യം കുറഞ്ഞത് 2 ഉപയോക്തൃ സ്റ്റോറികളിലേക്കും ഓരോന്നിനും 3 സ്വീകാര്യത മാനദണ്ഡങ്ങളിലേക്കും വിവർത്തനം ചെയ്യുക; കുറഞ്ഞത് ഒരു നെഗറ്റീവ് സാഹചര്യമെങ്കിലും ഉൾപ്പെടുത്തുക. അവസാനമായി, ഒരു ഡിസൈൻ തീരുമാനത്തിനായി ഒരു താരതമ്യ പട്ടിക സൃഷ്ടിക്കുക (സിൻക്രണസ്/അസിൻക്രണസ്, ടേബിൾ ഘടന മുതലായവ) കൂടാതെ നിങ്ങളുടെ സ്വന്തം തീരുമാനം 2 വാക്യങ്ങളിൽ എഴുതുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] അഭ്യർത്ഥന കോഡിലേക്ക് കൈമാറുന്നതിന് മുമ്പ് ഞാൻ ചോദ്യങ്ങളായി അവ്യക്തതകൾ നീക്കം ചെയ്തു.
• [ ] ഞാൻ സന്ദർഭം (സ്കെയിൽ, അധികാരം, പ്രകടനം, നിയമപരമായ നിയന്ത്രണം) AI-ക്ക് നൽകി.
• [ ] ഞാൻ ഉപയോക്തൃ സ്റ്റോറികൾ പരീക്ഷിക്കാവുന്ന സ്വീകാര്യത മാനദണ്ഡമാക്കി മാറ്റി.
• [ ] ഞാൻ കുറഞ്ഞത് ഒരു ഡൗൺസൈഡ്/എഡ്ജ് സാഹചര്യമെങ്കിലും ചേർത്തു.
• [ ] ഞാൻ ട്രേഡ് ഓഫ് ടേബിൾ ഉപയോഗിച്ച് ഡിസൈൻ തീരുമാനം വിലയിരുത്തി.
• [ ] എൻ്റെ സന്ദർഭത്തെ അടിസ്ഥാനമാക്കിയാണ് ഞാൻ അന്തിമ തീരുമാനമെടുത്തത്, ഞാൻ അത് AI-ക്ക് വിട്ടിട്ടില്ല.