Faida:
- Kuwa na uwezo wa kutofautisha ambapo akili ya bandia hutoa kasi halisi katika maendeleo ya simu (msimbo wa muundo, rasimu, kujifunza) na wapi (usanifu, ruhusa, usalama, uchapishaji) uamuzi unaachwa kwa mwanadamu, kulingana na kiwango cha hatari ya kazi.
- Uwezo wa kutumia taaluma ambayo inathibitisha kila pato la akili bandia kupitia hatua za kukusanya, majaribio na ukaguzi.
- Uwezo wa kukuza tabia ya kuandika vishawishi vikali, vilivyojaa muktadha na kulinda data ya kibinafsi na funguo za siri bila kuwapa AI.
Ukuzaji wa programu za rununu ni moja wapo ya nyanja za programu zenye ushindani zaidi ulimwenguni. Tunazungumza kuhusu bidhaa inayofanya kazi kwenye mabilioni ya vifaa, ambavyo mzunguko wake wa kusasisha unategemea uidhinishaji wa duka, na hupimwa katika mfuko wa mtumiaji kila wakati. Akili Bandia (AI - mifumo ya programu inayoweza kutoa maandishi, msimbo na suluhu kama binadamu) imeingia katika nyanja hii kwa njia mbili: kwanza, kama usaidizi wa kuharakisha mchakato wa ukuzaji (uzalishaji wa msimbo, utatuzi, uandishi wa majaribio), na pili, kama uwezo uliopachikwa katika programu (utambuzi wa picha kwenye kifaa, msaidizi wa gumzo, injini ya kupendekeza). Moduli hii inafundisha zote mbili kutoka mwisho hadi mwisho. Lakini hebu tupige msumari sentensi moja tangu mwanzo: AI haichukui nafasi ya msanidi wa rununu; huongeza uzalishaji na wigo wake. Unawajibikia kila mstari wa msimbo unaotolewa, kila ruhusa inayoombwa, na kila shughuli inayofanywa kwa kutumia data ya mtumiaji.
Katika kitengo hiki, tutaona mahali ambapo AI hutoa thamani halisi katika maendeleo ya simu, ambapo lazima ijisalimishe kwa wanadamu, jinsi ya kuthibitisha kila matokeo, na kwa nini nidhamu ya usalama wa faragha haiwezi kujadiliwa.
Je, AI inapatikana wapi katika ukuzaji wa rununu?
Utengenezaji wa rununu hujumuisha kazi nyingi zinazorudiwa na muundo: kuandika msimbo wa mtazamo, kuweka safu ya ombi la mtandao, kufafanua mfano wa data, kutoa kesi ya jaribio, kusuluhisha ujumbe wa hitilafu. AI hutoa mifumo hii haraka sana. Kinyume chake, maamuzi ya usanifu, mapendeleo ya uzoefu wa mtumiaji, mipaka ya usalama, na usahihi wa mantiki ya biashara ni kikoa cha wanadamu.
Ni muhimu kutenganisha kazi katika ndoo tatu kulingana na kiwango cha hatari:
Aina ya kazi
Jukumu la AI
jukumu la mwanaume
Nambari ya kiolezo (boilerplate), skrini ya sampuli, ubadilishaji
Huzalisha rasimu, huiharakisha
Mapitio, huunganisha
Mantiki ya biashara, mtiririko wa data, ujumuishaji wa API
Hutoa mapendekezo na rasimu
Inathibitisha, inajaribu, inathibitisha
Usanifu, ombi la ruhusa, usalama, uamuzi wa matangazo
Inaorodhesha chaguzi na uhalalishaji
Hufanya uamuzi na kubeba jukumu
Jedwali hili litakuwa dira yetu katika moduli nzima. Safu ya kulia haikabidhiwi kwa AI.
Kidokezo: Fikiria AI kama "mwanafunzi wa haraka sana lakini asiye na uzoefu." Unampa kazi iliyo wazi, soma uchapishaji wake, umtie kwenye mtihani, na unachukua jukumu. Hutumi msimbo uliotolewa na mwanafunzi kwa uzalishaji (mazingira ya moja kwa moja) bila kuisoma; Sheria hiyo hiyo inatumika kwa AI.
Nidhamu ya uthibitishaji: hatua tatu
Maandishi ya AI ni maji na yanaonekana kujiamini; Lakini ufasaha si usahihi. AI wakati mwingine inafaa utendakazi wa maktaba ambayo haipo (hii inaitwa uvumbuzi - kielelezo kinachozalisha kwa ujasiri kitu ambacho hakipo). Hiki hapa ni kichujio cha hatua tatu ambacho msanidi wa simu hutumika kwa kila pato la AI:
- Kukusanya na kukimbia. Je, msimbo unajumuisha kweli, je, programu inafungua? Je, API iliyopendekezwa na AI kweli iko kwenye SDK (sanduku la ukuzaji programu - seti iliyotengenezwa tayari ya zana ambazo jukwaa hutoa)?
- Ijaribu. Jaribu tabia inayotarajiwa kiotomatiki au wewe mwenyewe. "Inaonekana kufanya kazi" haitoshi; Jaribu kesi za makali (data isiyo na kazi, hakuna mtandao, ruhusa imekataliwa).
- Kagua na uhalalishe. Je, unaelewa kwa nini kanuni imeandikwa hivi? Usichapishe nambari ya kuthibitisha usiyoielewa. Uliza AI "mstari huu hufanya nini, kwa nini inahitajika?" uliza.
Zingatia: Nambari za toleo, majina ya maktaba na sahihi za API zinazotolewa na YZ zinaweza kuwa za zamani au za kubuniwa. Haiwezi kujua kuhusu masasisho yaliyotolewa baada ya tarehe ya kukatwa (tarehe ya mwisho ambayo mtindo ulifunzwa). Thibitisha kila mara utegemezi muhimu kutoka kwa hati rasmi (Msanidi Programu wa Apple, Wasanidi Programu wa Android).
kesi tatu ndogo
Kesi ya 1 - Kuongeza kasi ya ukuzaji wa skrini. Timu ya e-commerce ilitayarisha skrini ya maelezo ya bidhaa kwa usaidizi wa AI kutoka Jetpack Compose (zana za kiolesura cha kisasa cha Android). Rasimu ya kwanza, ambayo kwa kawaida huchukua siku 2, ilitoka kwa saa 3. Lakini timu iligundua kuwa uumbizaji wa bei uliotolewa na AI ulikuwa ukifanya senti ya kuzungusha vibaya: 19.99 TL ilionekana kama 20 TL kwenye baadhi ya vifaa. Ikiwa hakukuwa na uthibitishaji, hitilafu hii ingeonyeshwa moja kwa moja. Faida ni kweli, lakini udhibiti ni lazima.
Kesi ya 2 - Hallucination ilikamatwa. Msanidi programu alipata nambari kutoka kwa AI ya kuomba ruhusa ya eneo kwenye iOS. AI ilipendekeza kazi inayoitwa requestPreciseLocationOnce(). Hakukuwa na API kama hiyo; Sahihi ilikuwa requestWhenUseAuthorization(). Hitilafu ya mkusanyiko ilifichua hili mara moja. Somo: mkusanyaji ndiye mkaguzi mwaminifu zaidi wa AI.
Kesi ya 3 - Mtego wa faragha. Timu moja ilibandika ripoti za hitilafu za mtumiaji kwenye AI na kuomba suluhisho. Ripoti hizo zilijumuisha barua pepe za watumiaji na vitambulisho vya kifaa. Hii ilimaanisha kuvuja kwa data ya kibinafsi kwa huduma ya watu wengine na ilikuwa ukiukaji kulingana na KVKK (Sheria ya Ulinzi wa Data ya Kibinafsi). Suluhisho: kusafisha (kuficha) sehemu za kibinafsi kabla ya kutoa data kwa AI.
Mwongozo dhaifu / Mwongozo thabiti
Tofauti kati ya vidokezo viwili vya kazi sawa huamua ubora wa matokeo.
Kidokezo dhaifu: "Niandikie skrini ya kuingia."
Kidokezo chenye nguvu: "Tengeneza skrini ya kuingia kwa kutumia Jetpack Compose kwa ajili ya Android. Mahitaji:- Sehemu ya barua pepe na nenosiri; uthibitishaji wa umbizo la barua pepe, nenosiri angalau herufi 8- Kitufe cha 'Ingia' kimezimwa wakati wa kupakia na kuonyesha spinner- Ujumbe wa hitilafu huonekana katika maandishi mekundu chini ya uga- usanifu wa MVVM: hali katika ViewModel, Composable3 Material, U-Composable3 tu. 24Toa tu msimbo, kisha kila sehemu Eleza katika sentensi 1."
Kidokezo cha pili kinaambia jukwaa, zana, usanifu, mipaka na umbizo la pato. Haiachi chochote kwa AI kukisia; Kwa hivyo, inatoa matokeo muhimu zaidi na rahisi kuthibitisha.
Violezo vya kuanza vinavyoweza kunakiliwa
Tumia violezo vilivyo hapa chini kwa kuzijaza na muktadha wako mwenyewe.
Kiolezo cha Jukumu na muktadha:"Wewe ni msanidi mkuu wa [iOS/Android/Flutter]. Mradi wangu: [aina ya programu], jukwaa lengwa [toleo], usanifu [MVVM/Clean]. Kazi: [unachotaka]. Vikwazo: [lugha, maktaba, toleo]. Kwanza fupisha mpango katika vipengee 3, kisha toa msimbo wa hatari, kisha uorodheshe msimbo."
Kiolezo cha ukaguzi wa msimbo:"Chunguza msimbo ufuatao wa [lugha]. Tambua:1) Hitilafu na hatari za kuacha kufanya kazi2) Matatizo ya Kumbukumbu/utendaji3) Athari za usalama na faragha4) Ambapo inaweza kuandikwa kwa urahisi zaidi. Laini nambari kwa kila bidhaa na upendekeze masahihisho.[code]"
Kiolezo cha kujifunzia: "Eleza [dhana, k.m. async/wait katika Swift] kutoka kwa mtazamo wa msanidi wa simu. Toa mfano rahisi, taja makosa 3 ya kawaida, na ueleze wakati sitakiwi kuitumia."
Kiolezo cha uthibitishaji: "Ulipendekeza API/kitendaji hiki: [jina]. Thibitisha: Ni toleo gani la SDK lilikuja, linahitaji ruhusa gani, je, limeacha kutumika? Ikiwa huna uhakika, sema 'huna uhakika, angalia hati rasmi'."
Makosa ya kawaida
- Kubandika pato bila kuisoma. Makosa ya kawaida na hatari zaidi. Hata ikiwa imejumuishwa, mantiki inaweza kuwa sio sawa.
- Kutoa data ya siri kwa AI. Kitufe cha API, data ya mtumiaji, cheti cha kutia saini havibandikwi kwenye ombi.
- Sio kuthibitisha toleo na API. AI inaweza kupendekeza API zilizopitwa na wakati au zilizoundwa; Hati rasmi ndiyo yenye usemi wa mwisho.
- Kuacha uamuzi wa usanifu kwa AI. "Usanifu bora ni upi?" Jibu la swali linategemea mradi wako; AI inatoa jibu la kawaida, unajua muktadha.
- Kuandika haraka moja kubwa. Kujaribu kutatua kazi ngumu na ombi moja; Ni salama zaidi kuigawanya katika hatua ndogo, zinazoweza kuthibitishwa.
- Kuomba ruhusa "ikiwa tu." AI wakati mwingine huongeza ruhusa zaidi kuliko lazima; Kila ruhusa huleta hatari ya kuhifadhi idhini na uaminifu wa mtumiaji.
Kwa muhtasari
AI ina majukumu mawili katika ukuzaji wa rununu: msaidizi anayeharakisha mchakato wa ukuzaji, na uwezo uliopachikwa kwenye programu. Msimbo wa muundo hutoa kasi kubwa ya kuandaa na kujifunza; Lakini maamuzi ya usanifu, usalama, ruhusa na uchapishaji ni ya kibinadamu. Kila pato linathibitishwa kupitia hatua tatu: kukusanya-kuendesha, jaribio, ukaguzi. Data ya siri na taarifa za kibinafsi hazipewi AI kamwe. Jukwaa kali la mahitaji linasema kwa uwazi chombo, vikwazo na umbizo la towe. Nidhamu hii ndio msingi wa moduli iliyobaki.
Jukumu la maombi
Chagua skrini kutoka kwa mradi wako wa simu ya mkononi (au "programu ya kuandika madokezo" ya kuwaziwa). Andika kidokezo cha skrini hiyo kwa kutumia "Wajibu na kiolezo cha muktadha" hapo juu. Jaribu kukusanya msimbo unaozalishwa na AI kwenye mradi na uipitishe kupitia kichujio cha uthibitishaji cha hatua tatu: je, ilikusanya, ilifanya kazi kama ilivyotarajiwa, je, ulielewa kila mstari? Andika angalau mdudu mmoja au API bandia unayopata.
orodha ya ukaguzi
- [ ] Nilibainisha ni ndoo gani kati ya tatu ambazo kazi itaangukia kulingana na kiwango chake cha hatari
- [ ] Nilibainisha jukwaa, toleo, usanifu na vikwazo katika ombi
- [ ] Nilikusanya matokeo na kuiendesha
- [ ] Nilijaribu kesi za kikomo (data isiyo na kazi, hakuna mtandao, ruhusa imekataliwa)
- [ ] Nilihakikisha nimeelewa kila mstari
- [ ] Sikutoa data yoyote ya kibinafsi au funguo za kibinafsi kwa AI
- [ ] Nilithibitisha API muhimu kutoka kwa hati rasmi