मैं अभी शौकिया तौर पर vibe coding से एक web game का client, server और admin डेवलप कर रहा हूँ (खुद सीधे edit भी नहीं करता। जिन हिस्सों में बदलाव चाहिए, उन्हें कॉपी करके बदलाव के लिए कहता हूँ और जो code निकलता है उसे वैसे का वैसा लागू कर देता हूँ)। अभी लगभग 20,000 lines हो चुकी हैं। कभी-कभी बहुत चिढ़ होती है, लेकिन गुस्से में सवाल पूछूँ तब भी अभी तक यह ठीक-ठाक code निकालकर दे रहा है।
अब यह लगभग तय लगता है कि डेवलपमेंट की क्षमताएँ और paradigm बदलने वाले पल आ रहे हैं.
अब मुझे लगता है कि supervisory capability के नज़रिए से ज़्यादा design patterns, general-purpose application बनाने के तरीके, और problem solving के लिए methodologies पर ध्यान देना चाहिए.
एल्गोरिदम डेवलपमेंट तो काफ़ी पहले ही इंसानी सीमाओं से आगे निकल चुका है, और जैसे AI ऐसे algorithm optimization कर रहा है जिन्हें इंसान समझ भी नहीं सकता, वैसे ही आगे के डेवलपर्स के लिए अब समय है कि वे और व्यापक तथा ज़्यादा trends पर ध्यान दें.
AI सीखना महत्वपूर्ण है, लेकिन मेरा मानना है कि हर बार कोई नई तकनीक आने पर उस पर जरूरत से ज़्यादा प्रतिक्रिया देने की आवश्यकता नहीं है। जो मूलभूत अवधारणाएँ नहीं बदलतीं, उनमें अधिक समय निवेश करना अधिक प्रभावी है, और AI अपेक्षाकृत सीखने में आसान है, इसलिए इसे धीरे-धीरे सीखना भी ठीक है। हर बार उसके पीछे भागने के बजाय अपनी बुनियादी क्षमताओं को विकसित करना अधिक महत्वपूर्ण है।
https://github.com/ebandal/H2Orestart
इस प्रोग्राम का इस्तेमाल करने पर एडिटिंग भी संभव है (hwp, hwpx सेव करना संभव नहीं है)
हाल ही में onlyoffice में भी hwp/hwpx सपोर्ट जोड़ा गया है.
मेरे अनुभव में भी, और https://blog.lawrencejones.dev/ai-mvp/ जैसे अन्य उदाहरणों में भी दिखता है कि नवीनतम मॉडल हमेशा बेहतर परिणाम की गारंटी नहीं देते। हर बार जब मॉडल या प्रॉम्प्ट को ट्यून किया जाता है, तो dataset के जरिए evaluation करना पड़ता है, लेकिन चाहे LLM निर्णय में मदद करे भी, फिर bhi इंसानों को LLM मॉडल के लिए ground truth dataset एक-एक करके हाथ से बनाना पड़ता है, यह थोड़ा विडंबनापूर्ण भी लगता है, हा हा।
इंसान बातचीत के दौरान अनिश्चितता को पसंद नहीं करते, इसलिए सटीक शब्दों का उपयोग करने की इच्छा छोड़ना मुश्किल है। लेकिन ChatAI या LLM मूल रूप से अनिश्चितता को समेटे होते हैं। अगर probabilistic जानकारी केवल मेरे पास हो तो ठीक है, लेकिन अगर सामने वाला भी probability पर निर्भर हो तो तनाव होता है। कभी-कभी deterministic तरीका मन को अधिक सहज लग सकता है।
क्या यह तर्क थोड़ा अजीब नहीं है कि अगर कोई चीज़ इंटरनेट पर नहीं है, तो AI उसमें दखल नहीं दे सकता? जैसे-जैसे learning methods पर रिसर्च आगे बढ़ती जाएगी, मुझे लगा था कि in-house AI, in-house डेवलपर्स की जगह ले लेगा।
वाह, यह मज़ेदार और काफ़ी दिलचस्प है हाहा
मैं अभी शौकिया तौर पर vibe coding से एक web game का client, server और admin डेवलप कर रहा हूँ (खुद सीधे edit भी नहीं करता। जिन हिस्सों में बदलाव चाहिए, उन्हें कॉपी करके बदलाव के लिए कहता हूँ और जो code निकलता है उसे वैसे का वैसा लागू कर देता हूँ)। अभी लगभग 20,000 lines हो चुकी हैं। कभी-कभी बहुत चिढ़ होती है, लेकिन गुस्से में सवाल पूछूँ तब भी अभी तक यह ठीक-ठाक code निकालकर दे रहा है।
सहमत हूँ।
Thoughtworks Technology Radar, Volume 31
Thoughtworks Technology Radar, Volume 30
Thoughtworks Technology Radar, Volume 29
Thoughtworks Technology Radar, Volume 28
Thoughtworks Technology Radar, Volume 27
Thoughtworks Technology Radar, Volume 26
ThoughtWorks Technology Radar, Volume 23
ThoughtWorks Technology Radar, Volume 22
ThoughtWorks की 6 महीने में एक बार प्रकाशित होने वाली तकनीकी न्यूज़ - Radar Vol.21
मैंने भी इंटरफ़ेस के पहलू से इसी तरह की चिंता की थी, लेकिन कोई उपयुक्त नया इंटरफ़ेस सूझा ही नहीं।
ओह, यह तो वाकई अच्छा है।
अरे, यह तो बढ़िया है lol
देश कोड 371 तो लातविया का है। पता नहीं सिर्फ कस्टमर सेंटर वहीं है या मुख्यालय भी लातविया में है। लेकिन एक मायने में यह काफ़ी प्रभावशाली लगता है।
पूरी पाठ्यपुस्तक की कीमत $35~$100 के बीच है, यानी काफ़ी सस्ती।
...? लेकिन कॉलेज के छात्र के लिए यह बिल्कुल भी सस्ती कीमत नहीं लगती...
मैं इस लेख से 90 प्रतिशत से ज़्यादा सहमत हूँ.
अब यह लगभग तय लगता है कि डेवलपमेंट की क्षमताएँ और paradigm बदलने वाले पल आ रहे हैं.
अब मुझे लगता है कि supervisory capability के नज़रिए से ज़्यादा design patterns, general-purpose application बनाने के तरीके, और problem solving के लिए methodologies पर ध्यान देना चाहिए.
एल्गोरिदम डेवलपमेंट तो काफ़ी पहले ही इंसानी सीमाओं से आगे निकल चुका है, और जैसे AI ऐसे algorithm optimization कर रहा है जिन्हें इंसान समझ भी नहीं सकता, वैसे ही आगे के डेवलपर्स के लिए अब समय है कि वे और व्यापक तथा ज़्यादा trends पर ध्यान दें.
AI सीखना महत्वपूर्ण है, लेकिन मेरा मानना है कि हर बार कोई नई तकनीक आने पर उस पर जरूरत से ज़्यादा प्रतिक्रिया देने की आवश्यकता नहीं है। जो मूलभूत अवधारणाएँ नहीं बदलतीं, उनमें अधिक समय निवेश करना अधिक प्रभावी है, और AI अपेक्षाकृत सीखने में आसान है, इसलिए इसे धीरे-धीरे सीखना भी ठीक है। हर बार उसके पीछे भागने के बजाय अपनी बुनियादी क्षमताओं को विकसित करना अधिक महत्वपूर्ण है।
https://github.com/ebandal/H2Orestart
इस प्रोग्राम का इस्तेमाल करने पर एडिटिंग भी संभव है (hwp, hwpx सेव करना संभव नहीं है)
हाल ही में onlyoffice में भी hwp/hwpx सपोर्ट जोड़ा गया है.
अभी भी मैं ज़्यादातर लोगों से बेहतर करता हूँ। Open source गुरुओं का code सीखते-सीखते, अगर सवाल अच्छे से पूछो तो quality भी अच्छी निकलती है haha
मुख्य लेख में परिचित कराया गया https://upsidelab.io/blog/design-voice-user-interface-starcraft लेख 2018 का होने के बावजूद दिलचस्प लगता है।
मेरे अनुभव में भी, और https://blog.lawrencejones.dev/ai-mvp/ जैसे अन्य उदाहरणों में भी दिखता है कि नवीनतम मॉडल हमेशा बेहतर परिणाम की गारंटी नहीं देते। हर बार जब मॉडल या प्रॉम्प्ट को ट्यून किया जाता है, तो dataset के जरिए evaluation करना पड़ता है, लेकिन चाहे LLM निर्णय में मदद करे भी, फिर bhi इंसानों को LLM मॉडल के लिए ground truth dataset एक-एक करके हाथ से बनाना पड़ता है, यह थोड़ा विडंबनापूर्ण भी लगता है, हा हा।
भविष्य में यह किस तरीके से चुना जाएगा और इस्तेमाल किया जाएगा, यह जानने की जिज्ञासा है।
इंसान बातचीत के दौरान अनिश्चितता को पसंद नहीं करते, इसलिए सटीक शब्दों का उपयोग करने की इच्छा छोड़ना मुश्किल है। लेकिन ChatAI या LLM मूल रूप से अनिश्चितता को समेटे होते हैं। अगर probabilistic जानकारी केवल मेरे पास हो तो ठीक है, लेकिन अगर सामने वाला भी probability पर निर्भर हो तो तनाव होता है। कभी-कभी deterministic तरीका मन को अधिक सहज लग सकता है।
आग लग जाए तो..
गरीब और गरीब, अमीर और अमीर वाली ध्रुवीकरण की प्रवृत्ति खत्म... अगर आप कोई नया प्रोडक्ट बनाते हैं, तो कम से कम उसके साथ एक MCP सर्वर भी बनाना होगा...
क्या यह तर्क थोड़ा अजीब नहीं है कि अगर कोई चीज़ इंटरनेट पर नहीं है, तो AI उसमें दखल नहीं दे सकता? जैसे-जैसे learning methods पर रिसर्च आगे बढ़ती जाएगी, मुझे लगा था कि in-house AI, in-house डेवलपर्स की जगह ले लेगा।