1. यथार्थवादी अपेक्षाएँ तय करें (Set reasonable expectations)
- मुख्य बिंदु:
यह समझना चाहिए कि LLM मूल रूप से एक उन्नत auto-completion tool है; उस पर पूरी तरह निर्भर रहने से त्रुटियाँ या गलत परिणाम आ सकते हैं।
- कैसे उपयोग करें:
इसे अपनी coding क्षमता को पूरक करने वाले सहायक tool की तरह इस्तेमाल करें, ज़रूरत से ज़्यादा अपेक्षाएँ न रखें और इसकी गलतियों को verify करने की आदत रखें।
2. training data cut-off date का ध्यान रखें (Account for training cut-off dates)
- मुख्य बिंदु:
मॉडल के training data की नवीनता सीमित हो सकती है, इसलिए नई libraries या तकनीकी बदलावों को लेकर सावधान रहना चाहिए।
- कैसे उपयोग करें:
पहले ऐसी libraries को प्राथमिकता दें जिनकी stability और व्यापक उपयोगिता सिद्ध हो चुकी हो, और अगर नई तकनीक चाहिए तो सीधे उदाहरण देकर कमी पूरी करें।
3. context सबसे महत्वपूर्ण है (Context is king)
- मुख्य बिंदु:
बातचीत का पूरा history, यानी prompts और responses, परिणाम को प्रभावित करता है; इसलिए context management बहुत महत्वपूर्ण है।
- कैसे उपयोग करें:
जटिल काम में मौजूदा code को बातचीत में शामिल करें ताकि मॉडल उसे संदर्भ के रूप में देख सके, और ज़रूरत पड़ने पर नई बातचीत शुरू करके reset करें।
4. कई विकल्प माँगें (Ask them for options)
- मुख्य बिंदु:
शुरुआती research चरण में LLM से कई implementation options और examples माँगकर संभावित विकल्पों का पता लगाया जा सकता है।
- कैसे उपयोग करें:
“कौन-कौन से विकल्प हैं?” जैसे सवाल पूछकर technical possibilities समझें, फिर चुने गए विकल्प के आधार पर आगे उसे ठोस रूप दें।
5. बिल्कुल स्पष्ट निर्देश दें (Tell them exactly what to do)
- मुख्य बिंदु:
production code लिखवाते समय विस्तार से और स्पष्ट निर्देश देना ज़रूरी है, ताकि इच्छित functionality सही ढंग से implement हो।
- कैसे उपयोग करें:
function signature, इस्तेमाल की जाने वाली libraries, exception handling जैसी बातों को साफ़-साफ़ बताएं, ताकि LLM उन्हीं requirements के अनुसार code लिखे।
6. लिखे गए code को हमेशा test करें (You have to test what it writes!)
- मुख्य बिंदु:
LLM द्वारा लिखा गया code भी वास्तव में काम करता है या नहीं, यह ज़रूर जाँचना चाहिए; इसके लिए automated tests और manual validation दोनों ज़रूरी हैं।
- कैसे उपयोग करें:
लिखे गए code पर pytest जैसे test frameworks का उपयोग करके सही काम करने की पुष्टि करें।
7. याद रखें, यह एक बातचीत है (Remember it’s a conversation)
- मुख्य बिंदु:
LLM के साथ interaction एक बार का नहीं है; बार-बार बातचीत के ज़रिए परिणाम को बेहतर बनाया जा सकता है।
- कैसे उपयोग करें:
अगर शुरुआती परिणाम कमज़ोर हो, तो अतिरिक्त निर्देश या feedback देकर code को refactor और बेहतर करें।
8. ऐसे tools का उपयोग करें जो आपके लिए code चला सकें (Use tools that can run the code for you)
- मुख्य बिंदु:
executable sandbox environment या integrated development tools का उपयोग करके LLM द्वारा लिखे गए code को वास्तव में चलाकर देखा जा सकता है।
- कैसे उपयोग करें:
ChatGPT Code Interpreter, Claude Artifacts जैसे tools का उपयोग करें जो सुरक्षित execution environment देते हैं और real-time validation संभव बनाते हैं।
9. ‘vibe-coding’ से सीखें (Vibe-coding is a great way to learn)
- मुख्य बिंदु:
बार-बार और खुलकर प्रयोग करने से LLM का उपयोग करना सीखा जा सकता है और अलग-अलग ideas को जल्दी implement किया जा सकता है।
- कैसे उपयोग करें:
छोटे features से शुरू करें और लगातार कोशिश व सुधार के माध्यम से LLM की सीमाएँ समझें और अपनी coding intuition बेहतर करें।
10. Claude Code का उपयोग करते हुए विस्तृत उदाहरण (A detailed example using Claude Code)
- मुख्य बिंदु:
एक वास्तविक project example के माध्यम से दिखाया गया है कि Claude Code किस तरह विशिष्ट requirements को शामिल करके काम करता है।
- कैसे उपयोग करें:
step-by-step prompts और feedback के ज़रिए Python script और HTML page generation जैसे संयुक्त कार्यों को करने की प्रक्रिया को संदर्भ के रूप में देखें।
11. इंसानी हस्तक्षेप के लिए तैयार रहें (Be ready for the human to take over)
- मुख्य बिंदु:
LLM द्वारा बनाए गए code में भी त्रुटियाँ या अनुपयुक्त हिस्से हो सकते हैं, इसलिए अंतिम review और सुधार इंसान को ही करना चाहिए।
- कैसे उपयोग करें:
LLM द्वारा छूट गई बारीकियों या सूक्ष्म गलतियों को खुद जाँचकर सुधारें, ताकि अंतिम परिणाम अधिक परिष्कृत हो।
12. development speed को अधिकतम करना (The biggest advantage is speed of development)
- मुख्य बिंदु:
LLM का उपयोग करके prototyping और दोहराए जाने वाले कामों की गति में बहुत बड़ा सुधार किया जा सकता है।
- कैसे उपयोग करें:
शुरुआती idea validation या सरल code writing में LLM का सक्रिय उपयोग करके development time कम करें।
13. मौजूदा विशेषज्ञता को बढ़ाना (LLMs amplify existing expertise)
- मुख्य बिंदु:
जो developer पहले से कुशल हैं, वे LLM की मदद से अपनी विशेषज्ञता और productivity दोनों को और बढ़ा सकते हैं।
- कैसे उपयोग करें:
अपने अनुभव और ज्ञान के आधार पर LLM को स्पष्ट निर्देश दें, ताकि वह अधिक सटीक और परिष्कृत परिणाम दे सके।
14. अतिरिक्त उपयोग: codebase से जुड़े सवालों के जवाब (Bonus: answering questions about codebases)
- मुख्य बिंदु:
LLM codebase से जुड़े सवालों के जवाब देने या code के किसी खास हिस्से को समझाने में भी उपयोगी हो सकता है।
- कैसे उपयोग करें:
code structure या किसी specific feature के बारे में सवाल पूछें, और संबंधित explanation या documentation तैयार करने में इसकी मदद लें।
1 टिप्पणियां
इनका ब्लॉग वाकई शानदार है। धन्यवाद।