पिछले हफ्ते Line Plus में मैंने "हर दिन बेहतर बनना चाहने वाले डेवलपर्स के लिए AI का उपयोग कैसे करें" शीर्षक से एक विशेष व्याख्यान दिया।
इसे आगे चलकर YouTube पर भी अपलोड करने का इरादा है, और पिछले कुछ महीनों (या कुछ वर्षों) से जिन बातों पर मैं सोचता रहा था, उन्हें जितना संभव हो सका उतना सब इसमें शामिल किया, तो लगभग 230 पेज बन गए, जिनमें से वास्तव में लगभग 2/3 सामग्री ही कवर कर पाया।
इसके बाद और ठीक से संशोधन करने के बाद अंतिम 290 स्लाइड्स वाला version 2 पूरा हुआ।
नीचे Gemini द्वारा तैयार किया गया सारांश छोड़ा है।
शुरुआत में
- AI literacy gap: लोगों के बीच AI का उपयोग करने की क्षमता में बहुत बड़ा अंतर है, और सिर्फ यह समझ लेना कि नवीनतम AI क्या कर सकता है और कहाँ तक कर सकता है, इस अंतर को काफी हद तक कम कर सकता है।
- लगातार सीखने का महत्व: अलग-अलग AI tools का लगातार उपयोग करते हुए सीखने और भूलने (learn & unlearn) का रवैया बनाए बिना यह अंतर फिर से बढ़ जाता है।
- डेवलपमेंट का विस्तार: पहले डेवलपर मुख्यतः 'implementation' चरण पर ध्यान देते थे, लेकिन अब AI का उपयोग करके idea से लेकर marketing और operations तक product development की पूरी प्रक्रिया में शामिल होना संभव हो गया है।
भाग 1: coding assistant के रूप में AI का और अधिक समझदारी से उपयोग कैसे करें
- coding assistant का विकास: साधारण autocomplete (VSCode IntelliSense) से शुरू होकर, AI-आधारित code snippet generation (TabNine, GitHub Copilot) से गुजरते हुए, अब यह natural language में संवाद करते हुए 0 से 1 बनाने वाले 'vibe coding' और 'coding agent' के युग तक पहुँच गया है।
- AI performance और cost में बदलाव: LLM की performance तेज़ी से बेहतर हुई है और cost तेज़ी से घटी है, साथ ही AI जिन कार्यों को स्वायत्त रूप से पूरा कर सकता है उनकी लंबाई और जटिलता भी तेज़ी से बढ़ रही है।
- डेवलपमेंट का सार: 'coding' का tool पंच कार्ड से natural language तक बदल गया है, लेकिन 'coding के जरिए समस्याएँ हल करने वाला व्यक्ति' के रूप में डेवलपर का मूल स्वभाव नहीं बदला है।
- AI delegation और management: AI के साथ सहयोग किसी इंसान को काम सौंपने जैसा है। AI की क्षमता के स्तर के अनुसार delegation के स्तर को समायोजित करना (सूचना देना, मनाना, सलाह-मशविरा, सहमति, सलाह, प्रश्न, delegation) और black box जैसे LLM के काम करने के तरीके को देखते हुए उसकी monitoring करना महत्वपूर्ण है।
- context engineering: AI को 'कैसे (How)' से ज़्यादा 'क्या (What)' और 'क्यों (Why)' को स्पष्ट रूप से बताना ज़रूरी है। इसके लिए situation, task, intention, concern, calibration को शामिल करने वाला STICC framework उपयोगी है।
- tools (MCP) का उपयोग: coding agent की क्षमता को अधिकतम करने के लिए MCP(Model Context Protocol) server का उपयोग किया जा सकता है। लेकिन बहुत सारे tools जोड़ देने पर performance गिर सकती है, इसलिए browser control (Playwright) या code understanding बेहतर करने (Serena) जैसी सिर्फ मुख्य क्षमताओं का चयनात्मक उपयोग अधिक प्रभावी है।
- version control का विस्तार: सिर्फ code ही नहीं, बल्कि code बनाने के लिए AI को दिए गए prompt और context (जैसे planning document) को भी version control के दायरे में शामिल करने वाले प्रयोगों की ज़रूरत है।
भाग 2: product development की पूरी प्रक्रिया में AI का और अधिक समझदारी से उपयोग कैसे करें
- समस्या-समाधान framework: product development को 'समस्या की परिभाषा → समाधान का implementation → बदलाव पैदा करना' की 3-चरणीय प्रक्रिया के रूप में देखा जा सकता है।
- 'जो मैं इस्तेमाल करूँ, वही मैं खुद बनाऊँ' का महत्व: 'जो मैं इस्तेमाल करूँगा, वही मैं खुद बनाऊँगा' वाला approach, खासकर AI coding की शुरुआत करने वालों के लिए सबसे अच्छी रणनीति है। इसे बनाना आसान है, कौशल तेज़ी से बढ़ता है, और विस्तार करना भी आसान होता है।
- user-centric approach: यह स्पष्ट रूप से परिभाषित करना चाहिए कि 'किसके (user) कौन-सी समस्या (purpose) को कैसे (complexity) हल करना है'। सबसे पहले 'मेरी' समस्या को हल करना (dogfooding) महत्वपूर्ण है।
- product validation: idea validity verification (MVP), market validation (MMP), customer loyalty validation (MLP) के जरिए product को विकसित करना चाहिए। शुरुआती चरण में scale न भी मिले, तब भी खुद मैदान में उतरकर customer problems हल करने की प्रक्रिया महत्वपूर्ण है।
- Build in Public: product बनाने की प्रक्रिया को पारदर्शी रूप से साझा करते हुए fans बनाने की रणनीति। यह छोटे founders के लिए प्रभावी है, और 'क्यों' तथा 'कैसे' पर केंद्रित कहानी बताना इसका मुख्य तत्व है।
भाग 3: इन सभी प्रक्रियाओं में AI युग के हिसाब से junior/senior प्रभावी ढंग से कैसे सीखें और बढ़ें
- क्या कम महत्वपूर्ण हुआ और क्या अधिक महत्वपूर्ण हुआ: किसी खास language grammar जैसे ज्ञान का महत्व कम हुआ है, लेकिन बड़ा vision तय करने की क्षमता, complexity manage करना, AI की गलतियों को पहचानकर समायोजित करना, गहरी domain understanding, design, और learning ability पहले से अधिक महत्वपूर्ण हो गए हैं।
- mindset (FOMO पर काबू): हर नए tool के पीछे भागने की ज़रूरत नहीं है। अपनी रुचि की categories तय करें, और SNS·newsletter आदि के माध्यम से जानकारी को स्वाभाविक रूप से अपने पास आने दें, साथ ही स्वस्थ जिज्ञासा बनाए रखना महत्वपूर्ण है।
- learning strategy:
- विश्वसनीय resources का उपयोग: official documents, experts के साथ बातचीत, और insight देने वाले लेखों का गहराई से अध्ययन करना चाहिए।
- generative knowledge का पीछा: 'result (completed knowledge)' से अधिक, result को पैदा करने वाली 'process (generative knowledge)' पर ध्यान देना चाहिए, और tools का उपयोग उन्हीं tools से सीखने का रवैया रखना चाहिए।
- माहिरों से सीखना: experts से सिर्फ जवाब पूछने के बजाय, "उन्होंने किस signal से pattern पहचाना", "उन्होंने ऐसा क्यों सोचा" जैसी बातें पूछकर उनकी thinking process सीखनी चाहिए।
- senior की भूमिका: अपनी tacit knowledge को explicit knowledge (guide, example code, AI rules आदि) में बदलकर संगठन के साथ साझा करना, और अलग-अलग domain experiences को जोड़कर उभरते हुए ideas पैदा करना महत्वपूर्ण है।
- आदत निर्माण: अच्छी आदतें एक ही बार में बनाने के बजाय, 'आदत बनाने की आदत' (जैसे microscopic retrospection) के जरिए खुद को धीरे-धीरे बदलना चाहिए।
- implementation intention: 'कल से यह करूँगा' जैसे अस्पष्ट संकल्पों के बजाय, 'कब, कहाँ, कैसे' करना है इसे ठोस रूप से योजना बनाना ('implementation intention') अमल की संभावना को बहुत बढ़ा देता है।
समापन में
- मुख्य गुण: AI युग का सबसे महत्वपूर्ण गुण 'स्वस्थ संदेह' और 'जिज्ञासा' है।
- AI की सीमाओं की पहचान: यह समझना चाहिए कि AI में context की कमी, hallucination, security, cost जैसी स्पष्ट सीमाएँ अभी भी मौजूद हैं।
- सबसे बेहतरीन tool: आज मौजूद किसी भी AI से बेहतर tool आखिरकार इंसान का 'मस्तिष्क' ही है, और उसका सक्रिय रूप से उपयोग किया जाना चाहिए।
6 टिप्पणियां
इसे YouTube पर भी अपलोड किया है! https://www.youtube.com/watch?v=CAgn60EWDmw
YouTube का भी इंतज़ार रहेगा हाहा
Context engineering- What+Why के साथ समझदारी से निर्देश देना!
इसके अलावा, जिन कई बातों को लेकर मैं आमतौर पर जिज्ञासु रहता था, उन्हें भी उन्होंने बहुत स्पष्टता से समझाया है :)
इतनी उच्च-गुणवत्ता की जानकारी मुफ्त में देख पाना सचमुच शर्मिंदा भी करता है और बहुत आभारी भी बनाता है!!!!
अरे नहीं, इतनी माफ़ी माँगने की तो ज़रूरत ही नहीं... हाहा, इतने बढ़ा-चढ़ाकर कहने के लिए धन्यवाद।
पहले वर्ज़न में agent को निर्देश देने के कई तरीके सीखे।
धन्यवाद।