2026 में प्रवेश करते हुए मेरा LLM coding workflow (Addy Osmani)

Google Chrome टीम के पूर्व इंजीनियर Addy Osmani ने 1 साल के AI coding अनुभव के आधार पर LLM उपयोग workflow को संक्षेप में बताया है.

मुख्य सिद्धांत:

• कोड से पहले spec: LLM के साथ पहले spec.md लिखें, requirements, architecture और test strategy तय करने के बाद ही coding शुरू करें. इसे वे "15-minute waterfall" कहते हैं
• छोटे units में iteration: एक ही बार में बड़ा output न माँगें; feature/function/bug unit में बाँटकर आगे बढ़ें. बड़ा chunk देने पर नतीजा "ऐसा लगता है जैसे 10 लोगों ने बनाया हो जिन्होंने आपस में बात ही नहीं की"
• पर्याप्त context दें: संबंधित code, API docs और constraints सक्रिय रूप से दें. gitingest, repo2txt जैसे tools से codebase को LLM में feed करें
• model selection और parallel use: एक model अटक जाए तो दूसरे पर जाएँ. जैसे Claude द्वारा लिखे code को Gemini से review कराना, यानी cross-validation का उपयोग
• human must be in the loop: LLM को "आत्मविश्वासी लेकिन अक्सर गलती करने वाले" junior developer की तरह मानें. सभी generated code को review और test करें, और जिस code को आप समझा नहीं सकते उसे commit न करें
• ultra-granular version control: हर task पर commit करके "save point" सुरक्षित करें. git worktree से कई AI sessions को parallel चलाएँ
• CLAUDE.md/GEMINI.md से rules तय करें: project style guide, preferred patterns, lint rules आदि को file में लिखकर AI को दें
• CI/CD integration: automated tests और linter, AI code के quality gate की भूमिका निभाएँ. failure logs को फिर AI को feedback देने वाला circular loop बनाएँ

ध्यान देने लायक बिंदु:

• Anthropic में Claude Code के लगभग 90% code को Claude Code ने खुद लिखा
• AI existing best practices को reward करता है. senior engineer की skills—design, complexity management, automation judgment—जब AI के साथ जुड़ती हैं, तब सबसे बड़ा प्रभाव मिलता है
• AI tools क्षमता को amplify करते हैं, replace नहीं. बुनियाद के बिना सिर्फ AI पर निर्भरता "Dunning-Kruger effect का steroid version" बन सकती है