कम ही बेहतर है, अक्सर

• AI के ज़रिए किसी भी चीज़ को तेज़ी से बनाने के इस दौर में, मात्रा बढ़ाने से बेहतर नतीजे नहीं मिलते; केवल इरादे और बेहद बारीकी से बनाए गए product ही लंबे समय तक टिकते हैं
• बेहतरीन product का मूल सरलता और स्पष्टता है; ये दिमाग पर cognitive load घटाते हैं और experience को कम overwhelming बनाते हैं
• AI किसी चीज़ को हटाने की तुलना में जोड़ना कहीं आसान बनाता है, लेकिन हटाने के लिए सभी निहितार्थों पर विचार करने वाला जानबूझकर किया गया निर्णय चाहिए
• context menu animation के उदाहरण की तरह, ज़्यादा movement वाला interface हमेशा अच्छा नहीं होता; use context की समझ तय करती है कि क्या नहीं डालना है
• tools जितने ताकतवर होते जाते हैं, समझ, निर्णय और taste की कीमत उतनी बढ़ती है; क्या नहीं बनाना चाहिए, यह जानना सबसे महत्वपूर्ण क्षमता बन जाता है

---

AI युग में मात्रा और गुणवत्ता

• AI की मदद से हर idea, नया feature और animation कुछ prompts में लागू किया जा सकता है; जो काम पहले घंटों, दिनों या हफ्तों में होता था, वह अब मिनटों में सिमट गया है
• ज़्यादा लोग ज़्यादा चीज़ें ज़्यादा तेज़ी से बना सकते हैं, लेकिन ज़्यादा बनने का मतलब यह नहीं कि बेहतर चीज़ बनेगी
• अच्छे product से शानदार product तक का फर्क महसूस किया जा सकता है; अक्सर कोई एक element नहीं, बल्कि छोटे-छोटे decisions और details मिलकर शानदार experience बनाते हैं

सरलता और स्पष्टता

• इंसान सरल और अनुमान लगाने योग्य चीज़ें पसंद करते हैं, क्योंकि दिमाग एक तरह की energy-saving machine है
  • सरलता अनावश्यक cognitive load घटाती है, processing को आसान बनाती है और experience को कम overwhelming बनाती है
• psychology के processing fluency concept के अनुसार, कोई चीज़ जितनी आसानी से process होती है, वह उतनी ही परिचित, सुखद और भरोसेमंद लगती है
• Jony Ive के quote के ज़रिए यह समझाया गया है कि सरलता केवल clutter हटाना नहीं, बल्कि गहरी समझ के आधार पर सिर्फ essence छोड़ना है

जोड़ना आसान है, हटाना मुश्किल

• AI जोड़ने को पहले से कहीं आसान बना देता है; agents के साथ आंखें बंद करके कुछ जोड़ देना और उम्मीद करना कि सब ठीक होगा, संभव हो गया है
• इसके उलट, हटाते समय intentional होना पड़ता है और सभी implications पर अंत तक विचार करना पड़ता है
• agent को बिना रोके चलाकर लाखों lines of code generate की जा सकती हैं, लेकिन इस बात की गारंटी नहीं कि नतीजा अच्छा होगा

animation का उदाहरण

• किसी चीज़ को animate करना और उसे अच्छी तरह animate करना बिल्कुल अलग बातें हैं; example में animation variation दिखने में अच्छा है, लेकिन असल में तार्किक नहीं है
• context menu comparison में एक side खुलते और बंद होते समय दोनों बार move करती है और item hover पर background-color change भी animate करती है, जबकि दूसरी side ऐसा नहीं करती
• macOS right-click menu की तरह, अगर समझ हो कि यह action दिन में सैकड़ों से हजारों बार इस्तेमाल होता है, तो पता चलता है कि entry और exit दोनों को animate करना अच्छा choice नहीं है
  • अगर इसे दिन में 200 बार खोला जाए और animation की लंबाई 300ms हो, तो हर दिन करीब 1 मिनट और साल में 6 घंटे से ज़्यादा सिर्फ animation playback देखते हुए निकल जाएंगे, जो बाधा और झुंझलाहट बनता है
• अगर आप समझते हैं कि कौन-सी समस्या हल कर रहे हैं और लोग उसे कैसे इस्तेमाल करते हैं, तो animate न करना स्वाभाविक decision बन जाता है
• agents execution में बेहतरीन हैं, लेकिन उनमें अभी पूरी समझ और निर्णय क्षमता नहीं है; यही वह बात है जो product को शानदार बनाती है

engineering में निर्णय और समझ

• जब हर कोई बहुत सारा code लिख सकता है, तब engineer के output की quality code की मात्रा से तय होने वाला दौर खत्म हो गया है
• Interfere में ऐसे pull request को बहुत महत्व दिया जाता है जो ज़रूरी काम जितने कम code में संभव हो करके दिखाए
• code review करना, अच्छे और खराब code में फर्क करना और critically सोचना—ये क्षमताएं code लिखने की क्षमता से ज़्यादा महत्वपूर्ण होती जा रही हैं, और साथ ही ज़्यादा दुर्लभ भी
  • knowledge और understanding की कमी के साथ सीधे बनाने पर उतर जाएं, तो agent का output अच्छा है या खराब यह judge करना मुश्किल हो जाता है, जिससे उसे सही दिशा में ले जाना कठिन होता है

codebase-standards skill

• high quality standards बनाए रखने और agents व humans दोनों के लिए follow करने योग्य principles साझा करने के लिए, अपना /codebase-standards skill बनाया गया
• इसे standards के आधार पर code review करने वाले /interfere-review command के साथ इस्तेमाल कर, understanding और judgment को ऐसी form में encode किया गया जिसे team members और agents दोनों इस्तेमाल कर सकें

agents के साथ काम करने के principles

• अपनी सोच को agent को outsource न करें
• agent ने जो लिखा है उसे default तौर पर सही मानने के बजाय critically देखें
• agent ने जोड़ी हर line क्या करती है, इसे कम से कम मोटे तौर पर explain कर पाने लायक रहें
• सोचें कि आप जो भी जोड़ रहे हैं, क्या वह final result को बेहतर बनाता है
• agent आपका extension है; आप जिस काम में जितने अच्छे होंगे, agent भी उतना ही अच्छा होगा
• skills, commands और MCP का इस्तेमाल कर अधिकतम context दें और desired approach साफ़ बताएं
• कुछ समझ न आए तो AI से explain करवाएं — यह सबसे powerful learning tools में से एक है

क्या नहीं बनाना चाहिए

• AI पहले से कहीं आसानी से ज़्यादा features, code और animations जोड़ने देता है, लेकिन उन चीज़ों को भी बनाना आसान कर देता है जिन्हें बनाने की ज़रूरत ही नहीं
• अब सवाल क्या हम बना सकते हैं नहीं, बल्कि क्या और कैसे बनाना चाहिए है
• tools जितने powerful होते जाते हैं, understanding, judgment और taste की value उतनी बढ़ती है; product, users और problem की समझ, viewpoint और vision अब भी इंसानों का काम है
• सरलता संयोग से पैदा नहीं होती; यह इस गहरी समझ से आती है कि क्या हटाना है, क्या रहने देना है और क्या बिल्कुल नहीं बनाना है
• कोई element, animation या feature जोड़ते समय हर बार critically पूछना चाहिए कि उसे क्यों जोड़ रहे हैं और क्या वह final result को बेहतर बनाता है; AI युग में क्या नहीं बनाना है, यह जानना शायद सबसे महत्वपूर्ण क्षमता हो सकती है