ਛੋਟਾ ਜਵਾਬ: AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਕੋਡ ਅਕਸਰ ਅਸਾਧਾਰਨ ਤੌਰ 'ਤੇ ਸਾਫ਼-ਸੁਥਰਾ ਅਤੇ "ਪਾਠ-ਪੁਸਤਕ" ਦੇ ਰੂਪ ਵਿੱਚ ਪੜ੍ਹਿਆ ਜਾਂਦਾ ਹੈ: ਇਕਸਾਰ ਫਾਰਮੈਟਿੰਗ, ਆਮ ਨਾਮਕਰਨ, ਨਿਮਰ ਗਲਤੀ ਸੁਨੇਹੇ, ਅਤੇ ਟਿੱਪਣੀਆਂ ਜੋ ਸਪੱਸ਼ਟ ਨੂੰ ਦੁਬਾਰਾ ਦਰਸਾਉਂਦੀਆਂ ਹਨ। ਜੇਕਰ ਇਸ ਵਿੱਚ ਅਸਲ-ਸੰਸਾਰ ਦੀ ਗਰਿੱਟ - ਡੋਮੇਨ ਭਾਸ਼ਾ, ਅਜੀਬ ਰੁਕਾਵਟਾਂ, ਕਿਨਾਰੇ ਦੇ ਮਾਮਲੇ - ਗੁੰਮ ਹਨ ਤਾਂ ਇਹ ਇੱਕ ਚੇਤਾਵਨੀ ਸੰਕੇਤ ਹੈ। ਜਦੋਂ ਤੁਸੀਂ ਇਸਨੂੰ ਆਪਣੇ ਰੈਪੋ ਪੈਟਰਨਾਂ ਵਿੱਚ ਐਂਕਰ ਕਰਦੇ ਹੋ ਅਤੇ ਇਸਨੂੰ ਉਤਪਾਦਨ ਜੋਖਮਾਂ ਦੇ ਵਿਰੁੱਧ ਟੈਸਟ ਕਰਦੇ ਹੋ, ਤਾਂ ਇਹ ਭਰੋਸੇਯੋਗ ਬਣ ਜਾਂਦਾ ਹੈ।
ਮੁੱਖ ਗੱਲਾਂ:
ਸੰਦਰਭ ਜਾਂਚ: ਜੇਕਰ ਡੋਮੇਨ ਸ਼ਬਦ, ਡੇਟਾ ਆਕਾਰ, ਅਤੇ ਪਾਬੰਦੀਆਂ ਪ੍ਰਤੀਬਿੰਬਤ ਨਹੀਂ ਹੁੰਦੀਆਂ, ਤਾਂ ਇਸਨੂੰ ਜੋਖਮ ਭਰਿਆ ਸਮਝੋ।
ਜ਼ਿਆਦਾ ਪਾਲਿਸ਼: ਬਹੁਤ ਜ਼ਿਆਦਾ ਡੌਕਸਟ੍ਰਿੰਗ, ਇਕਸਾਰ ਬਣਤਰ, ਅਤੇ ਬੇਢੰਗੇ ਨਾਮ ਆਮ ਪੀੜ੍ਹੀ ਦਾ ਸੰਕੇਤ ਦੇ ਸਕਦੇ ਹਨ।
ਗਲਤੀ ਅਨੁਸ਼ਾਸਨ: ਵਿਆਪਕ ਅਪਵਾਦ ਕੈਚਾਂ, ਨਿਗਲੀਆਂ ਗਈਆਂ ਅਸਫਲਤਾਵਾਂ, ਅਤੇ ਅਸਪਸ਼ਟ ਲੌਗਿੰਗ ਲਈ ਧਿਆਨ ਰੱਖੋ।
ਐਬਸਟਰੈਕਸ਼ਨ ਟ੍ਰਿਮ: ਸੱਟੇਬਾਜ਼ੀ ਸਹਾਇਕਾਂ ਅਤੇ ਪਰਤਾਂ ਨੂੰ ਉਦੋਂ ਤੱਕ ਮਿਟਾਓ ਜਦੋਂ ਤੱਕ ਸਿਰਫ ਸਭ ਤੋਂ ਛੋਟਾ ਸਹੀ ਸੰਸਕਰਣ ਹੀ ਨਹੀਂ ਰਹਿੰਦਾ।
ਹਕੀਕਤ ਟੈਸਟ: ਏਕੀਕਰਨ ਅਤੇ ਐਜ-ਕੇਸ ਟੈਸਟ ਸ਼ਾਮਲ ਕਰੋ; ਉਹ "ਸਾਫ਼ ਸੰਸਾਰ" ਧਾਰਨਾਵਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਬੇਨਕਾਬ ਕਰਦੇ ਹਨ।
ਏਆਈ-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਕੋਡਿੰਗ ਹੁਣ ਹਰ ਜਗ੍ਹਾ ਹੈ (ਸਟੈਕ ਓਵਰਫਲੋ ਡਿਵੈਲਪਰ ਸਰਵੇਖਣ 2025; ਗਿੱਟਹੱਬ ਔਕਟੋਵਰਸ (ਅਕਤੂਬਰ 28, 2025))। ਕਈ ਵਾਰ ਇਹ ਸ਼ਾਨਦਾਰ ਹੁੰਦਾ ਹੈ ਅਤੇ ਤੁਹਾਨੂੰ ਇੱਕ ਦੁਪਹਿਰ ਬਚਾਉਂਦਾ ਹੈ। ਕਈ ਵਾਰ ਇਹ... ਸ਼ੱਕੀ ਤੌਰ 'ਤੇ ਪਾਲਿਸ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਥੋੜ੍ਹਾ ਜਿਹਾ ਆਮ ਹੁੰਦਾ ਹੈ, ਜਾਂ ਇਹ "ਕੰਮ ਕਰਦਾ ਹੈ" ਜਦੋਂ ਤੱਕ ਕੋਈ ਉਸ ਬਟਨ 'ਤੇ ਕਲਿੱਕ ਨਹੀਂ ਕਰਦਾ ਜਿਸਨੂੰ ਕਿਸੇ ਨੇ ਟੈਸਟ ਨਹੀਂ ਕੀਤਾ 🙃। ਇਸ ਨਾਲ ਇਹ ਸਵਾਲ ਉੱਠਦਾ ਹੈ ਕਿ ਲੋਕ ਕੋਡ ਸਮੀਖਿਆਵਾਂ, ਇੰਟਰਵਿਊਆਂ ਅਤੇ ਨਿੱਜੀ DM ਵਿੱਚ ਉਠਾਉਂਦੇ ਰਹਿੰਦੇ ਹਨ:
ਏਆਈ ਕੋਡ ਕਿਹੋ ਜਿਹਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ
ਸਿੱਧਾ ਜਵਾਬ ਹੈ: ਇਹ ਕਿਸੇ ਵੀ ਚੀਜ਼ ਵਾਂਗ ਦਿਖਾਈ ਦੇ ਸਕਦਾ ਹੈ। ਪਰ ਪੈਟਰਨ ਹਨ - ਨਰਮ ਸੰਕੇਤ, ਅਦਾਲਤ ਦੇ ਸਬੂਤ ਨਹੀਂ। ਇਸਨੂੰ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਵਾਂਗ ਸੋਚੋ ਕਿ ਕੀ ਕੇਕ ਬੇਕਰੀ ਤੋਂ ਆਇਆ ਹੈ ਜਾਂ ਕਿਸੇ ਦੀ ਰਸੋਈ ਤੋਂ। ਫ੍ਰੋਸਟਿੰਗ ਬਹੁਤ ਸੰਪੂਰਨ ਹੋ ਸਕਦੀ ਹੈ, ਪਰ ਕੁਝ ਘਰੇਲੂ ਬੇਕਰ ਵੀ ਬਹੁਤ ਵਧੀਆ ਹਨ। ਉਹੀ ਮਾਹੌਲ।.
ਹੇਠਾਂ ਆਮ AI ਫਿੰਗਰਪ੍ਰਿੰਟਸ ਨੂੰ ਪਛਾਣਨ, ਇਹ ਸਮਝਣ ਲਈ ਕਿ ਉਹ ਕਿਉਂ ਹੁੰਦੇ ਹਨ, ਅਤੇ - ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ - AI-ਤਿਆਰ ਕੀਤੇ ਕੋਡ ਨੂੰ ਉਸ ਕੋਡ ਵਿੱਚ ਕਿਵੇਂ ਬਦਲਣਾ ਹੈ ਜਿਸ 'ਤੇ ਤੁਸੀਂ ਉਤਪਾਦਨ ਵਿੱਚ ਭਰੋਸਾ ਕਰੋਗੇ, ਲਈ ਇੱਕ ਵਿਹਾਰਕ ਗਾਈਡ ਹੈ ✅।.
🔗 ਏਆਈ ਰੁਝਾਨਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਿਵੇਂ ਕਰਦਾ ਹੈ?
ਅਸਲ ਵਰਤੋਂ ਵਿੱਚ ਪੈਟਰਨ ਸਿਖਲਾਈ, ਸੰਕੇਤਾਂ ਅਤੇ ਭਵਿੱਖਬਾਣੀ ਬਾਰੇ ਦੱਸਦਾ ਹੈ।.
🔗 ਏਆਈ ਵਿਗਾੜਾਂ ਦਾ ਪਤਾ ਕਿਵੇਂ ਲਗਾਉਂਦਾ ਹੈ?
ਆਊਟਲੇਅਰ ਖੋਜ ਵਿਧੀਆਂ ਅਤੇ ਆਮ ਕਾਰੋਬਾਰੀ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਕਵਰ ਕਰਦਾ ਹੈ।.
🔗 AI ਕਿੰਨਾ ਪਾਣੀ ਵਰਤਦਾ ਹੈ?
ਡੇਟਾ-ਸੈਂਟਰ ਦੇ ਪਾਣੀ ਦੀ ਵਰਤੋਂ ਅਤੇ ਸਿਖਲਾਈ ਪ੍ਰਭਾਵਾਂ ਨੂੰ ਵੰਡਦਾ ਹੈ।.
🔗 ਏਆਈ ਪੱਖਪਾਤ ਕੀ ਹੈ?
ਪੱਖਪਾਤ ਦੇ ਸਰੋਤਾਂ, ਨੁਕਸਾਨਾਂ ਅਤੇ ਇਸਨੂੰ ਘਟਾਉਣ ਦੇ ਵਿਹਾਰਕ ਤਰੀਕਿਆਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ।.
1) ਪਹਿਲਾਂ, ਜਦੋਂ ਲੋਕ "AI ਕੋਡ" ਕਹਿੰਦੇ ਹਨ ਤਾਂ ਉਹਨਾਂ ਦਾ ਕੀ ਅਰਥ ਹੁੰਦਾ ਹੈ 🤔
ਜਦੋਂ ਜ਼ਿਆਦਾਤਰ ਲੋਕ "AI ਕੋਡ" ਕਹਿੰਦੇ ਹਨ, ਤਾਂ ਉਹਨਾਂ ਦਾ ਮਤਲਬ ਆਮ ਤੌਰ 'ਤੇ ਇਹਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੁੰਦਾ ਹੈ:
-
ਇੱਕ ਪ੍ਰੋਂਪਟ (ਵਿਸ਼ੇਸ਼ਤਾ, ਬੱਗਫਿਕਸ, ਰੀਫੈਕਟਰ) ਤੋਂ ਇੱਕ AI ਸਹਾਇਕ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਕੋਡ ।
-
ਕੋਡ ਨੂੰ ਆਟੋਕੰਪਲੀਟ ਦੁਆਰਾ ਭਾਰੀ ਰੂਪ ਵਿੱਚ ਪੂਰਾ ਕੀਤਾ ਗਿਆ, ਜਿੱਥੇ ਡਿਵੈਲਪਰ ਨੇ ਧੱਕਾ ਦਿੱਤਾ ਪਰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਲੇਖਕ ਨਹੀਂ ਬਣਾਇਆ।
-
"ਸਫਾਈ," "ਪ੍ਰਦਰਸ਼ਨ," ਜਾਂ "ਸ਼ੈਲੀ" ਲਈ AI ਦੁਆਰਾ ਦੁਬਾਰਾ ਲਿਖਿਆ ਗਿਆ ਕੋਡ ।
-
ਅਜਿਹਾ ਕੋਡ ਜੋ ਕਿਸੇ AI ਤੋਂ ਆਇਆ ਜਾਪਦਾ ਹੈ ਭਾਵੇਂ ਇਹ AI ਤੋਂ ਨਹੀਂ ਆਇਆ (ਇਹ ਲੋਕਾਂ ਦੁਆਰਾ ਸਵੀਕਾਰ ਕੀਤੇ ਜਾਣ ਨਾਲੋਂ ਜ਼ਿਆਦਾ ਵਾਪਰਦਾ ਹੈ)।
ਅਤੇ ਇੱਥੇ ਇੱਕ ਮੁੱਖ ਨੁਕਤਾ ਹੈ: AI ਦਾ ਇੱਕ ਵੀ ਸਟਾਈਲ ਨਹੀਂ ਹੈ। ਇਸਦੀਆਂ ਪ੍ਰਵਿਰਤੀਆਂ। ਇਹਨਾਂ ਵਿੱਚੋਂ ਬਹੁਤ ਸਾਰੀਆਂ ਪ੍ਰਵਿਰਤੀਆਂ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਸਹੀ, ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਪੜ੍ਹਨਯੋਗ, ਅਤੇ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਸੁਰੱਖਿਅਤ ਹੋਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਤੋਂ ਆਉਂਦੀਆਂ ਹਨ... ਜੋ ਵਿਅੰਗਾਤਮਕ ਤੌਰ 'ਤੇ ਆਉਟਪੁੱਟ ਨੂੰ ਥੋੜ੍ਹਾ ਸਮਾਨ ਮਹਿਸੂਸ ਕਰਵਾ ਸਕਦੀਆਂ ਹਨ।
2) AI ਕੋਡ ਕਿਹੋ ਜਿਹਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ: ਤੇਜ਼ ਵਿਜ਼ੂਅਲ ਦੱਸਦਾ ਹੈ 👀
ਆਓ ਸੁਰਖੀ ਦਾ ਸਪੱਸ਼ਟ ਜਵਾਬ ਦੇਈਏ: ਏਆਈ ਕੋਡ ਕਿਹੋ ਜਿਹਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ।
ਅਕਸਰ ਇਹ ਕੋਡ ਵਰਗਾ ਲੱਗਦਾ ਹੈ ਜੋ:
-
ਬਹੁਤ ਹੀ "ਪਾਠ-ਪੁਸਤਕ ਸਾਫ਼-ਸੁਥਰੀ" - ਇਕਸਾਰ ਇੰਡੈਂਟੇਸ਼ਨ, ਇਕਸਾਰ ਫਾਰਮੈਟਿੰਗ, ਇਕਸਾਰ ਸਭ ਕੁਝ।
-
ਨਿਰਪੱਖ ਤਰੀਕੇ ਨਾਲ ਸ਼ਬਦ-ਜੋੜ - ਬਹੁਤ ਸਾਰੀਆਂ "ਮਦਦਗਾਰ" ਟਿੱਪਣੀਆਂ ਜੋ ਬਹੁਤੀਆਂ ਮਦਦਗਾਰ ਨਹੀਂ ਹਨ।
-
ਬਹੁਤ ਜ਼ਿਆਦਾ ਆਮ - ਦੋ ਅਸਲੀ ਦ੍ਰਿਸ਼ਾਂ ਦੀ ਬਜਾਏ ਦਸ ਕਾਲਪਨਿਕ ਦ੍ਰਿਸ਼ਾਂ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਬਣਾਇਆ ਗਿਆ।
-
ਥੋੜ੍ਹਾ ਜਿਹਾ ਜ਼ਿਆਦਾ ਢਾਂਚਾਗਤ - ਵਾਧੂ ਸਹਾਇਕ ਫੰਕਸ਼ਨ, ਵਾਧੂ ਪਰਤਾਂ, ਵਾਧੂ ਐਬਸਟਰੈਕਸ਼ਨ... ਜਿਵੇਂ ਕਿ ਤਿੰਨ ਸੂਟਕੇਸਾਂ ਨਾਲ ਵੀਕਐਂਡ ਯਾਤਰਾ ਲਈ ਪੈਕਿੰਗ ਕਰਨਾ 🧳।
-
ਅਜੀਬ ਐਜ-ਕੇਸ ਗਲੂ (ਵਿਸ਼ੇਸ਼ਤਾ ਝੰਡੇ, ਵਿਰਾਸਤੀ ਵਿਅੰਗ, ਅਸੁਵਿਧਾਜਨਕ ਰੁਕਾਵਟਾਂ) (ਮਾਰਟਿਨ ਫਾਉਲਰ: ਵਿਸ਼ੇਸ਼ਤਾ ਟੌਗਲ) ਗੁਆ ਰਿਹਾ ਹੈ।
ਪਰ ਇਹ ਵੀ - ਅਤੇ ਮੈਂ ਇਸਨੂੰ ਦੁਹਰਾਉਂਦਾ ਰਹਾਂਗਾ ਕਿਉਂਕਿ ਇਹ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ - ਮਨੁੱਖੀ ਡਿਵੈਲਪਰ ਵੀ ਬਿਲਕੁਲ ਇਸ ਤਰ੍ਹਾਂ ਲਿਖ ਸਕਦੇ ਹਨ। ਕੁਝ ਟੀਮਾਂ ਇਸਨੂੰ ਲਾਗੂ ਕਰਦੀਆਂ ਹਨ। ਕੁਝ ਲੋਕ ਸਿਰਫ਼ ਸਾਫ਼-ਸੁਥਰੇ ਸ਼ੌਕੀਨ ਹਨ। ਮੈਂ ਇਹ ਪਿਆਰ ਨਾਲ ਕਹਿੰਦਾ ਹਾਂ 😅।.
ਇਸ ਲਈ "AI ਨੂੰ ਦੇਖਣ" ਦੀ ਬਜਾਏ, ਇਹ ਪੁੱਛਣਾ ਬਿਹਤਰ ਹੈ: ਕੀ ਇਹ ਕੋਡ ਇਸ ਤਰ੍ਹਾਂ ਵਿਵਹਾਰ ਕਰਦਾ ਹੈ ਜਿਵੇਂ ਇਸਨੂੰ ਅਸਲ ਸੰਦਰਭ ਵਿੱਚ ਲਿਖਿਆ ਗਿਆ ਹੋਵੇ? ਸੰਦਰਭ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ AI ਅਕਸਰ ਫਿਸਲ ਜਾਂਦਾ ਹੈ।
3) "ਅਜੀਬ ਵਾਦੀ" ਦੇ ਚਿੰਨ੍ਹ - ਜਦੋਂ ਇਹ ਬਹੁਤ ਸਾਫ਼-ਸੁਥਰਾ ਹੁੰਦਾ ਹੈ 😬
ਏਆਈ-ਤਿਆਰ ਕੀਤੇ ਕੋਡ ਵਿੱਚ ਅਕਸਰ ਇੱਕ ਖਾਸ "ਚਮਕ" ਹੁੰਦੀ ਹੈ। ਹਮੇਸ਼ਾ ਨਹੀਂ, ਪਰ ਅਕਸਰ।.
ਆਮ "ਬਹੁਤ ਸਾਫ਼" ਸੰਕੇਤ
-
ਹਰੇਕ ਫੰਕਸ਼ਨ ਦਾ ਇੱਕ ਡੌਕਸਟ੍ਰਿੰਗ ਹੁੰਦਾ ਹੈ ਭਾਵੇਂ ਇਹ ਸਪੱਸ਼ਟ ਹੋਵੇ।
-
ਸਾਰੇ ਵੇਰੀਏਬਲਾਂ ਦੇ ਨਾਮ ਨਿਮਰਤਾ ਨਾਲ ਹੁੰਦੇ ਹਨ ਜਿਵੇਂ ਕਿ
ਨਤੀਜਾ,ਡੇਟਾ,ਆਈਟਮਾਂ,ਪੇਲੋਡ,ਰਿਸਪਾਂਸਡੇਟਾ। -
ਲਗਾਤਾਰ ਗਲਤੀ ਸੁਨੇਹੇ ਜੋ ਇੱਕ ਮੈਨੂਅਲ ਵਾਂਗ ਲੱਗਦੇ ਹਨ: "ਬੇਨਤੀ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਦੇ ਸਮੇਂ ਇੱਕ ਗਲਤੀ ਆਈ।"
-
ਗੈਰ-ਸੰਬੰਧਿਤ ਮਾਡਿਊਲਾਂ ਵਿੱਚ ਇੱਕਸਾਰ ਪੈਟਰਨ, ਜਿਵੇਂ ਕਿ ਸਭ ਕੁਝ ਉਸੇ ਸਾਵਧਾਨ ਲਾਇਬ੍ਰੇਰੀਅਨ ਦੁਆਰਾ ਲਿਖਿਆ ਗਿਆ ਸੀ।
ਸੂਖਮ ਦਾਨ
ਏਆਈ ਕੋਡ ਇਸ ਤਰ੍ਹਾਂ ਮਹਿਸੂਸ ਹੋ ਸਕਦਾ ਹੈ ਜਿਵੇਂ ਇਹ ਕਿਸੇ ਟਿਊਟੋਰਿਅਲ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੋਵੇ, ਕਿਸੇ ਉਤਪਾਦ ਲਈ ਨਹੀਂ। ਇਹ ਇਸ ਤਰ੍ਹਾਂ ਹੈ... ਵਾੜ ਨੂੰ ਪੇਂਟ ਕਰਨ ਲਈ ਸੂਟ ਪਹਿਨਣਾ। ਪਹਿਰਾਵੇ ਲਈ ਬਹੁਤ ਸਹੀ, ਥੋੜ੍ਹੀ ਜਿਹੀ ਗਲਤ ਗਤੀਵਿਧੀ।.
4) AI ਕੋਡ ਦਾ ਇੱਕ ਚੰਗਾ ਸੰਸਕਰਣ ਕੀ ਬਣਾਉਂਦਾ ਹੈ? ✅
ਆਓ ਇਸਨੂੰ ਉਲਟਾ ਦੇਈਏ। ਕਿਉਂਕਿ ਟੀਚਾ "ਏਆਈ ਨੂੰ ਫੜਨਾ" ਨਹੀਂ ਹੈ, ਇਹ "ਜਹਾਜ਼ ਦੀ ਗੁਣਵੱਤਾ" ਹੈ।
ਏਆਈ-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਕੋਡ ਦਾ ਇੱਕ ਚੰਗਾ ਸੰਸਕਰਣ ਹੈ:
-
ਤੁਹਾਡੇ ਅਸਲ ਡੋਮੇਨ (ਤੁਹਾਡਾ ਨਾਮਕਰਨ, ਤੁਹਾਡੇ ਡੇਟਾ ਆਕਾਰ, ਤੁਹਾਡੀਆਂ ਸੀਮਾਵਾਂ) ਵਿੱਚ ਐਂਕਰ ਕੀਤਾ ਗਿਆ।
-
ਤੁਹਾਡੇ ਆਰਕੀਟੈਕਚਰ ਨਾਲ ਇਕਸਾਰ (ਪੈਟਰਨ ਰੈਪੋ ਨਾਲ ਮੇਲ ਖਾਂਦੇ ਹਨ, ਆਮ ਟੈਂਪਲੇਟ ਨਾਲ ਨਹੀਂ)।
-
ਤੁਹਾਡੇ ਜੋਖਮਾਂ ਦੇ ਵਿਰੁੱਧ ਟੈਸਟ ਕੀਤਾ ਗਿਆ (ਸਿਰਫ ਹੈਪੀ-ਪਾਥ ਯੂਨਿਟ ਟੈਸਟ ਹੀ ਨਹੀਂ) (ਗੂਗਲ ਵਿਖੇ ਸਾਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਿੰਗ: ਯੂਨਿਟ ਟੈਸਟਿੰਗ; ਦ ਪ੍ਰੈਕਟੀਕਲ ਟੈਸਟ ਪਿਰਾਮਿਡ)।
-
ਇਰਾਦੇ ਨਾਲ ਸਮੀਖਿਆ ਕੀਤੀ ਗਈ (ਕਿਸੇ ਨੇ ਪੁੱਛਿਆ "ਇਹ ਕਿਉਂ?" ਨਾ ਸਿਰਫ਼ "ਕੀ ਇਹ ਕੰਪਾਇਲ ਕਰਦਾ ਹੈ") (ਗੂਗਲ ਇੰਜੀਨੀਅਰਿੰਗ ਅਭਿਆਸ: ਕੋਡ ਸਮੀਖਿਆ ਦਾ ਮਿਆਰ)।
-
ਘਟਾ ਦਿੱਤਾ ਗਿਆ ਹੈ (ਭਵਿੱਖ-ਪ੍ਰੂਫ਼ਿੰਗ ਦੀ ਘੱਟ ਕਾਲਪਨਿਕਤਾ)।
ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਵਧੀਆ AI ਕੋਡ ਇਸ ਤਰ੍ਹਾਂ ਲੱਗਦਾ ਹੈ... ਤੁਹਾਡੀ ਟੀਮ ਨੇ ਇਸਨੂੰ ਲਿਖਿਆ ਹੈ। ਜਾਂ ਘੱਟੋ ਘੱਟ, ਤੁਹਾਡੀ ਟੀਮ ਨੇ ਇਸਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਅਪਣਾਇਆ ਹੈ। ਇੱਕ ਬਚਾਅ ਕੁੱਤੇ ਵਾਂਗ ਜੋ ਹੁਣ ਜਾਣਦਾ ਹੈ ਕਿ ਸੋਫਾ ਕਿੱਥੇ ਹੈ 🐶।.
5) ਪੈਟਰਨ ਲਾਇਬ੍ਰੇਰੀ: ਕਲਾਸਿਕ AI ਫਿੰਗਰਪ੍ਰਿੰਟ (ਅਤੇ ਇਹ ਕਿਉਂ ਹੁੰਦੇ ਹਨ) 🧩
ਇੱਥੇ ਉਹ ਪੈਟਰਨ ਹਨ ਜੋ ਮੈਂ AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਕੋਡਬੇਸਾਂ ਵਿੱਚ ਵਾਰ-ਵਾਰ ਦੇਖੇ ਹਨ - ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਉਹ ਵੀ ਸ਼ਾਮਲ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਮੈਂ ਨਿੱਜੀ ਤੌਰ 'ਤੇ ਸਾਫ਼ ਕੀਤਾ ਹੈ। ਇਹਨਾਂ ਵਿੱਚੋਂ ਕੁਝ ਠੀਕ ਹਨ। ਕੁਝ ਖ਼ਤਰਨਾਕ ਹਨ। ਜ਼ਿਆਦਾਤਰ ਸਿਰਫ਼... ਸੰਕੇਤ ਹਨ।.
A) ਹਰ ਜਗ੍ਹਾ ਓਵਰ-ਡਿਫੈਂਸਿਵ ਨਲ ਚੈਕਿੰਗ
ਤੁਸੀਂ ਇਹਨਾਂ ਦੀਆਂ ਪਰਤਾਂ ਵੇਖੋਗੇ:
-
ਜੇਕਰ x ਕੋਈ ਨਹੀਂ ਹੈ: ਵਾਪਸ ਕਰੋ... -
ਕੋਸ਼ਿਸ਼ ਕਰੋ/ਛੱਡੋ ਅਪਵਾਦ -
ਮਲਟੀਪਲ ਫਾਲਬੈਕ ਡਿਫੌਲਟ
ਕਿਉਂ: AI ਰਨਟਾਈਮ ਗਲਤੀਆਂ ਤੋਂ ਬਚਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ।
ਜੋਖਮ: ਇਹ ਅਸਲ ਅਸਫਲਤਾਵਾਂ ਨੂੰ ਛੁਪਾ ਸਕਦਾ ਹੈ ਅਤੇ ਡੀਬੱਗਿੰਗ ਨੂੰ ਘਿਨਾਉਣਾ ਬਣਾ ਸਕਦਾ ਹੈ।
ਅ) ਆਮ ਸਹਾਇਕ ਫੰਕਸ਼ਨ ਜੋ ਆਪਣੀ ਹੋਂਦ ਨਹੀਂ ਕਮਾਉਂਦੇ
ਜਿਵੇਂ:
-
ਪ੍ਰਕਿਰਿਆ_ਡਾਟਾ() -
ਹੈਂਡਲ_ਰਿਕੁਐਸਟ() -
ਪ੍ਰਮਾਣਿਤ_ਇਨਪੁੱਟ()
ਕਿਉਂ: ਐਬਸਟਰੈਕਸ਼ਨ "ਪੇਸ਼ੇਵਰ" ਮਹਿਸੂਸ ਹੁੰਦਾ ਹੈ।
ਜੋਖਮ: ਤੁਹਾਡੇ ਕੋਲ ਅਜਿਹੇ ਫੰਕਸ਼ਨ ਹੁੰਦੇ ਹਨ ਜੋ ਸਭ ਕੁਝ ਕਰਦੇ ਹਨ ਅਤੇ ਕੁਝ ਵੀ ਨਹੀਂ ਸਮਝਾਉਂਦੇ।
C) ਟਿੱਪਣੀਆਂ ਜੋ ਕੋਡ ਨੂੰ ਦੁਬਾਰਾ ਦਰਸਾਉਂਦੀਆਂ ਹਨ
ਉਦਾਹਰਨ ਊਰਜਾ:
-
“1 ਦੁਆਰਾ ਵਾਧਾ i”
-
"ਜਵਾਬ ਵਾਪਸ ਕਰੋ"
ਕਿਉਂ: ਏਆਈ ਨੂੰ ਵਿਆਖਿਆਤਮਕ ਹੋਣ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਸੀ।
ਜੋਖਮ: ਟਿੱਪਣੀਆਂ ਤੇਜ਼ੀ ਨਾਲ ਸੜਦੀਆਂ ਹਨ ਅਤੇ ਸ਼ੋਰ ਪੈਦਾ ਕਰਦੀਆਂ ਹਨ।
ਡੀ) ਵੇਰਵੇ ਦੀ ਅਸੰਗਤ ਡੂੰਘਾਈ
ਇੱਕ ਹਿੱਸਾ ਬਹੁਤ ਵਿਸਥਾਰਪੂਰਵਕ ਹੈ, ਦੂਜਾ ਹਿੱਸਾ ਰਹੱਸਮਈ ਤੌਰ 'ਤੇ ਅਸਪਸ਼ਟ ਹੈ।.
ਕਿਉਂ: ਤੁਰੰਤ ਫੋਕਸ ਡ੍ਰਿਫਟ... ਜਾਂ ਅੰਸ਼ਕ ਸੰਦਰਭ।
ਜੋਖਮ: ਕਮਜ਼ੋਰ ਥਾਂਵਾਂ ਅਸਪਸ਼ਟ ਖੇਤਰਾਂ ਵਿੱਚ ਲੁਕੀਆਂ ਹੁੰਦੀਆਂ ਹਨ।
E) ਸ਼ੱਕੀ ਤੌਰ 'ਤੇ ਸਮਮਿਤੀ ਬਣਤਰ
ਹਰ ਚੀਜ਼ ਇੱਕੋ ਜਿਹੇ ਢਾਂਚੇ ਦੀ ਪਾਲਣਾ ਕਰਦੀ ਹੈ, ਭਾਵੇਂ ਵਪਾਰਕ ਤਰਕ ਨੂੰ ਅਜਿਹਾ ਨਹੀਂ ਕਰਨਾ ਚਾਹੀਦਾ।.
ਕਿਉਂ: AI ਸਾਬਤ ਆਕਾਰਾਂ ਨੂੰ ਦੁਹਰਾਉਣਾ ਪਸੰਦ ਕਰਦਾ ਹੈ।
ਜੋਖਮ: ਲੋੜਾਂ ਸਮਰੂਪ ਨਹੀਂ ਹਨ - ਉਹ ਗੰਦੀਆਂ ਹਨ, ਜਿਵੇਂ ਕਿ ਬੁਰੀ ਤਰ੍ਹਾਂ ਪੈਕ ਕੀਤੀਆਂ ਕਰਿਆਨੇ ਦੀਆਂ ਚੀਜ਼ਾਂ 🍅📦।
6) ਤੁਲਨਾ ਸਾਰਣੀ - AI ਕੋਡ ਕਿਹੋ ਜਿਹਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ ਇਸਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਦੇ ਤਰੀਕੇ 🧪
ਹੇਠਾਂ ਇੱਕ ਵਿਹਾਰਕ ਟੂਲਕਿੱਟ ਤੁਲਨਾ ਹੈ। "AI ਡਿਟੈਕਟਰ" ਨਹੀਂ, ਸਗੋਂ ਕੋਡ ਰਿਐਲਿਟੀ ਜਾਂਚਾਂ। ਕਿਉਂਕਿ ਸ਼ੱਕੀ ਕੋਡ ਦੀ ਪਛਾਣ ਕਰਨ ਦਾ ਸਭ ਤੋਂ ਵਧੀਆ ਤਰੀਕਾ ਹੈ ਇਸਦੀ ਜਾਂਚ ਕਰਨਾ, ਇਸਦੀ ਸਮੀਖਿਆ ਕਰਨਾ ਅਤੇ ਦਬਾਅ ਹੇਠ ਇਸਦਾ ਨਿਰੀਖਣ ਕਰਨਾ।
| ਔਜ਼ਾਰ / ਪਹੁੰਚ | (ਦਰਸ਼ਕਾਂ) ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ | ਕੀਮਤ | ਇਹ ਕਿਉਂ ਕੰਮ ਕਰਦਾ ਹੈ (ਅਤੇ ਇੱਕ ਛੋਟੀ ਜਿਹੀ ਨੁਕਤਾ) |
|---|---|---|---|
| ਕੋਡ ਸਮੀਖਿਆ ਚੈੱਕਲਿਸਟ 📝 | ਟੀਮਾਂ, ਲੀਡਰ, ਸੀਨੀਅਰ | ਮੁਫ਼ਤ | "ਕਿਉਂ" ਸਵਾਲਾਂ ਨੂੰ ਮਜਬੂਰ ਕਰਦਾ ਹੈ; ਆਮ ਪੈਟਰਨਾਂ ਨੂੰ ਫੜਦਾ ਹੈ... ਕਈ ਵਾਰ ਬੇਤੁਕਾ ਲੱਗਦਾ ਹੈ (ਗੂਗਲ ਇੰਜੀਨੀਅਰਿੰਗ ਅਭਿਆਸ: ਕੋਡ ਸਮੀਖਿਆ) |
| ਯੂਨਿਟ + ਏਕੀਕਰਣ ਟੈਸਟ ✅ | ਹਰੇਕ ਲਈ ਸ਼ਿਪਿੰਗ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ | ਫ੍ਰੀ-ਇਸ਼ | ਗੁੰਮ ਹੋਏ ਕਿਨਾਰੇ ਦੇ ਮਾਮਲਿਆਂ ਨੂੰ ਪ੍ਰਗਟ ਕਰਦਾ ਹੈ; ਏਆਈ ਕੋਡ ਵਿੱਚ ਅਕਸਰ ਉਤਪਾਦਨ ਦੇ ਅੰਦਰ ਫਿਕਸਚਰ ਦੀ ਘਾਟ ਹੁੰਦੀ ਹੈ (ਗੂਗਲ 'ਤੇ ਸਾਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਿੰਗ: ਯੂਨਿਟ ਟੈਸਟਿੰਗ; ਦ ਪ੍ਰੈਕਟੀਕਲ ਟੈਸਟ ਪਿਰਾਮਿਡ) |
| ਸਥਿਰ ਵਿਸ਼ਲੇਸ਼ਣ / ਲਿੰਟਿੰਗ 🔍 | ਮਿਆਰਾਂ ਵਾਲੀਆਂ ਟੀਮਾਂ | ਮੁਫ਼ਤ / ਭੁਗਤਾਨ ਕੀਤਾ | ਅਸੰਗਤੀਆਂ ਨੂੰ ਫਲੈਗ ਕਰਦਾ ਹੈ; ਹਾਲਾਂਕਿ "ਗਲਤ ਵਿਚਾਰ" ਬੱਗ ਨਹੀਂ ਫੜਦਾ (ESLint Docs; GitHub CodeQL ਕੋਡ ਸਕੈਨਿੰਗ) |
| ਟਾਈਪ ਚੈਕਿੰਗ (ਜਿੱਥੇ ਲਾਗੂ ਹੋਵੇ) 🧷 | ਵੱਡੇ ਕੋਡਬੇਸ | ਮੁਫ਼ਤ / ਭੁਗਤਾਨ ਕੀਤਾ | ਅਸਪਸ਼ਟ ਡੇਟਾ ਆਕਾਰਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ; ਤੰਗ ਕਰਨ ਵਾਲਾ ਹੋ ਸਕਦਾ ਹੈ ਪਰ ਇਸਦੇ ਯੋਗ ਹੋ ਸਕਦਾ ਹੈ (ਟਾਈਪਸਕ੍ਰਿਪਟ: ਸਟੈਟਿਕ ਟਾਈਪ ਚੈਕਿੰਗ; ਮਾਈਪੀ ਦਸਤਾਵੇਜ਼) |
| ਧਮਕੀ ਮਾਡਲਿੰਗ / ਦੁਰਵਿਵਹਾਰ ਦੇ ਮਾਮਲੇ 🛡️ | ਸੁਰੱਖਿਆ ਪ੍ਰਤੀ ਜਾਗਰੂਕ ਟੀਮਾਂ | ਮੁਫ਼ਤ | ਏਆਈ ਵਿਰੋਧੀ ਵਰਤੋਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰ ਸਕਦਾ ਹੈ; ਇਹ ਇਸਨੂੰ ਰੌਸ਼ਨੀ ਵਿੱਚ ਮਜਬੂਰ ਕਰਦਾ ਹੈ (OWASP ਥ੍ਰੈਟ ਮਾਡਲਿੰਗ ਚੀਟ ਸ਼ੀਟ) |
| ਪ੍ਰਦਰਸ਼ਨ ਪ੍ਰੋਫਾਈਲਿੰਗ ⏱️ | ਬੈਕਐਂਡ, ਡਾਟਾ-ਭਾਰੀ ਕੰਮ | ਮੁਫ਼ਤ / ਭੁਗਤਾਨ ਕੀਤਾ | AI ਵਾਧੂ ਲੂਪਸ, ਪਰਿਵਰਤਨ, ਵੰਡ ਜੋੜ ਸਕਦਾ ਹੈ - ਪ੍ਰੋਫਾਈਲਿੰਗ ਝੂਠ ਨਹੀਂ ਬੋਲਦੀ (ਪਾਈਥਨ ਡੌਕਸ: ਪਾਈਥਨ ਪ੍ਰੋਫਾਈਲਰ) |
| ਡੋਮੇਨ-ਕੇਂਦ੍ਰਿਤ ਟੈਸਟ ਡੇਟਾ 🧾 | ਉਤਪਾਦ + ਇੰਜੀਨੀਅਰਿੰਗ | ਮੁਫ਼ਤ | ਸਭ ਤੋਂ ਤੇਜ਼ "ਗੰਧ ਟੈਸਟ"; ਨਕਲੀ ਡੇਟਾ ਨਕਲੀ ਵਿਸ਼ਵਾਸ ਬਣਾਉਂਦਾ ਹੈ (ਪਾਈਟੇਸਟ ਫਿਕਸਚਰ ਡੌਕਸ) |
| ਜੋੜਾ ਸਮੀਖਿਆ / ਵਾਕਥਰੂ 👥 | ਸਲਾਹ + ਮਹੱਤਵਪੂਰਨ PR | ਮੁਫ਼ਤ | ਲੇਖਕ ਨੂੰ ਵਿਕਲਪਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਲਈ ਕਹੋ; ਏਆਈ-ਇਸ਼ ਕੋਡ ਵਿੱਚ ਅਕਸਰ ਕਹਾਣੀ ਦੀ ਘਾਟ ਹੁੰਦੀ ਹੈ (ਗੂਗਲ 'ਤੇ ਸਾਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਿੰਗ: ਕੋਡ ਸਮੀਖਿਆ) |
ਹਾਂ, "ਕੀਮਤ" ਵਾਲਾ ਕਾਲਮ ਥੋੜ੍ਹਾ ਮੂਰਖਤਾਪੂਰਨ ਹੈ - ਕਿਉਂਕਿ ਮਹਿੰਗਾ ਹਿੱਸਾ ਆਮ ਤੌਰ 'ਤੇ ਧਿਆਨ ਹੁੰਦਾ ਹੈ, ਟੂਲਿੰਗ ਨਹੀਂ। ਧਿਆਨ ਦੀ ਕੀਮਤ... ਸਭ ਕੁਝ 😵💫।.
7) AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਕੋਡ ਵਿੱਚ ਢਾਂਚਾਗਤ ਸੁਰਾਗ 🧱
ਜੇਕਰ ਤੁਸੀਂ ਇਸ ਗੱਲ ਦਾ ਡੂੰਘਾ ਜਵਾਬ ਚਾਹੁੰਦੇ ਹੋ ਕਿ AI ਕੋਡ ਕਿਹੋ ਜਿਹਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ, ਤਾਂ ਜ਼ੂਮ ਆਉਟ ਕਰੋ ਅਤੇ ਬਣਤਰ ਨੂੰ ਦੇਖੋ।.
1) ਅਜਿਹਾ ਨਾਮਕਰਨ ਜੋ ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ ਸਹੀ ਹੈ ਪਰ ਸੱਭਿਆਚਾਰਕ ਤੌਰ 'ਤੇ ਗਲਤ ਹੈ
AI ਕਈ ਪ੍ਰੋਜੈਕਟਾਂ ਵਿੱਚ "ਸੁਰੱਖਿਅਤ" ਨਾਮ ਚੁਣਦਾ ਹੈ। ਪਰ ਟੀਮਾਂ ਆਪਣੀ ਬੋਲੀ ਵਿਕਸਤ ਕਰਦੀਆਂ ਹਨ:
-
ਤੁਸੀਂ ਇਸਨੂੰ
AccountId, AI ਇਸਨੂੰuserId। -
ਤੁਸੀਂ ਇਸਨੂੰ
LedgerEntry, AI ਇਸਨੂੰtransaction। -
ਤੁਸੀਂ ਇਸਨੂੰ
FeatureGate, ਇਹ ਇਸਨੂੰconfigFlag।
ਇਸ ਵਿੱਚੋਂ ਕੁਝ ਵੀ "ਮਾੜਾ" ਨਹੀਂ ਹੈ, ਪਰ ਇਹ ਇੱਕ ਸੰਕੇਤ ਹੈ ਕਿ ਲੇਖਕ ਤੁਹਾਡੇ ਡੋਮੇਨ ਦੇ ਅੰਦਰ ਜ਼ਿਆਦਾ ਸਮੇਂ ਤੱਕ ਨਹੀਂ ਰਿਹਾ।.
2) ਮੁੜ ਵਰਤੋਂ ਤੋਂ ਬਿਨਾਂ ਦੁਹਰਾਓ, ਜਾਂ ਬਿਨਾਂ ਕਾਰਨ ਦੁਬਾਰਾ ਵਰਤੋਂ
ਕਈ ਵਾਰ AI:
-
ਇੱਕੋ ਜਿਹੇ ਤਰਕ ਨੂੰ ਕਈ ਥਾਵਾਂ 'ਤੇ ਦੁਹਰਾਉਂਦਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਇੱਕ ਵਾਰ ਵਿੱਚ ਪੂਰੇ ਰੈਪੋ ਸੰਦਰਭ ਨੂੰ "ਯਾਦ" ਨਹੀਂ ਰੱਖਦਾ, ਜਾਂ
-
ਐਬਸਟਰੈਕਸ਼ਨਾਂ ਰਾਹੀਂ ਮੁੜ ਵਰਤੋਂ ਲਈ ਮਜਬੂਰ ਕਰਦਾ ਹੈ ਜੋ ਤਿੰਨ ਲਾਈਨਾਂ ਨੂੰ ਬਚਾਉਂਦਾ ਹੈ ਪਰ ਤਿੰਨ ਘੰਟੇ ਬਾਅਦ ਖਰਚ ਹੁੰਦਾ ਹੈ।.
ਇਹੀ ਵਪਾਰ ਹੈ: ਹੁਣ ਘੱਟ ਟਾਈਪਿੰਗ, ਬਾਅਦ ਵਿੱਚ ਜ਼ਿਆਦਾ ਸੋਚਣਾ। ਅਤੇ ਮੈਨੂੰ ਹਮੇਸ਼ਾ ਯਕੀਨ ਨਹੀਂ ਹੁੰਦਾ ਕਿ ਇਹ ਇੱਕ ਚੰਗਾ ਵਪਾਰ ਹੈ, ਮੇਰਾ ਅੰਦਾਜ਼ਾ ਹੈ... ਹਫ਼ਤੇ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ 😮💨।.
3) "ਸੰਪੂਰਨ" ਮਾਡਿਊਲਰਿਟੀ ਜੋ ਅਸਲ ਸੀਮਾਵਾਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦੀ ਹੈ
ਤੁਸੀਂ ਕੋਡ ਨੂੰ ਸਾਫ਼-ਸੁਥਰੇ ਮੋਡੀਊਲਾਂ ਵਿੱਚ ਵੰਡਿਆ ਹੋਇਆ ਦੇਖੋਗੇ:
-
ਪ੍ਰਮਾਣਕ/ -
ਸੇਵਾਵਾਂ/ -
ਹੈਂਡਲਰ/ -
ਉਪਯੋਗਤਾਵਾਂ/
ਪਰ ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਸੀਮਾਵਾਂ ਤੁਹਾਡੇ ਸਿਸਟਮ ਦੀਆਂ ਸੀਮਾਂ ਨਾਲ ਮੇਲ ਨਾ ਖਾਂਦੀਆਂ ਹੋਣ। ਇੱਕ ਮਨੁੱਖ ਆਰਕੀਟੈਕਚਰ ਦੇ ਦਰਦ ਬਿੰਦੂਆਂ ਨੂੰ ਪ੍ਰਤੀਬਿੰਬਤ ਕਰਦਾ ਹੈ। AI ਇੱਕ ਸੁਥਰਾ ਚਿੱਤਰ ਪ੍ਰਤੀਬਿੰਬਤ ਕਰਦਾ ਹੈ।.
8) ਗਲਤੀ ਨਾਲ ਨਜਿੱਠਣਾ - ਜਿੱਥੇ AI ਕੋਡ… ਫਿਸਲ ਜਾਂਦਾ ਹੈ 🧼
ਗਲਤੀ ਨਾਲ ਨਜਿੱਠਣਾ ਸਭ ਤੋਂ ਵੱਡੇ ਸੰਕੇਤਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ, ਕਿਉਂਕਿ ਇਸ ਲਈ ਨਿਰਣੇ ਦੀ, ਸਿਰਫ਼ ਸ਼ੁੱਧਤਾ ਦੀ ਨਹੀਂ।
ਦੇਖਣ ਲਈ ਪੈਟਰਨ
-
ਅਸਪਸ਼ਟ ਲੌਗਿੰਗ ਨਾਲ ਵਿਆਪਕ ਅਪਵਾਦਾਂ ਨੂੰ ਫੜਨਾ ( ਪਾਈਲਿੰਟ ਡੌਕਸ: bare-except )
-
ਗਲਤੀਆਂ ਨੂੰ ਨਿਗਲਣਾ ਅਤੇ ਡਿਫਾਲਟ ਵਾਪਸ ਕਰਨਾ
-
ਅਰਥਪੂਰਨ ਅਸਫਲਤਾਵਾਂ ਨੂੰ ਉਭਾਰਨ ਦੀ ਬਜਾਏ "ਸਫਲਤਾ: ਗਲਤ" ਵਾਪਸ ਕਰਨਾ
-
ਲੂਪਸ ਨੂੰ ਦੁਬਾਰਾ ਕੋਸ਼ਿਸ਼ ਕਰੋ (ਜਾਂ ਇੱਕ ਕੈਪ ਜੋ ਅਜੀਬ ਤੌਰ 'ਤੇ 3 ਵਾਂਗ ਚੁਣਿਆ ਗਿਆ ਹੈ, ਕਿਉਂਕਿ 3 ਵਧੀਆ ਲੱਗਦਾ ਹੈ) (AWS ਨੁਸਖ਼ੇ ਵਾਲੇ ਮਾਰਗਦਰਸ਼ਨ: ਬੈਕਆਫ ਨਾਲ ਦੁਬਾਰਾ ਕੋਸ਼ਿਸ਼ ਕਰੋ; AWS ਬਿਲਡਰਜ਼ ਲਾਇਬ੍ਰੇਰੀ: ਟਾਈਮਆਉਟ, ਰੀਟ੍ਰਾਈ ਅਤੇ ਜਿਟਰ ਨਾਲ ਬੈਕਆਫ)
ਕਿੰਨਾ ਚੰਗਾ ਲੱਗਦਾ ਹੈ?
-
ਅਸਫਲਤਾਵਾਂ ਖਾਸ ਹਨ
-
ਗਲਤੀਆਂ ਕਾਰਵਾਈਯੋਗ
-
ਲੌਗਿੰਗ ਵਿੱਚ ਸੰਦਰਭ (ਆਈਡੀ, ਇਨਪੁੱਟ, ਸੰਬੰਧਿਤ ਸਥਿਤੀ)
-
ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਨੂੰ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ (AI ਕਈ ਵਾਰ ਇਸਨੂੰ ਭੁੱਲ ਜਾਂਦਾ ਹੈ 😬) (OWASP ਲੌਗਿੰਗ ਚੀਟ ਸ਼ੀਟ; OWASP ਟੌਪ 10 2025: ਸੁਰੱਖਿਆ ਲੌਗਿੰਗ ਅਤੇ ਚੇਤਾਵਨੀ ਅਸਫਲਤਾਵਾਂ)
ਇੱਕ ਬਹੁਤ ਹੀ ਮਨੁੱਖੀ ਗੁਣ ਇੱਕ ਗਲਤੀ ਸੁਨੇਹਾ ਲਿਖਣਾ ਹੈ ਜੋ ਥੋੜ੍ਹਾ ਜਿਹਾ ਪਰੇਸ਼ਾਨ ਕਰਦਾ ਹੈ। ਹਮੇਸ਼ਾ ਨਹੀਂ, ਪਰ ਜਦੋਂ ਤੁਸੀਂ ਇਸਨੂੰ ਦੇਖਦੇ ਹੋ ਤਾਂ ਤੁਹਾਨੂੰ ਪਤਾ ਲੱਗ ਜਾਂਦਾ ਹੈ। AI ਗਲਤੀ ਸੁਨੇਹੇ ਅਕਸਰ ਇੱਕ ਮੈਡੀਟੇਸ਼ਨ ਐਪ ਵਾਂਗ ਸ਼ਾਂਤ ਹੁੰਦੇ ਹਨ।.
9) ਕਿਨਾਰੇ ਵਾਲੇ ਕੇਸ ਅਤੇ ਉਤਪਾਦ ਦੀ ਅਸਲੀਅਤ - "ਗੁੰਮ ਹੋਈ ਗਰਿੱਟ" 🧠🪤
ਅਸਲ ਸਿਸਟਮ ਗੰਦੇ ਹਨ। AI ਆਉਟਪੁੱਟ ਵਿੱਚ ਅਕਸਰ ਉਸ ਬਣਤਰ ਦੀ ਘਾਟ ਹੁੰਦੀ ਹੈ।.
ਟੀਮਾਂ ਕੋਲ ਮੌਜੂਦ "ਗਰਿਟ" ਦੀਆਂ ਉਦਾਹਰਣਾਂ:
-
ਫੀਚਰ ਫਲੈਗ ਅਤੇ ਅੰਸ਼ਕ ਰੋਲਆਉਟ (ਮਾਰਟਿਨ ਫਾਉਲਰ: ਫੀਚਰ ਟੌਗਲ)
-
ਬੈਕਵਰਡ ਅਨੁਕੂਲਤਾ ਹੈਕ
-
ਅਜੀਬ ਤੀਜੀ-ਧਿਰ ਸਮਾਂ ਸਮਾਪਤੀ
-
ਤੁਹਾਡੇ ਸਕੀਮਾ ਦੀ ਉਲੰਘਣਾ ਕਰਨ ਵਾਲਾ ਪੁਰਾਣਾ ਡੇਟਾ
-
ਅਸੰਗਤ ਕੇਸਿੰਗ, ਏਨਕੋਡਿੰਗ, ਜਾਂ ਲੋਕੇਲ ਸਮੱਸਿਆਵਾਂ
-
ਕਾਰੋਬਾਰੀ ਨਿਯਮ ਜੋ ਮਨਮਾਨੇ ਮਹਿਸੂਸ ਕਰਦੇ ਹਨ ਕਿਉਂਕਿ ਉਹ ਮਨਮਾਨੇ ਹਨ
ਜੇ ਤੁਸੀਂ ਦੱਸੋ ਤਾਂ AI ਐਜ ਕੇਸਾਂ ਨੂੰ ਸੰਭਾਲ ਸਕਦਾ ਹੈ, ਪਰ ਜੇ ਤੁਸੀਂ ਉਨ੍ਹਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਸ਼ਾਮਲ ਨਹੀਂ ਕਰਦੇ, ਤਾਂ ਇਹ ਅਕਸਰ ਇੱਕ "ਸਾਫ਼ ਦੁਨੀਆਂ" ਹੱਲ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਸਾਫ਼ ਦੁਨੀਆਂ ਪਿਆਰੀ ਹੁੰਦੀ ਹੈ। ਸਾਫ਼ ਦੁਨੀਆਂ ਵੀ ਮੌਜੂਦ ਨਹੀਂ ਹੁੰਦੀ।.
ਥੋੜ੍ਹਾ ਜਿਹਾ ਤਣਾਅਪੂਰਨ ਰੂਪਕ ਆਉਣਾ: AI ਕੋਡ ਇੱਕ ਬਿਲਕੁਲ ਨਵੇਂ ਸਪੰਜ ਵਾਂਗ ਹੈ - ਇਸਨੇ ਅਜੇ ਰਸੋਈ ਦੀਆਂ ਆਫ਼ਤਾਂ ਨੂੰ ਨਹੀਂ ਜਜ਼ਬ ਕੀਤਾ ਹੈ। ਉੱਥੇ, ਮੈਂ ਇਹ ਕਿਹਾ 🧽। ਮੇਰਾ ਸਭ ਤੋਂ ਵਧੀਆ ਕੰਮ ਨਹੀਂ ਹੈ, ਪਰ ਇਹ ਸੱਚ ਹੈ।.
10) ਏਆਈ-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਕੋਡ ਨੂੰ ਮਨੁੱਖੀ ਕਿਵੇਂ ਮਹਿਸੂਸ ਕਰਵਾਇਆ ਜਾਵੇ - ਅਤੇ ਇਸ ਤੋਂ ਵੀ ਮਹੱਤਵਪੂਰਨ, ਭਰੋਸੇਯੋਗ ਬਣੋ 🛠️✨
ਜੇਕਰ ਤੁਸੀਂ ਕੋਡ ਡਰਾਫਟ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹੋ (ਅਤੇ ਬਹੁਤ ਸਾਰੇ ਲੋਕ ਹਨ), ਤਾਂ ਤੁਸੀਂ ਕੁਝ ਆਦਤਾਂ ਨਾਲ ਆਉਟਪੁੱਟ ਨੂੰ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਬਿਹਤਰ ਬਣਾ ਸਕਦੇ ਹੋ।.
A) ਆਪਣੀਆਂ ਪਾਬੰਦੀਆਂ ਨੂੰ ਪਹਿਲਾਂ ਤੋਂ ਹੀ ਲਗਾਓ
"ਇੱਕ ਫੰਕਸ਼ਨ ਲਿਖੋ ਜੋ..." ਦੀ ਬਜਾਏ, ਕੋਸ਼ਿਸ਼ ਕਰੋ:
-
ਉਮੀਦ ਕੀਤੇ ਇਨਪੁੱਟ/ਆਊਟਪੁੱਟ
-
ਪ੍ਰਦਰਸ਼ਨ ਦੀਆਂ ਜ਼ਰੂਰਤਾਂ
-
ਗਲਤੀ ਨੀਤੀ (ਉਭਾਰੋ, ਨਤੀਜਾ ਕਿਸਮ ਵਾਪਸ ਕਰੋ, ਲੌਗ + ਅਸਫਲ?)
-
ਨਾਮਕਰਨ ਪਰੰਪਰਾਵਾਂ
-
ਤੁਹਾਡੇ ਰਿਪੋਜ਼ਟਰੀ ਵਿੱਚ ਮੌਜੂਦਾ ਪੈਟਰਨ
ਅ) ਸਿਰਫ਼ ਹੱਲ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਬਦਲਾਵਾਂ ਦੀ ਮੰਗ ਕਰੋ
ਇਸ ਨਾਲ ਪੁੱਛੋ:
-
"ਦੋ ਤਰੀਕੇ ਦੱਸੋ ਅਤੇ ਆਪਸੀ ਤਾਲਮੇਲ ਦੀ ਵਿਆਖਿਆ ਕਰੋ।"
-
"ਤੁਸੀਂ ਇੱਥੇ ਕੀ ਕਰਨ ਤੋਂ ਪਰਹੇਜ਼ ਕਰੋਗੇ ਅਤੇ ਕਿਉਂ?"
-
"ਇਹ ਉਤਪਾਦਨ ਵਿੱਚ ਕਿੱਥੇ ਰੁਕਾਵਟ ਪਾਵੇਗਾ?"
AI ਉਦੋਂ ਬਿਹਤਰ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਤੁਸੀਂ ਇਸਨੂੰ ਜੋਖਮਾਂ ਵਿੱਚ ਸੋਚਣ ਲਈ ਮਜਬੂਰ ਕਰਦੇ ਹੋ।.
C) ਇਸਨੂੰ ਕੋਡ ਡਿਲੀਟ ਕਰੋ
ਗੰਭੀਰਤਾ ਨਾਲ। ਪੁੱਛੋ:
-
"ਕੋਈ ਵੀ ਬੇਲੋੜੀ ਐਬਸਟਰੈਕਸ਼ਨ ਹਟਾਓ।"
-
"ਇਸਨੂੰ ਸਭ ਤੋਂ ਛੋਟੇ ਸਹੀ ਸੰਸਕਰਣ ਤੱਕ ਕੱਟ ਦਿਓ।"
-
"ਕਿਹੜੇ ਹਿੱਸੇ ਅਟਕਲਾਂ ਵਾਲੇ ਹਨ?"
ਏਆਈ ਜੋੜਨ ਦੀ ਆਦਤ ਰੱਖਦਾ ਹੈ। ਮਹਾਨ ਇੰਜੀਨੀਅਰ ਘਟਾਉਣ ਦੀ ਆਦਤ ਰੱਖਦੇ ਹਨ।.
ਡੀ) ਅਸਲੀਅਤ ਨੂੰ ਦਰਸਾਉਣ ਵਾਲੇ ਟੈਸਟ ਸ਼ਾਮਲ ਕਰੋ
ਸਿਰਫ਼ ਇਹ ਨਹੀਂ:
-
"ਉਮੀਦ ਕੀਤੀ ਆਉਟਪੁੱਟ ਵਾਪਸ ਕਰਦਾ ਹੈ"
ਪਰ:
-
ਅਜੀਬ ਇਨਪੁੱਟ
-
ਗੁੰਮ ਖੇਤਰ
-
ਸਹਿਮਤੀ
-
ਅੰਸ਼ਕ ਅਸਫਲਤਾਵਾਂ
-
ਏਕੀਕਰਨ-ਪੱਧਰੀ ਵਿਵਹਾਰ (ਗੂਗਲ ਵਿਖੇ ਸਾਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਿੰਗ: ਵੱਡਾ ਟੈਸਟਿੰਗ; ਪ੍ਰੈਕਟੀਕਲ ਟੈਸਟ ਪਿਰਾਮਿਡ)
ਜੇ ਤੁਸੀਂ ਹੋਰ ਕੁਝ ਨਹੀਂ ਕਰਦੇ, ਤਾਂ ਇਹ ਕਰੋ। ਟੈਸਟ ਝੂਠ ਖੋਜਣ ਵਾਲੇ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਕੋਈ ਪਰਵਾਹ ਨਹੀਂ ਹੁੰਦੀ ਕਿ ਕੋਡ ਕਿਸਨੇ ਲਿਖਿਆ 😌।.
11) ਸਮਾਪਤੀ ਨੋਟਸ + ਤੇਜ਼ ਸੰਖੇਪ 🎯
ਇਸ ਲਈ, AI ਕੋਡ ਕਿਹੋ ਜਿਹਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ: ਇਹ ਅਕਸਰ ਸਾਫ਼, ਆਮ, ਥੋੜ੍ਹਾ ਜ਼ਿਆਦਾ ਸਮਝਾਇਆ ਗਿਆ, ਅਤੇ ਖੁਸ਼ ਕਰਨ ਲਈ ਥੋੜ੍ਹਾ ਬਹੁਤ ਉਤਸੁਕ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਵੱਡਾ "ਦੱਸਣਾ" ਫਾਰਮੈਟਿੰਗ ਜਾਂ ਟਿੱਪਣੀਆਂ ਨਹੀਂ ਹੈ - ਇਸ ਵਿੱਚ ਸੰਦਰਭ ਦੀ ਘਾਟ ਹੈ: ਡੋਮੇਨ ਨਾਮਕਰਨ, ਅਜੀਬ ਕਿਨਾਰੇ ਵਾਲੇ ਕੇਸ, ਅਤੇ ਆਰਕੀਟੈਕਚਰ-ਵਿਸ਼ੇਸ਼ ਵਿਕਲਪ ਜੋ ਇੱਕ ਸਿਸਟਮ ਨਾਲ ਰਹਿਣ ਤੋਂ ਆਉਂਦੇ ਹਨ।
ਜਲਦੀ ਸੰਖੇਪ ਜਾਣਕਾਰੀ
-
ਏਆਈ ਕੋਡ ਇੱਕ ਸ਼ੈਲੀ ਨਹੀਂ ਹੈ, ਪਰ ਇਹ ਅਕਸਰ ਸਾਫ਼-ਸੁਥਰਾ, ਸ਼ਬਦਾਵਲੀ ਵਾਲਾ, ਅਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਆਮ ਹੁੰਦਾ ਹੈ।.
-
ਸਭ ਤੋਂ ਵਧੀਆ ਸੰਕੇਤ ਇਹ ਹੈ ਕਿ ਕੀ ਕੋਡ ਤੁਹਾਡੀਆਂ ਅਸਲ ਪਾਬੰਦੀਆਂ ਅਤੇ ਉਤਪਾਦ ਦੀ ਗਰਿੱਟ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।.
-
ਖੋਜ ਤੋਂ ਵੱਧ ਜਨੂੰਨ ਨਾ ਕਰੋ - ਗੁਣਵੱਤਾ ਤੋਂ ਵੱਧ ਜਨੂੰਨ ਰੱਖੋ: ਟੈਸਟ, ਸਮੀਖਿਆ, ਸਪਸ਼ਟਤਾ, ਅਤੇ ਇਰਾਦਾ (ਗੂਗਲ ਇੰਜੀਨੀਅਰਿੰਗ ਅਭਿਆਸ: ਕੋਡ ਸਮੀਖਿਆ; ਗੂਗਲ 'ਤੇ ਸਾਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਿੰਗ: ਯੂਨਿਟ ਟੈਸਟਿੰਗ)।
-
ਪਹਿਲੇ ਡਰਾਫਟ ਦੇ ਤੌਰ 'ਤੇ AI ਠੀਕ ਹੈ। ਆਖਰੀ ਡਰਾਫਟ ਦੇ ਤੌਰ 'ਤੇ ਇਹ ਠੀਕ ਨਹੀਂ ਹੈ। ਇਹੀ ਸਾਰਾ ਖੇਡ ਹੈ।.
ਅਤੇ ਜੇਕਰ ਕੋਈ ਤੁਹਾਨੂੰ AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਸ਼ਰਮਿੰਦਾ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ, ਤਾਂ ਇਮਾਨਦਾਰੀ ਨਾਲ... ਸ਼ੋਰ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰੋ। ਬਸ ਠੋਸ ਕੋਡ ਭੇਜੋ। ਠੋਸ ਕੋਡ ਹੀ ਇੱਕੋ ਇੱਕ ਫਲੈਕਸ ਹੈ ਜੋ ਟਿਕਦਾ ਹੈ 💪🙂।.
ਅਸਲ-ਸੰਸਾਰ ਦੀ ਉਦਾਹਰਣ: ਇੱਕ AI-ਡਰਾਫਟ ਕੀਤੇ ਚੈੱਕਆਉਟ ਬੱਗਫਿਕਸ ਦੀ ਸਮੀਖਿਆ ਕਰਨਾ 🛒
ਦ੍ਰਿਸ਼
ਕਲਪਨਾ ਕਰੋ ਕਿ ਇੱਕ ਛੋਟੀ ਜਿਹੀ ਈ-ਕਾਮਰਸ ਟੀਮ ਇੱਕ ਚੈੱਕਆਉਟ ਮੁੱਦੇ ਲਈ ਬੱਗ ਫਿਕਸ ਤਿਆਰ ਕਰਨ ਲਈ ਇੱਕ AI ਸਹਾਇਕ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੀ ਹੈ: ਗਾਹਕਾਂ ਤੋਂ ਕਈ ਵਾਰ ਦੋ ਵਾਰ ਖਰਚਾ ਲਿਆ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਭੁਗਤਾਨ ਪ੍ਰਦਾਤਾ ਦਾ ਸਮਾਂ ਖਤਮ ਹੋ ਜਾਂਦਾ ਹੈ ਅਤੇ ਦੁਬਾਰਾ ਕੋਸ਼ਿਸ਼ ਕਰੋ ਬਟਨ 'ਤੇ ਕਲਿੱਕ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।.
ਪਹਿਲਾ AI ਡਰਾਫਟ ਸਾਫ਼ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਇਹ ਇੱਕ ਰੀਟ੍ਰੀ ਹੈਲਪਰ ਜੋੜਦਾ ਹੈ, ਭੁਗਤਾਨ ਕਾਲ ਨੂੰ ਵਿਆਪਕ ਗਲਤੀ ਪ੍ਰਬੰਧਨ ਵਿੱਚ ਲਪੇਟਦਾ ਹੈ, ਅਤੇ ਜਦੋਂ ਕੁਝ ਅਸਫਲ ਹੁੰਦਾ ਹੈ ਤਾਂ ਇੱਕ ਨਿਮਰ ਸੁਨੇਹਾ ਵਾਪਸ ਕਰਦਾ ਹੈ। ਇੱਕ ਨਜ਼ਰ ਵਿੱਚ, ਇਹ ਪੇਸ਼ੇਵਰ ਜਾਪਦਾ ਹੈ। ਪਰ ਜੋਖਮ ਸਤ੍ਹਾ ਦੇ ਬਿਲਕੁਲ ਹੇਠਾਂ ਬੈਠਾ ਹੈ: ਕੋਡ ਇਹ ਜਾਂਚ ਨਹੀਂ ਕਰਦਾ ਕਿ ਕੀ ਪਹਿਲੀ ਭੁਗਤਾਨ ਕੋਸ਼ਿਸ਼ ਪਹਿਲਾਂ ਹੀ ਸਫਲ ਹੋ ਚੁੱਕੀ ਹੈ।.
ਇਹੀ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਕੋਡ ਨੂੰ ਉਤਪਾਦਨ ਦਬਾਅ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਸਮੱਸਿਆ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਕੋਡ "AI-ਲਿਖਿਆ" ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਸਮੱਸਿਆ ਇਹ ਹੈ ਕਿ ਇਹ ਇੱਕ ਸਾਫ਼ ਦੁਨੀਆ ਮੰਨਦਾ ਹੈ ਜਿੱਥੇ ਟਾਈਮਆਉਟ ਦਾ ਮਤਲਬ ਹੈ "ਕੁਝ ਨਹੀਂ ਹੋਇਆ"।.
ਸਹਾਇਕ ਨੂੰ ਕੀ ਚਾਹੀਦਾ ਹੈ
AI ਨੂੰ ਬੱਗ ਠੀਕ ਕਰਨ ਲਈ ਕਹਿਣ ਤੋਂ ਪਹਿਲਾਂ, ਇਸਨੂੰ ਸੰਖੇਪ ਵੇਰਵੇ ਦਿਓ:
-
ਭੁਗਤਾਨ ਪ੍ਰਦਾਤਾ 8 ਸਕਿੰਟਾਂ ਬਾਅਦ ਸਮਾਂ ਸਮਾਪਤ ਕਰ ਸਕਦਾ ਹੈ।.
-
ਸਮਾਂ ਸਮਾਪਤੀ ਇਹ ਸਾਬਤ ਨਹੀਂ ਕਰਦੀ ਕਿ ਚਾਰਜ ਅਸਫਲ ਹੋ ਗਿਆ ਹੈ।.
-
ਹਰੇਕ ਚੈੱਕਆਉਟ ਦਾ ਇੱਕ ਵਿਲੱਖਣ ਆਰਡਰ ਆਈਡੀ ਅਤੇ ਆਈਡੈਂਪੋਟੈਂਸੀ ਕੀ ਹੁੰਦਾ ਹੈ।.
-
ਮੌਜੂਦਾ ਰੈਪੋ ਭੁਗਤਾਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਲੈਣ-ਦੇਣ ਦੀ ਨਹੀਂ।.
-
ਅਸਫਲ ਭੁਗਤਾਨਾਂ ਨੂੰ orderId, providerRequestId, ਅਤੇ retryCount ਨਾਲ ਲੌਗ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।.
-
ਲੌਗਸ ਵਿੱਚ ਕੋਈ ਕਾਰਡ ਵੇਰਵਾ ਜਾਂ ਨਿੱਜੀ ਡੇਟਾ ਦਿਖਾਈ ਨਹੀਂ ਦੇਣਾ ਚਾਹੀਦਾ।.
-
ਇਸ ਫਿਕਸ ਵਿੱਚ ਡੁਪਲੀਕੇਟ-ਕਲਿੱਕਾਂ, ਪ੍ਰਦਾਤਾ ਸਮਾਂ ਸਮਾਪਤੀ, ਅਤੇ ਅੰਸ਼ਕ ਅਸਫਲਤਾਵਾਂ ਲਈ ਟੈਸਟ ਸ਼ਾਮਲ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ।.
ਉਦਾਹਰਨ ਹਦਾਇਤ
ਡਬਲ-ਚਾਰਜ ਬੱਗ ਨੂੰ ਠੀਕ ਕਰਨ ਲਈ ਮੌਜੂਦਾ ਚੈੱਕਆਉਟ-ਸਰਵਿਸ ਪੈਟਰਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ। ਜਦੋਂ ਤੱਕ ਇਸਦੀ ਲੋੜ ਨਾ ਹੋਵੇ, ਇੱਕ ਆਮ ਰੀਟ੍ਰੀ ਰੈਪਰ ਨਾ ਬਣਾਓ। ਭੁਗਤਾਨ-ਪ੍ਰਦਾਤਾ ਟਾਈਮਆਉਟ ਨੂੰ ਅਣਜਾਣ ਸਥਿਤੀ ਵਜੋਂ ਮੰਨੋ, ਅਸਫਲ ਭੁਗਤਾਨਾਂ ਵਜੋਂ ਨਹੀਂ। ਮੌਜੂਦਾ PaymentAttempt ਨਾਮਕਰਨ ਦੀ ਵਰਤੋਂ ਕਰੋ। orderId ਅਤੇ idempotencyKey ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ idempotency ਜਾਂਚ ਸ਼ਾਮਲ ਕਰੋ। ਇਹਨਾਂ ਲਈ ਟੈਸਟ ਸ਼ਾਮਲ ਕਰੋ: ਇੱਕ ਸਫਲ ਭੁਗਤਾਨ, ਸਮਾਂ ਸਮਾਪਤੀ ਤੋਂ ਬਾਅਦ ਦੁਬਾਰਾ ਕੋਸ਼ਿਸ਼, ਡੁਪਲੀਕੇਟ ਬਟਨ ਕਲਿੱਕ, ਕਲਾਇੰਟ ਟਾਈਮਆਉਟ ਤੋਂ ਬਾਅਦ ਪ੍ਰਦਾਤਾ ਦੀ ਸਫਲਤਾ, ਅਤੇ ਗੁੰਮ providerRequestId। ਹੱਲ ਨੂੰ ਜਿੰਨਾ ਸੰਭਵ ਹੋ ਸਕੇ ਛੋਟਾ ਰੱਖੋ ਅਤੇ ਦੱਸੋ ਕਿ ਇਹ ਅਜੇ ਵੀ ਉਤਪਾਦਨ ਵਿੱਚ ਕਿੱਥੇ ਅਸਫਲ ਹੋ ਸਕਦਾ ਹੈ।.
ਇਸਨੂੰ ਕਿਵੇਂ ਟੈਸਟ ਕਰਨਾ ਹੈ
ਇੱਕ ਸਮੀਖਿਅਕ AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਕੋਡ ਨੂੰ ਮਨਜ਼ੂਰੀ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ ਪੰਜ ਸਧਾਰਨ ਜਾਂਚਾਂ ਕਰ ਸਕਦਾ ਹੈ:
-
ਇੱਕੋ ਚੈੱਕਆਉਟ ਬੇਨਤੀ ਨੂੰ ਇੱਕੋ idempotencyKey ਨਾਲ ਦੋ ਵਾਰ ਜਮ੍ਹਾਂ ਕਰੋ।.
-
ਇੱਕ ਪ੍ਰਦਾਤਾ ਸਮਾਂ ਸਮਾਪਤੀ ਦੀ ਨਕਲ ਕਰੋ ਜਿੱਥੇ ਪ੍ਰਦਾਤਾ ਬਾਅਦ ਵਿੱਚ ਸਫਲਤਾ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ।.
-
ਸਮਾਂ ਸਮਾਪਤ ਹੋਣ ਤੋਂ ਬਾਅਦ ਦੁਬਾਰਾ ਕੋਸ਼ਿਸ਼ ਦੀ ਨਕਲ ਕਰੋ ਅਤੇ ਪੁਸ਼ਟੀ ਕਰੋ ਕਿ ਕੋਈ ਦੂਜਾ ਚਾਰਜ ਨਹੀਂ ਬਣਾਇਆ ਗਿਆ ਹੈ।.
-
ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਲੀਕ ਕੀਤੇ ਬਿਨਾਂ ਸਹੀ ਡੀਬੱਗਿੰਗ ਖੇਤਰਾਂ ਲਈ ਲੌਗਸ ਦੀ ਜਾਂਚ ਕਰੋ।.
-
ਲੇਖਕ ਨੂੰ ਇਹ ਦੱਸਣ ਲਈ ਕਹੋ ਕਿ ਰੀਟ੍ਰਾਈ ਲਾਜਿਕ ਇੱਕ ਆਮ ਉਪਯੋਗਤਾ ਦੀ ਬਜਾਏ ਇਸ ਪਰਤ ਵਿੱਚ ਕਿਉਂ ਹੈ।.
ਇੱਕ ਕਮਜ਼ੋਰ AI ਡਰਾਫਟ ਖੁਸ਼ਹਾਲ ਰਸਤੇ ਨੂੰ ਪਾਰ ਕਰ ਸਕਦਾ ਹੈ ਪਰ ਟਾਈਮਆਉਟ-ਅਤੇ-ਸਫਲਤਾ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਅਸਫਲ ਹੋ ਸਕਦਾ ਹੈ। ਇਹ "ਸਾਫ਼ ਸੰਸਾਰ" ਧਾਰਨਾ ਹੈ ਜੋ ਟੈਸਟ ਦੇ ਰੂਪ ਵਿੱਚ ਦਿਖਾਈ ਦੇ ਰਹੀ ਹੈ।.
ਨਤੀਜਾ
ਉਦਾਹਰਣ ਵਜੋਂ ਨਤੀਜਾ: ਇਸ ਕਾਲਪਨਿਕ ਚੈੱਕਆਉਟ ਬੱਗ ਲਈ ਪੰਜ-ਕੇਸ ਸਮੀਖਿਆ ਅਭਿਆਸ ਦੇ ਸਮੇਂ ਦੇ ਆਧਾਰ 'ਤੇ, AI ਡਰਾਫਟ ਨੂੰ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਲਗਭਗ 20 ਮਿੰਟ ਲੱਗੇ, ਪਰ ਪਹਿਲੇ ਸੰਸਕਰਣ ਵਿੱਚ 5 ਲੋੜੀਂਦੇ ਟੈਸਟਾਂ ਵਿੱਚੋਂ 2 ਖੁੰਝ ਗਏ: ਡੁਪਲੀਕੇਟ-ਕਲਿਕ ਹੈਂਡਲਿੰਗ ਅਤੇ ਪ੍ਰਦਾਤਾ-ਸਫਲਤਾ-ਬਾਅਦ-ਟਾਈਮਆਉਟ ਹੈਂਡਲਿੰਗ।.
ਉੱਪਰ ਦਿੱਤੇ ਡੋਮੇਨ ਸੀਮਾਵਾਂ ਨੂੰ ਜੋੜਨ ਤੋਂ ਬਾਅਦ, ਸੋਧੇ ਹੋਏ ਡਰਾਫਟ ਵਿੱਚ ਸਾਰੇ 5 ਟੈਸਟ ਕੇਸ ਸ਼ਾਮਲ ਸਨ ਅਤੇ ਘੱਟ ਦਸਤੀ ਸਮੀਖਿਆ ਟਿੱਪਣੀਆਂ ਦੀ ਲੋੜ ਸੀ: ਪਹਿਲੇ ਡਰਾਫਟ 'ਤੇ 9 ਟਿੱਪਣੀਆਂ ਬਨਾਮ ਸੀਮਤ ਡਰਾਫਟ 'ਤੇ 3 ਟਿੱਪਣੀਆਂ। ਕੁੱਲ ਸਮੀਖਿਆ-ਅਤੇ-ਸੰਸ਼ੋਧਨ ਸਮਾਂ ਅੰਦਾਜ਼ਨ 55 ਮਿੰਟਾਂ ਤੋਂ ਘਟ ਕੇ 32 ਮਿੰਟ ਰਹਿ ਗਿਆ।.
ਇਹ ਇੱਕ ਪ੍ਰਮਾਣਿਤ ਮਾਪਦੰਡ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ ਉਦਾਹਰਣ ਅਨੁਮਾਨ ਹੈ ਜੋ ਇੱਕ ਟੀਮ ਲਾਈਵ ਪੁੱਲ ਬੇਨਤੀਆਂ ਦੌਰਾਨ ਤਿੰਨ ਨੰਬਰਾਂ ਨੂੰ ਟਰੈਕ ਕਰਕੇ ਤਸਦੀਕ ਕਰ ਸਕਦੀ ਹੈ: ਡਰਾਫਟ ਤੋਂ ਪ੍ਰਵਾਨਿਤ ਪੀਆਰ ਤੱਕ ਦਾ ਸਮਾਂ, ਸਮੀਖਿਅਕ ਟਿੱਪਣੀਆਂ ਦੀ ਗਿਣਤੀ, ਅਤੇ ਅਸਫਲ ਐਜ-ਕੇਸ ਟੈਸਟਾਂ ਦੀ ਗਿਣਤੀ।.
ਕੀ ਗਲਤ ਹੋ ਸਕਦਾ ਹੈ?
ਸਭ ਤੋਂ ਖ਼ਤਰਨਾਕ ਗਲਤੀ ਇਹ ਹੈ ਕਿ AI ਨੂੰ "ਟਾਈਮਆਊਟ" ਨੂੰ "ਅਸਫਲਤਾ" ਸਮਝਣਾ ਚਾਹੀਦਾ ਹੈ। ਭੁਗਤਾਨ ਪ੍ਰਣਾਲੀਆਂ, ਈਮੇਲ ਡਿਲੀਵਰੀ, ਬੁਕਿੰਗ ਪਲੇਟਫਾਰਮਾਂ, ਵਸਤੂ ਸੂਚੀ ਅੱਪਡੇਟ ਅਤੇ ਪਿਛੋਕੜ ਵਾਲੀਆਂ ਨੌਕਰੀਆਂ ਵਿੱਚ, ਇਹ ਧਾਰਨਾ ਡੁਪਲੀਕੇਟ ਕਾਰਵਾਈਆਂ ਬਣਾ ਸਕਦੀ ਹੈ।.
ਹੋਰ ਆਮ ਸਮੱਸਿਆਵਾਂ:
-
ਜਦੋਂ ਰੈਪੋ ਪੇਮੈਂਟਐਟੈਂਪਟ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਤਾਂ ਏਆਈ ਇੱਕ ਨਵਾਂ ਸ਼ਬਦ ਜਿਵੇਂ ਕਿ ਲੈਣ-ਦੇਣ ਦੀ ਖੋਜ ਕਰਦਾ ਹੈ।.
-
ਇਹ ਵੱਡੀਆਂ ਗਲਤੀਆਂ ਫੜਦਾ ਹੈ ਅਤੇ ਅੰਤਰੀਵ ਅਸਫਲਤਾ ਨੂੰ ਲੁਕਾਉਂਦੇ ਹੋਏ ਇੱਕ ਦੋਸਤਾਨਾ ਸੁਨੇਹਾ ਦਿੰਦਾ ਹੈ।.
-
ਇਹ ਇੱਕ ਮੁੜ ਵਰਤੋਂ ਯੋਗ ਰੀਟ੍ਰਾਈ ਸਹਾਇਕ ਜੋੜਦਾ ਹੈ ਜਿਸਨੂੰ ਦੂਜੇ ਡਿਵੈਲਪਰ ਉਹਨਾਂ ਥਾਵਾਂ 'ਤੇ ਕਾਪੀ ਕਰ ਸਕਦੇ ਹਨ ਜਿੱਥੇ ਰੀਟ੍ਰਾਈ ਅਸੁਰੱਖਿਅਤ ਹਨ।.
-
ਇਹ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸੰਦਰਭ ਲੌਗ ਕਰਦਾ ਹੈ ਅਤੇ ਗਲਤੀ ਨਾਲ ਸੰਵੇਦਨਸ਼ੀਲ ਗਾਹਕ ਜਾਂ ਭੁਗਤਾਨ ਡੇਟਾ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ।.
-
ਇਹ ਅਜਿਹੇ ਟੈਸਟ ਲਿਖਦਾ ਹੈ ਜੋ ਸਾਬਤ ਕਰਦੇ ਹਨ ਕਿ ਕੋਡ ਸਿਰਫ਼ ਉਦੋਂ ਹੀ ਕੰਮ ਕਰਦਾ ਹੈ ਜਦੋਂ ਹਰ ਨਿਰਭਰਤਾ ਪੂਰੀ ਤਰ੍ਹਾਂ ਵਿਵਹਾਰ ਕਰਦੀ ਹੈ।.
ਵਿਹਾਰਕ ਉਪਾਅ
ਏਆਈ-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਕੋਡ ਨੂੰ ਸੁਰੱਖਿਅਤ ਬਣਾਉਣ ਦਾ ਸਭ ਤੋਂ ਵਧੀਆ ਤਰੀਕਾ ਇਹ ਹੈ ਕਿ ਇਸਨੂੰ ਪਹਿਲਾਂ ਗੰਭੀਰ ਤੱਥ ਦਿੱਤੇ ਜਾਣ: ਅਸਲ ਨਾਮ, ਅਸਲ ਅਸਫਲਤਾ ਮੋਡ, ਅਸਲ ਲੌਗ, ਅਸਲ ਟੈਸਟ ਕੇਸ, ਅਤੇ ਅਸਲ ਸੀਮਾਵਾਂ। ਏਆਈ ਸਾਫ਼-ਸੁਥਰੇ ਸੰਸਕਰਣ ਨੂੰ ਜਲਦੀ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ। ਤੁਹਾਡਾ ਕੰਮ ਉਤਪਾਦਨ ਗਰਿੱਟ ਨੂੰ ਮਿਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਜੋੜਨਾ ਹੈ।.
ਅਕਸਰ ਪੁੱਛੇ ਜਾਂਦੇ ਸਵਾਲ
ਤੁਸੀਂ ਕਿਵੇਂ ਦੱਸ ਸਕਦੇ ਹੋ ਕਿ ਕੋਡ AI ਦੁਆਰਾ ਲਿਖਿਆ ਗਿਆ ਸੀ?
ਏਆਈ-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਕੋਡ ਅਕਸਰ ਥੋੜ੍ਹਾ ਜਿਹਾ ਸਾਫ਼-ਸੁਥਰਾ ਲੱਗਦਾ ਹੈ, ਲਗਭਗ "ਪਾਠ-ਪੁਸਤਕ": ਇਕਸਾਰ ਫਾਰਮੈਟਿੰਗ, ਇਕਸਾਰ ਢਾਂਚਾ, ਆਮ ਨਾਮਕਰਨ (ਜਿਵੇਂ ਕਿ ਡੇਟਾ, ਆਈਟਮਾਂ, ਨਤੀਜਾ), ਅਤੇ ਬਰਾਬਰ-ਕੀਲ ਕੀਤੇ, ਪਾਲਿਸ਼ ਕੀਤੇ ਗਲਤੀ ਸੁਨੇਹੇ। ਇਹ ਡੌਕਸਟ੍ਰਿੰਗਾਂ ਜਾਂ ਟਿੱਪਣੀਆਂ ਦੀ ਇੱਕ ਝਾੜੀ ਦੇ ਨਾਲ ਵੀ ਆ ਸਕਦਾ ਹੈ ਜੋ ਸਿਰਫ਼ ਸਪੱਸ਼ਟ ਤਰਕ ਨੂੰ ਦੁਹਰਾਉਂਦੇ ਹਨ। ਵੱਡਾ ਸੰਕੇਤ ਸ਼ੈਲੀ ਨਹੀਂ ਹੈ - ਇਹ ਇਨ-ਦ-ਵਾਈਲਡ ਗਰਿੱਟ ਦੀ ਅਣਹੋਂਦ ਹੈ: ਡੋਮੇਨ ਭਾਸ਼ਾ, ਰੈਪੋ ਸੰਮੇਲਨ, ਅਜੀਬ ਰੁਕਾਵਟਾਂ, ਅਤੇ ਕਿਨਾਰੇ-ਕੇਸ ਗੂੰਦ ਜੋ ਸਿਸਟਮ ਨੂੰ ਹੋਲਡ ਕਰਦੀ ਹੈ।
ਏਆਈ-ਜਨਰੇਟਿਡ ਐਰਰ ਹੈਂਡਲਿੰਗ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਡੇ ਲਾਲ ਝੰਡੇ ਕੀ ਹਨ?
ਵਿਆਪਕ ਅਪਵਾਦ ਕੈਚਾਂ (Exception ਨੂੰ ਛੱਡ ਕੇ), ਨਿਗਲੀਆਂ ਗਈਆਂ ਅਸਫਲਤਾਵਾਂ ਜੋ ਚੁੱਪਚਾਪ ਡਿਫਾਲਟ ਵਾਪਸ ਕਰਦੀਆਂ ਹਨ, ਅਤੇ ਅਸਪਸ਼ਟ ਲੌਗਿੰਗ ਜਿਵੇਂ ਕਿ "ਇੱਕ ਗਲਤੀ ਹੋਈ" ਲਈ ਧਿਆਨ ਰੱਖੋ। ਇਹ ਪੈਟਰਨ ਅਸਲ ਬੱਗਾਂ ਨੂੰ ਲੁਕਾ ਸਕਦੇ ਹਨ ਅਤੇ ਡੀਬੱਗਿੰਗ ਨੂੰ ਦੁਖਦਾਈ ਬਣਾ ਸਕਦੇ ਹਨ। ਮਜ਼ਬੂਤ ਗਲਤੀ ਹੈਂਡਲਿੰਗ ਖਾਸ, ਕਾਰਵਾਈਯੋਗ ਹੈ, ਅਤੇ ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਨੂੰ ਲੌਗਸ ਵਿੱਚ ਡੰਪ ਕੀਤੇ ਬਿਨਾਂ ਕਾਫ਼ੀ ਸੰਦਰਭ (ਆਈਡੀ, ਇਨਪੁਟ, ਸਥਿਤੀ) ਰੱਖਦੀ ਹੈ। ਓਵਰ-ਡਿਫੈਂਸਿਵ ਓਨਾ ਹੀ ਜੋਖਮ ਭਰਿਆ ਹੋ ਸਕਦਾ ਹੈ ਜਿੰਨਾ ਅੰਡਰ-ਡਿਫੈਂਸਿਵ।
ਏਆਈ ਕੋਡ ਅਕਸਰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਇੰਜੀਨੀਅਰਿੰਗ ਜਾਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਐਬਸਟਰੈਕਟਡ ਕਿਉਂ ਮਹਿਸੂਸ ਹੁੰਦਾ ਹੈ?
ਇੱਕ ਆਮ AI ਰੁਝਾਨ ਸਹਾਇਕ ਫੰਕਸ਼ਨਾਂ, ਲੇਅਰਾਂ ਅਤੇ ਡਾਇਰੈਕਟਰੀਆਂ ਨੂੰ ਜੋੜ ਕੇ "ਪੇਸ਼ੇਵਰ ਦਿਖਣਾ" ਹੈ ਜੋ ਕਾਲਪਨਿਕ ਭਵਿੱਖ ਦੀ ਉਮੀਦ ਕਰਦੇ ਹਨ। ਤੁਸੀਂ process_data() ਜਾਂ handle_request() ਅਤੇ ਸਾਫ਼-ਸੁਥਰੇ ਮੋਡੀਊਲ ਸੀਮਾਵਾਂ ਵੇਖੋਗੇ ਜੋ ਤੁਹਾਡੇ ਸਿਸਟਮ ਦੀਆਂ ਸੀਮਾਂ ਨਾਲੋਂ ਇੱਕ ਚਿੱਤਰ ਦੇ ਅਨੁਕੂਲ ਹਨ। ਇੱਕ ਵਿਹਾਰਕ ਹੱਲ ਘਟਾਓ ਹੈ: ਅੰਦਾਜ਼ੇ ਵਾਲੀਆਂ ਪਰਤਾਂ ਨੂੰ ਉਦੋਂ ਤੱਕ ਕੱਟੋ ਜਦੋਂ ਤੱਕ ਤੁਹਾਡੇ ਕੋਲ ਸਭ ਤੋਂ ਛੋਟਾ ਸਹੀ ਸੰਸਕਰਣ ਨਾ ਹੋਵੇ ਜੋ ਤੁਹਾਡੀਆਂ ਜ਼ਰੂਰਤਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੋਵੇ, ਨਾ ਕਿ ਉਹ ਜੋ ਤੁਹਾਨੂੰ ਬਾਅਦ ਵਿੱਚ ਪ੍ਰਾਪਤ ਹੋ ਸਕਦੀਆਂ ਹਨ।
ਇੱਕ ਅਸਲੀ ਰੈਪੋ ਵਿੱਚ ਚੰਗਾ AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਕੋਡ ਕਿਹੋ ਜਿਹਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ?
ਸਭ ਤੋਂ ਵਧੀਆ AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਕੋਡ ਇਸ ਤਰ੍ਹਾਂ ਪੜ੍ਹਦਾ ਹੈ ਜਿਵੇਂ ਤੁਹਾਡੀ ਟੀਮ ਨੇ ਇਸਦਾ ਦਾਅਵਾ ਕੀਤਾ ਹੋਵੇ: ਇਹ ਤੁਹਾਡੇ ਡੋਮੇਨ ਸ਼ਬਦਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਤੁਹਾਡੇ ਡੇਟਾ ਆਕਾਰਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ, ਤੁਹਾਡੇ ਰਿਪੋਜ਼ਟਰੀ ਪੈਟਰਨਾਂ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ, ਅਤੇ ਤੁਹਾਡੇ ਆਰਕੀਟੈਕਚਰ ਨਾਲ ਇਕਸਾਰ ਹੁੰਦਾ ਹੈ। ਇਹ ਤੁਹਾਡੇ ਜੋਖਮਾਂ ਨੂੰ ਵੀ ਦਰਸਾਉਂਦਾ ਹੈ - ਖੁਸ਼ਹਾਲ ਮਾਰਗਾਂ ਤੋਂ ਪਰੇ - ਅਰਥਪੂਰਨ ਟੈਸਟਾਂ ਅਤੇ ਜਾਣਬੁੱਝ ਕੇ ਸਮੀਖਿਆ ਦੇ ਨਾਲ। ਟੀਚਾ "AI ਨੂੰ ਲੁਕਾਉਣਾ" ਨਹੀਂ ਹੈ, ਇਹ ਡਰਾਫਟ ਨੂੰ ਸੰਦਰਭ ਵਿੱਚ ਐਂਕਰ ਕਰਨਾ ਹੈ ਤਾਂ ਜੋ ਇਹ ਉਤਪਾਦਨ ਕੋਡ ਵਾਂਗ ਵਿਵਹਾਰ ਕਰੇ।.
ਕਿਹੜੇ ਟੈਸਟ "ਸਾਫ਼ ਸੰਸਾਰ" ਦੀਆਂ ਧਾਰਨਾਵਾਂ ਨੂੰ ਸਭ ਤੋਂ ਤੇਜ਼ੀ ਨਾਲ ਬੇਨਕਾਬ ਕਰਦੇ ਹਨ?
ਏਕੀਕਰਣ ਟੈਸਟ ਅਤੇ ਐਜ-ਕੇਸ ਟੈਸਟ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਜਲਦੀ ਪ੍ਰਗਟ ਕਰਦੇ ਹਨ ਕਿਉਂਕਿ AI ਆਉਟਪੁੱਟ ਅਕਸਰ ਆਦਰਸ਼ ਇਨਪੁਟ ਅਤੇ ਅਨੁਮਾਨਯੋਗ ਨਿਰਭਰਤਾਵਾਂ ਨੂੰ ਮੰਨਦਾ ਹੈ। ਡੋਮੇਨ-ਕੇਂਦ੍ਰਿਤ ਫਿਕਸਚਰ ਦੀ ਵਰਤੋਂ ਕਰੋ ਅਤੇ ਅਜੀਬ ਇਨਪੁਟ, ਗੁੰਮ ਹੋਏ ਖੇਤਰ, ਅੰਸ਼ਕ ਅਸਫਲਤਾਵਾਂ, ਟਾਈਮਆਉਟ, ਅਤੇ ਸਮਕਾਲੀਤਾ ਨੂੰ ਸ਼ਾਮਲ ਕਰੋ ਜਿੱਥੇ ਇਹ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ। ਜੇਕਰ ਕੋਡ ਵਿੱਚ ਸਿਰਫ਼ ਹੈਪੀ-ਪਾਥ ਯੂਨਿਟ ਟੈਸਟ ਹਨ, ਤਾਂ ਇਹ ਸਹੀ ਦਿਖਾਈ ਦੇ ਸਕਦਾ ਹੈ ਜਦੋਂ ਵੀ ਕੋਈ ਉਤਪਾਦਨ ਵਿੱਚ ਇੱਕ ਅਣਟੈਸਟ ਕੀਤੇ ਬਟਨ ਨੂੰ ਦਬਾਉਂਦਾ ਹੈ ਤਾਂ ਅਸਫਲ ਹੋ ਸਕਦਾ ਹੈ।.
ਏਆਈ ਨਾਲ ਲਿਖੇ ਨਾਮ "ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ ਸਹੀ ਪਰ ਸੱਭਿਆਚਾਰਕ ਤੌਰ 'ਤੇ ਗਲਤ" ਕਿਉਂ ਲੱਗਦੇ ਹਨ?
AI ਅਕਸਰ ਸੁਰੱਖਿਅਤ, ਆਮ ਨਾਮ ਚੁਣਦਾ ਹੈ ਜੋ ਬਹੁਤ ਸਾਰੇ ਪ੍ਰੋਜੈਕਟਾਂ ਵਿੱਚ ਕੰਮ ਕਰਦੇ ਹਨ, ਪਰ ਟੀਮਾਂ ਸਮੇਂ ਦੇ ਨਾਲ ਇੱਕ ਖਾਸ ਉਪਭਾਸ਼ਾ ਵਿਕਸਤ ਕਰਦੀਆਂ ਹਨ। ਇਸ ਤਰ੍ਹਾਂ ਤੁਸੀਂ userId ਬਨਾਮ AccountId , ਜਾਂ transaction ਬਨਾਮ LedgerEntry ਵਰਗੇ ਮੇਲ ਨਹੀਂ ਖਾਂਦੇ , ਭਾਵੇਂ ਤਰਕ ਠੀਕ ਹੋਵੇ। ਇਹ ਨਾਮਕਰਨ ਡ੍ਰਿਫਟ ਇੱਕ ਸੁਰਾਗ ਹੈ ਕਿ ਕੋਡ ਤੁਹਾਡੇ ਡੋਮੇਨ ਅਤੇ ਸੀਮਾਵਾਂ ਦੇ "ਅੰਦਰ" ਰਹਿੰਦੇ ਹੋਏ ਨਹੀਂ ਲਿਖਿਆ ਗਿਆ ਸੀ।
ਕੀ ਕੋਡ ਸਮੀਖਿਆਵਾਂ ਵਿੱਚ AI ਕੋਡ ਦਾ ਪਤਾ ਲਗਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨਾ ਯੋਗ ਹੈ?
ਲੇਖਕਤਾ ਨਾਲੋਂ ਗੁਣਵੱਤਾ ਲਈ ਸਮੀਖਿਆ ਕਰਨਾ ਆਮ ਤੌਰ 'ਤੇ ਵਧੇਰੇ ਲਾਭਕਾਰੀ ਹੁੰਦਾ ਹੈ। ਮਨੁੱਖ ਸਾਫ਼, ਜ਼ਿਆਦਾ ਟਿੱਪਣੀ ਵਾਲਾ ਕੋਡ ਵੀ ਲਿਖ ਸਕਦੇ ਹਨ, ਅਤੇ AI ਨਿਰਦੇਸ਼ਿਤ ਹੋਣ 'ਤੇ ਸ਼ਾਨਦਾਰ ਡਰਾਫਟ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ। ਜਾਸੂਸੀ ਖੇਡਣ ਦੀ ਬਜਾਏ, ਡਿਜ਼ਾਈਨ ਤਰਕ ਅਤੇ ਉਤਪਾਦਨ ਵਿੱਚ ਸੰਭਾਵਿਤ ਅਸਫਲਤਾ ਦੇ ਬਿੰਦੂਆਂ 'ਤੇ ਦਬਾਓ। ਫਿਰ ਟੈਸਟਾਂ, ਆਰਕੀਟੈਕਚਰ ਅਲਾਈਨਮੈਂਟ, ਅਤੇ ਗਲਤੀ ਅਨੁਸ਼ਾਸਨ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕਰੋ। ਦਬਾਅ-ਟੈਸਟਿੰਗ ਵਾਈਬ-ਟੈਸਟਿੰਗ ਨੂੰ ਮਾਤ ਦਿੰਦੀ ਹੈ।.
ਤੁਸੀਂ AI ਨੂੰ ਕਿਵੇਂ ਪ੍ਰੋਂਪਟ ਕਰਦੇ ਹੋ ਤਾਂ ਜੋ ਕੋਡ ਵਧੇਰੇ ਭਰੋਸੇਯੋਗ ਹੋਵੇ?
ਪਹਿਲਾਂ ਤੋਂ ਹੀ ਰੁਕਾਵਟਾਂ ਨੂੰ ਇੰਜੈਕਟ ਕਰਕੇ ਸ਼ੁਰੂ ਕਰੋ: ਉਮੀਦ ਕੀਤੇ ਇਨਪੁਟ/ਆਉਟਪੁੱਟ, ਡੇਟਾ ਆਕਾਰ, ਪ੍ਰਦਰਸ਼ਨ ਦੀਆਂ ਜ਼ਰੂਰਤਾਂ, ਗਲਤੀ ਨੀਤੀ, ਨਾਮਕਰਨ ਪਰੰਪਰਾਵਾਂ, ਅਤੇ ਆਪਣੇ ਰੈਪੋ ਵਿੱਚ ਮੌਜੂਦਾ ਪੈਟਰਨ। ਸਿਰਫ਼ ਹੱਲ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਟ੍ਰੇਡ-ਆਫ ਲਈ ਪੁੱਛੋ - "ਇਹ ਕਿੱਥੇ ਟੁੱਟੇਗਾ?" ਅਤੇ "ਤੁਸੀਂ ਕਿਸ ਤੋਂ ਬਚੋਗੇ ਅਤੇ ਕਿਉਂ?" ਅੰਤ ਵਿੱਚ, ਫੋਰਸ ਘਟਾਓ: ਇਸਨੂੰ ਬੇਲੋੜੀ ਐਬਸਟਰੈਕਸ਼ਨ ਨੂੰ ਹਟਾਉਣ ਲਈ ਕਹੋ ਅਤੇ ਕਿਸੇ ਵੀ ਚੀਜ਼ ਦਾ ਵਿਸਤਾਰ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਸਭ ਤੋਂ ਛੋਟਾ ਸਹੀ ਸੰਸਕਰਣ ਤਿਆਰ ਕਰੋ।.
ਹਵਾਲੇ
-
ਸਟੈਕ ਓਵਰਫਲੋ - ਸਟੈਕ ਓਵਰਫਲੋ ਡਿਵੈਲਪਰ ਸਰਵੇਖਣ 2025 - survey.stackoverflow.co
-
GitHub - GitHub ਅਕਤੂਬਰ (28 ਅਕਤੂਬਰ, 2025) - github.blog
-
ਗੂਗਲ - ਗੂਗਲ ਇੰਜੀਨੀਅਰਿੰਗ ਅਭਿਆਸ: ਕੋਡ ਸਮੀਖਿਆ ਦਾ ਮਿਆਰ - google.github.io
-
ਐਬਸੀਲ - ਗੂਗਲ 'ਤੇ ਸੌਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਿੰਗ: ਯੂਨਿਟ ਟੈਸਟਿੰਗ - abseil.io
-
ਐਬਸੀਲ - ਗੂਗਲ ਵਿਖੇ ਸਾਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਿੰਗ: ਕੋਡ ਸਮੀਖਿਆ - abseil.io
-
ਐਬਸੀਲ - ਗੂਗਲ 'ਤੇ ਸੌਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਿੰਗ: ਵੱਡੀ ਜਾਂਚ - abseil.io
-
ਮਾਰਟਿਨ ਫਾਉਲਰ - ਮਾਰਟਿਨ ਫਾਉਲਰ: ਫੀਚਰ ਟੌਗਲ - martinfowler.com
-
ਮਾਰਟਿਨ ਫਾਉਲਰ - ਦ ਪ੍ਰੈਕਟੀਕਲ ਟੈਸਟ ਪਿਰਾਮਿਡ - martinfowler.com
-
OWASP - OWASP ਥਰੇਟ ਮਾਡਲਿੰਗ ਚੀਟ ਸ਼ੀਟ - cheatsheetseries.owasp.org
-
OWASP - OWASP ਲੌਗਿੰਗ ਚੀਟ ਸ਼ੀਟ - cheatsheetseries.owasp.org
-
OWASP - OWASP ਟੌਪ 10 2025: ਸੁਰੱਖਿਆ ਲੌਗਿੰਗ ਅਤੇ ਚੇਤਾਵਨੀ ਅਸਫਲਤਾਵਾਂ - owasp.org
-
ESLint - ESLint ਡੌਕਸ - eslint.org
-
GitHub Docs - GitHub CodeQL ਕੋਡ ਸਕੈਨਿੰਗ - docs.github.com
-
ਟਾਈਪਸਕ੍ਰਿਪਟ - ਟਾਈਪਸਕ੍ਰਿਪਟ: ਸਟੈਟਿਕ ਟਾਈਪ ਚੈਕਿੰਗ - www.typescriptlang.org
-
mypy - mypy ਦਸਤਾਵੇਜ਼ - mypy.readthedocs.io
-
ਪਾਈਥਨ - ਪਾਈਥਨ ਡੌਕਸ: ਪਾਈਥਨ ਪ੍ਰੋਫਾਈਲਰ - docs.python.org
-
ਪਾਈਟੈਸਟ - ਪਾਈਟੈਸਟ ਫਿਕਸਚਰ ਡੌਕਸ - docs.pytest.org
-
ਪਾਈਲਿੰਟ - ਪਾਈਲਿੰਟ ਦਸਤਾਵੇਜ਼: ਬੇਅਰ-ਐਕਸੈਸਪੈਕਟ - pylint.pycqa.org
-
ਐਮਾਜ਼ਾਨ ਵੈੱਬ ਸੇਵਾਵਾਂ - AWS ਨੁਸਖ਼ੇ ਵਾਲੇ ਮਾਰਗਦਰਸ਼ਨ: ਬੈਕਆਫ ਨਾਲ ਦੁਬਾਰਾ ਕੋਸ਼ਿਸ਼ ਕਰੋ - docs.aws.amazon.com
-
ਐਮਾਜ਼ਾਨ ਵੈੱਬ ਸੇਵਾਵਾਂ - AWS ਬਿਲਡਰਜ਼ ਲਾਇਬ੍ਰੇਰੀ: ਸਮਾਂ ਸਮਾਪਤੀ, ਮੁੜ ਕੋਸ਼ਿਸ਼ਾਂ ਅਤੇ ਜਿਟਰ ਨਾਲ ਬੈਕਆਫ - aws.amazon.com