Claude Code වැනි AI කේත ජනකයන්ට නව වෙබ් මෙවලම් නිර්මාණය කිරීමට අපේක්ෂා කළ විට, අපි මුලින්ම අබ්ස්ට්රාක්ට් විස්තර (design conventions, component rules) ලබා දුන්නා. එය පළමු පියවරේ 80% ගුණාත්මක කේතයක් උත්පාදනය කළාත්, ඉතිරි 20% සදහා පිරික්සුම් හා සෙවීමේ වාර ගණනක් අවශ්ය වුණා.
මෙම අත්දැකීමෙන් පසු, මම කුසලතා වාස්තු ශිල්පය මුල සිටම නැවත සැලසුම් කළා. ප්රධාන ඉදිරිපත් කිරීම දෙකක්: සජීවී, production‑වලින් ලබා ගත් රෙෆරන්ස් භාවිතා කිරීම සහ නව නිර්මාණය සහ අලුත්වැඩියා කාර්යයන් වෙනම කුසලතා ලෙස වෙන් කිරීමය.
රෙෆරන්ස්‑චලිත ආකෘතිය
විස්තර ලියන විට ඒවා සැබෑ කේතයෙන් තොරව පවත්නා නිසා, කාලයත් සමඟ අස්ථානයේ පරතරයක් ඇති වෙයි. කේතයෙහි එක් එක් තීරණ – padding එක, විශේෂ අවස්ථා – ලියන ලද විස්තරයේ නොපැමිණේ. ඒ නිසා AI එකේ සෑම වරක්ම තමන්ගේ අභ්යන්තර න්යාය පදනමෙන් ක්රියා කරනවා, ඒත් ඒක අවිශ්වාසනීයයි.
ඒ වෙනුවට, අපි catalog නමින් එකක් තැනුවා. එය තීරණ ගස් (direct Canvas 2D, html2canvas, dom‑to‑image, dedicated library, pure SVG) තුළින් පාරිභෝගික අවශ්යතාවය තෝරයි. තෝරාගත් ආකෘතියට අදාළව නිෂ්පාදන රෙෆරන්ස් දෙක (එක base, එක diff) කියවා, base කේතය මුළුමනින් පිටපත් කර, නව මෙවලමේ data structure‑ට ගැලපෙන ලෙස වෙනස් කරයි. මෙහි ප්රතිඵලය, පළමු උත්පාදනය 80%+ සෙවීමේ අවශ්යතාවයෙන් සමගාමී නිෂ්පාදන තත්ත්වයක් වෙයි.
නව නිර්මාණය vs අලුත්වැඩියා වෙන් කිරීම
නව මෙවලමක් සාදන කාර්යය සහ පවතින මෙවලමක් අලුත්වැඩියා කරන කාර්යය එකම කුසලතාවේ එකතු කිරීමෙන්, දෙකම අඩු ගුණාත්මකභාවයක් ගන්නවා. නව නිර්මාණය ඉදිරිපත් කරන විට අලුත්වැඩියා‑පූර්ව කොටස් කුලකය වෙලා, අලුත්වැඩියා කුසලතාවය නව නිර්මාණ පියවරයන්ගෙන් ගලවා දුන්නාම, AI එකේ සීමිත context එකේ “අනවශ්ය” කොටස් පිරිසිදු කරගැනීමට බරපතල වේ.
අලුත්වැඩියා කුසලතාවය “mothership” වශයෙන්, ලක්ෂණයක් (layout breakage, image fidelity, translation quality, button conventions, description‑vs‑implementation drift, interaction) අනුව කාණ්ඩයක් තෝරා, එම කාණ්ඩයේ රෙෆරන්ස් පමණක් විවෘත කරයි. කාණ්ඩ නොමැති විට canonical source වෙත යොමු කරයි, එවිට AI එක හොයලා නොගැළපෙන පියවරක් සෑදීමට ඉඩ නොදේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
- සිසුන් – AI‑සහාය කේත නිර්මාණයේ නවතම ක්රමවේදයන් ඉගෙන ගැනීමට, රෙෆරන්ස්‑චලිත ආකෘතියේ ප්රායෝගික උදාහරණ බලන්න පුළුවන්.
- ඩෙවලපර්ස් – නිෂ්පාදන‑කේතයෙන් සෘජුවම පිටපත් කර, අවශ්ය වෙනස්කම් ඇතුළත් කිරීමේදී කාලය ඉතා අඩු වෙයි, දෝෂයන් අඩු වේ.
- ව්යාපාර – නව වෙබ් මෙවලම් හෝ පද්ධති අලුත්වැඩියා කිරීමේදී AI‑කේත ජනකය භාවිතා කිරීමෙන්, ව්යාපාරික වියදම හා ප්රොජෙක්ට් කාලසීමාව කඩිනමින් අඩු කර ගත හැක.
අවසානයේ, AI කේත නිර්මාණයෙහි “specs rot” ගැටලුව, සජීවී නිෂ්පාදන රෙෆරන්ස් වලට මාරු කිරීමෙන් නිරෝගී කරගත හැක. එමෙන්ම, build සහ repair කාර්යයන් වෙන් කිරීමෙන්, AI එකේ context පරිභෝජනය අඩු කර, වැඩි නිවැරදි ප්රතිඵල ලබා ගත හැක.
මෙම නව ආකෘතිය, ශ්රී ලංකාවේ තාක්ෂණික පරිසරයට නව පියවරක් ලෙස, AI‑සහාය කේත නිර්මාණයෙහි කාර්යක්ෂමතාවය ඉහළ නංවා, දැනුම හා ව්යාපාරික වර්ධනයට නව අවකාශයන් සලසයි.
