AI ඒජන්ට්ස් ඉක්මණින් කේත ලියන හැකියාව ඇතිවීම, නව සංවර්ධකයින්ට ආශාවක් වුණා. නමුත් කේතයේ ගුණාත්මකභාවය, විශේෂයෙන් පද්ධති ආකෘතියේ සීමා නිශ්චිතව නොකොට ලියන විට, ඒවා පද්ධතියේ ගැටලු වේගයෙන් වැඩි කරයි.
ඉතා සරලව කියනවානම්, UI එකේ රෙන්ඩරින් පමණක් නොව, දත්ත ප්රවාහය, state, async ක්රියාවලීන් වැනි කොටස් එකම කොම්පොනෙන්ට් එකේ ඇදගන්නා ලදි. AI ඒජන්ට්ස් මේ සියල්ල තනි තනි කොටස් ලෙස නොව, එකට එකතු කරලා කේතයක් හදා දෙයි. එම කේතය පළමු වරට ක්රියාත්මක වුවත්, “දත්ත කාගේද?” කියන ප්රශ්නයට පිළිතුරු නොමැති නිසා පද්ධතිය අස්ථිර වේ.
මෙම ගැටලුවේ මූලික හේතුව, AI ඒජන්ට්ස් සෙමැන්ටික් සීමා (semantic boundaries) ගැන අවබෝධයක් නොමැති වීමයි. එය කේතය ඉක්මනින් ලියනවාට හොඳයි, නමුත් ඒ කේතය කුමන තැනක, කුමන පරමාර්ථයක භාවිතා වේදැයි පැහැදිලි නොවේ. එම නිසා state එකේ අධික භාරකාරකම, effect එකේ අතුරුදන්වීම, async කාර්යය UI එකට බැඳී යාම වැනි ගැටලු ඉක්මනින් පෙනෙයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණ විද්යා ශිෂ්යයන්, සංවර්ධකයින් සහ ව්යාපාරිකයන්ට මේ තත්ත්වය විශේෂ වැදගත්කමක් ගනී.
- ශිෂ්යයන් – AI උපකරණ භාවිතා කරමින් කේත ලියන හැකියාව ඉගෙන ගන්නා විට, පද්ධති සීමා පිළිබඳ මූලික සිතියමක් නොකොට අධ්යයන කරන්නේ නම්, පසුකාලීනව අලුත් වැඩ සම්බන්ධ ගැටලු වලට මුහුණ දීමට සිදුවේ.
- සංවර්ධකයින් – කේතය වේගයෙන් ලැබුණත්, ඒකේ ownership, source of truth, cache strategy වැනි අංගයන් පැහැදිලි නොවෙයි. මේ නිසා නඩත්තු කාලය වැඩිවෙයි, දෝෂ හඳුනා ගැනීම අමාරු වේ.
- ව්යාපාරිකයන් – AI‑Generated code එකේ ගුණාත්මකභාවය අඩුවීමෙන්, නිෂ්පාදන ගුණාත්මකභාවය හා නවීකරණ වේගය අඩුවේ. නිවැරදි architectural guardrails නැතිව, ව්යාපාරික පිරිවැය ඉහළ යයි.
ඉදිරියට, AI ඒජන්ට්ස් භාවිතා කරන විට, සංවර්ධකයින්ට පද්ධති සීමා පැහැදිලි කිරීම, state ownership, async handling policy වැනි මූලික නීති හඳුනා ගැනීම අත්යවශ්ය වේ. එවිට AI කේතය වේගයෙන් ලියන අතර, පද්ධතිය අස්ථිර නොවී, නඩත්තු පහසු වේ.
අවසන් වශයෙන්, AI කේත ජනනයේ ගැඹුරු හැකියාව පරිහරණය කිරීමේදී, සීමා නිශ්චිත කිරීම අත්යවශ්යයි; නැතිනම්, AI ඒජන්ට්ස් පද්ධති අස්ථිරතාවය වේගවත් කරයි.
