AI කේත ලේඛන උදව්කරුවන් “කේතය ඉක්මනින් ලියන්න” කියලා පොඩ්ඩක් ප්රචාරණයක් කරයි. නමුත් Claude, ChatGPT, Gemini, Cursor වගේ උපාංග භාවිතා කළ පසු, අපට තේරෙන්නේ සැබෑ bottleneck එක මොඩලයේ බුද්ධිය නොව, සන්දර්භය (context) බවයි.
සාමාන්යයෙන් වැඩ කරන විදිහ මෙහෙමයි: දෝෂ පණිවිඩය කොපි කරලා, සම්බන්ධිත ගොනු තුනක් දාගෙන, තවත් ගොනුවක් එක්කෙන්න, ව්යාපෘතියේ සංරචනාව, API විස්තර, පසුගිය උත්සාහයන් කියලා පැහැදිලි කරලා, ඉවරයි. මේ සියල්ලක් කරද්දී දශක ගණනක් ටෝකන විය යයි, මොඩලය ප්රශ්නය විසඳීමට පටන් ගන්නත් පෙර. එතැනින් මොඩලය “ඉම්පලීමෙන් ලබාදෙන්න” කියලා අමාරු කරයි, ඒත් එය තවත් චක්රයක් බවට පත්වේ.
වැඩි සන්දර්භ කවුන්ට් (1M-token) තිබුණත්, වැඩිම ප්රොජෙක්ට් එකකට අවශ්ය වන්නේ “නිවැරදි” සන්දර්භයයි. සම්පූර්ණ repository එක AI එකට දීම, CSS බග් එකක් හඳුනාගැනීමට පෙර සියලු ගොනු කියවන්න කියා දෙන්න සමානයි – ඉතා කාර්යක්ෂම නොවේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ ඉගෙනුම, වැඩපළ සහ ව්යාපාරික ක්ෂේත්රය සඳහා මෙම සන්දර්භ ඉංජිනේරුකරණය විශාල වාසි ලබා දේ.
- විකසකයන් – අවශ්ය ගොනු, පන්තිය, සහ පසුගිය Git වෙනස්කම් පමණක් AI කට ලබා දීමෙන් කේත ලේඛන වේගය ඉහළ යයි.
- සිසුන් – AI උපකරණ භාවිතා කරමින් වැඩි ටෝකන් ගාස්තු නොවීම නිසා, අධ්යාපන කාර්යභාරය අඩු වියදමින් ඉගෙන ගත හැක.
- ව්යාපාර – ඉහල latency, වැඩි API ගාස්තු, සහ අඩු නිෂ්පාදන ගුණාත්මකතාව තොරව, ව්යාපාරික මට්ටමින් AI සමඟ වැඩ කිරීම වඩාත් ආර්ථිකයි.
සන්දර්භය නිවැරදිව තෝරා ගන්නා AI මෙවලමක්, කුඩා ප්රොම්ප්ට් එකක්, අඩු ගාස්තුව, ඉහළ නිරවද්යතාව, සහ වේගවත් ප්රතිචාර ලබා දේ. එම නිසා, ඉදිරියේ AI සංවර්ධක මෙවලම් “කොහොම සන්දර්භය තෝරලා දෙනවා” යන ප්රශ්නයේ පිළිතුරෙන් තරඟ කරයි.
අවසානයේ, ප්රොම්ප්ට් ඉංජිනේරුකරණය AI සමඟ සන්නිවේදනයේ පළමු පියවරයි. ඉදිරියේ “සන්දර්භ ඉංජිනේරුකරණය” වැඩි උත්පාදනශීලීත්වයක් ගෙන එන බව අපිට විශ්වාසයි.
