මෙම සතියේ මට අහඹු ලෙස AI‑ආධාරිත C# යෙදුමක් නිර්මාණය වුණා. මට පළමු වරට Claude සහ GitHub Copilot (GHCP) එකට සම්බන්ධ කරගෙන, LLM (Gemini) භාවිතයෙන් නාමයන් ලබාගෙන PostgreSQL දත්තගබඩාවට සුරකින්න යැයි සැලසුම් කළේය.
කොහොමද මෙය සිදු වුණා? මූලික සැලසුම සතියකට හතරක් දිගු වූ වැඩ සැලැස්මක් වූ අතර, පළමු සතියේ C# console app එකක් සකස් කිරීම, පාඨයක් LLM වෙත යවා නාමයන් ගෙන එය දත්තගබඩාවට ඇතුළත් කිරීම යන කාර්යයන් තිබුණි. Claude සමඟ LLM තේරීම, Gemini හෝ OpenAI අතර තීරණය, පරිසර විචල්ය (environment variables) සැකසීම, GitHub රහස් රැක ගැනීම වැනි සියලුම පියවරයන් සලස්වා ගත්තා.
ආරම්භයේදී Claude සමඟ සංවාදය ඉතාමත් සුහදයි. එය Gemini හි නිදහස් පදනම තෝරා ගැනීමට, API කී පාලනය, PostgreSQL සම්බන්ධතාවය පිළිබඳ උපදෙස් ලබා දීමට සමත් විය. සැලසුම් ලේඛනයක්, පරිසර විචල්ය ගොනුවක්, සහ /superpowers කුසලතාවය භාවිතා කර spec සහ plan එකක් සකස් කරගත්තා.
අපේක්ෂිත නොවූ බග්ස් මෙහිදී පෙනීගියහ. යෙදුම සකස් කර ඇති අතරත්, එය “vibe coded” ලෙස හැඳින්වීමට හේතුවක් – කේතය ක්රියාත්මක වුණා, නමුත් මට එය තේරුම් ගැනීමට කාලය ගත්තා. ප්රධාන ගැටළුව වුයේ hard‑coded පරාග්රාෆ් එක. එකම පාඨය නිතරම දත්තගබඩාවට ඇතුළත් වීම නිසා, නව පරීක්ෂණයක් කරන්නේ කවුරුත් එකම ලේඛනයදැයි හඳුනා ගැනීමට අපහසු වුණා. Claude සමඟ සාකච්ඡා කර, පරිශීලක ඉන්පුට් එකක් එක් කර, වාරික පරීක්ෂණයන් (එකම නාමය දෙවරක්, නාමයක් නැතිව) කළ හැකි වුණා.
ශ්රී ලංකාවට ඇති වැදගත්කම
මෙම අත්දැකීම ශ්රී ලංකාවේ සංවර්ධකයින්ට, විශේෂයෙන් AI‑ආධාරිත සංවර්ධන ක්රමවේදයන්ට ප්රයෝජනවත්. පළමු වරට AI සමඟ pair‑programming කරමින්, පරිසර විචල්ය ආරක්ෂා කිරීම, API cost management, සහ code quality පාලනය ගැන ඉගෙන ගත හැක. තවත් වැදගත් කරුණක් වන්නේ, LLM භාවිතයෙන් data extraction (නම, ලිපිනය, ආදිය) කිරීමේ ස්වයංක්රියීකරණය, එය ශ්රී ලංකාවේ startup ගොඩනැගීමේ data‑driven තීරණ ගැනීමට උපකාරී වේ. එමෙන්ම, PostgreSQL වැනි open‑source DBMS භාවිතය, අඩු වැය සහ විශ්වාසනීයතාවය ලබා දේ, මෙය දේශීය ව්යාපාරයන්ට ඉතාමත් වැදගත්.
අවසන් වශයෙන්, AI සමඟ වැඩ කිරීමේදී සත්යයම තේරුම් ගැනීම, සීමා තබා ගැනීම, සහ code review ක්රියාවලිය අත්හදා බැලීම අත්යවශ්ය බව ඉගැන්වීමකි. මෙවැනි පළපුරුද්දක්, දේශීය තාක්ෂණ ප්රජාවට ඉදිරි පරපුරේ නිර්මාණශීලීත්වය හා නවෝත්පාදනය ගෙනෙනු ඇත.
