AI සමඟ වැඩ කරන කාලයේ බොහෝ දෙනා “What now?” කියලා එකම ප්රශ්නය අඛණ්ඩව ටයිප් කරනවා. දැන් එම පුරුතුව අඩු කර, ක්රියාත්මක කිරීමේ ත්රිගර්, නාමික නතර කොන්දේසි, ස්වාධීන ඇගයුම්කරු, සහ පෙරනිමි දෝෂ ප්රතිකාරයක් ඇතුළත් ලූප් එකක් නිර්මාණය කරගත හැකිය.
මෙම ලූප් සැලසුම AI එකට දිනපතා ස්වයංක්රීයව ක්රියා කිරීමට ඉඩ සලසයි. ලිපියේ දක්වා ඇති නියමිත බ්ලූප්රින්ට්, ජපන් හා ඉංග්රීසි භාෂාවන් දෙකේම පරීක්ෂා කරලා සාර්ථකව ක්රියා කරයි; ඔබට එය පිටපත් කරගෙන ඔබේ ව්යාපෘතියේ යෙදවිය හැක.
ඉදිරිපත් කරන ලද සාක්ෂි වලින්, Anthropic සමාගමේ Boris Cherny මහතා දැන් ප්රොම්ප්ට් ලියන්නේ නැතිව ලූප් ලියන බව ප්රකාශ කරයි. Addy Osmani විසින් “Loop engineering” යන පදය හඳුන්වා දී, මනුෂ්ය ප්රොම්ප්ට් ලේඛකයා වෙනුවට පද්ධතියක් භාවිතා කරන බව විස්තර කරයි. suwash මහතාගේ තල-තුන් මොඩලය ප්රොම්ප්ට් ලේඛනය, පරිසර සැලසුම, ලූප් සැලසුම ලෙස වෙනස් කරයි.
ලූප් සැලසුමේ මූලික අංග:
- ක්රියාත්මක ත්රිගර් – කවදා ලූප් ඇරඹේද?
- නැරඹිය හැකි නාමික නතර කොන්දේසි – කුමන තත්ත්වයේ ලූප් නවත්වයි?
- ස්වාධීන ඇගයුම්කරු – ප්රතිඵල ගුණාත්මක බව තක්සේරු කරයි.
- පෙරනිමි දෝෂ ප්රතිකාර – ඇගයුම්කරු අසාර්ථක වූ විට ක්රියා කරන සැලසුම.
delba_oliveira මහතාගේ ආරම්භ/නවත්වන මාදිලි (ඉලක්ක‑මූලික, කාල‑මූලික, සිදුවීම්‑මූලික) සහ Anthropic හි 800‑පැය, 97 % ස්වයං‑අධීක්ෂණ පරීක්ෂණය, ලූප් සැලසුම් නිවැරදිව කළ විට ලැබෙන විශාල වර්ධනය පෙන්වයි. Replit හි පබ්ලික් ගිණුමත් මෙම සැලසුම් මත පදනම්ව, හයිපෝතෙසී තේරීම, ක්රියාත්මක දිශාව, ඇගයුම් මාර්ගෝපදේශ, නිකුත් කිරීමේ තීරණයන් මනුෂ්ය අතේ තබාගෙන තිබේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ ඉගෙනුම, සංවර්ධනය, ව්යාපාරික ක්ෂේත්ර තුළ මේ ලූප් ඉංජිනේරින්ග් තාක්ෂණය විශාල ප්රයෝජන ලබා දෙයි.
- සිසුන් – AI සමඟ වැඩ කරන විට “prompt fatigue” අවම කර, වැඩි කාලයක් සංකල්පනාවට, කේත ලිවීමට යොමු කළ හැකිය.
- ඩිවෙලපර්ස් – නැවත නැවත එකම ප්රශ්නය ලියන අවශ්යතාව ඉවත් කර, ස්වයංක්රීය පරීක්ෂණ, නියෝග ක්රියාත්මක කිරීමේ පද්ධති ඉක්මනින් නිර්මාණය කළ හැකිය.
- ව්යාපාර – අධි‑බුද්ධිය භාවිතා කරමින් පාරිභෝගික සේවාවන්, දත්ත විශ්ලේෂණ, අභ්යන්තර ක්රියාවලි ස්වයංක්රීය කිරීමේදී කාර්යක්ෂමතාව වැඩි කර, පිරිවැය අඩු කරයි.
කෙසේ වෙතත්, මෙම ලූප් සැලසුම පාරිභෝගික‑මය, පැහැදිලි නතර කොන්දේසි සහ ඇගයුම් ලොජික් ඇති පරමාර්ථික කාර්යයන් සඳහා පමණක් ප්රයෝජනවත් වේ. එක්වර කාර්ය සඳහා එය ගාණුකාරී නොවන අතර, ඇගයුම්කරු වැරදි විට පෙරනිමි දෝෂ ප්රතිකාර නොමැතිනම් අඩු‑ගුණාත්මක ප්රතිඵල නිකුත් විය හැකිය. Anthropic හි 97 % ප්රතිශතය විශේෂ පරීක්ෂණයක් වන බැවින්, එය සම්පූර්ණයෙන්ම සත්යපත් කර නොමැත.
ඉතින්, AI ලූප් ඉංජිනේරින්ග් යනු “What now?” කියා පැන නැවත නැවත ටයිප් කරන අයුරු වෙනුවට, ස්වයංක්රීය, නියමිත, සහ ආරක්ෂිත පද්ධතියක් සකස් කර ගත හැකි නව පරිකථනයකි. ඔබේ AI ව්යාපෘතියක් තිබේ නම්, මේ සැලසුම අත්හදා බැලීම අගනා පියවරක් වනු ඇත.
