අද දින AI භාවිතය වැඩිවෙමින් පවතින අතර, බොහෝ සංවර්ධකයින් තවමත් ප්රෝම්ට් එකක් දීලා ලැබෙන ප්රතිඵලය පමණක් විශ්වාස කරනවා. ඒ නිසා නිවැරදිව හෝ වැරදිව නොව, "සමහර වෙලාවට හොඳ" කියන ප්රතිඵලයක් ලැබෙයි. මෙය ඉතාමත් ප්රයෝජනවත් වුවත්, වැඩි වැඩක් කරන වෙලාවට ගැටළු බොහොමයක් පෙන්වයි.
ඉතාමත් සරල උදාහරණයක් ලෙස, ලේඛකයා ව්යාපාරික වැඩපිළිවෙලක් පරිගණකයට කියලා API ඇමතුම් වලට පරිවර්තනය කරන automation pipeline එකක් සාදනවා. ඔහුගේ මුල් ප්රෝම්ට් එක “ඔබ විශේෂඥ සංවර්ධකයෙකු, පහත පරිශීලක ඉල්ලීම මත JSON schema එකක් සාදන්න” වගේ එකක්. එහි ප්රතිඵල සාමාන්යයෙන් හොඳින් තිබුනත්, 30% ක් පමණ වැරදි, අඩුපාඩු සහිතව තිබුණා.
ඉන්පසු “දෝෂ සොයා ගැනීම” යන අලුත් ක්රමයක් හඳුනාගත්තා. ප්රෝම්ට් තුනක් භාවිතා කරනවා: පළමුව “ඉල්ලීමේ විසඳුමක් සාදන්න”, දෙවැනි “ඔබ සාදපු විසඳුමේ වැරදි සියල්ල ලැයිස්තුගත කරන්න – කඩකැටි කරාම,” තුන්වෙනි “මුල් ඉල්ලීම, පළමු විසඳුම, සහ ඔබගේ විවේචනය එකතු කරලා සියලු ගැටළු නිරාකරණය කරන අවසන් පිළිතුරක් සාදන්න.” මේ පියවර තුනෙන් පසු වැරදි අනුපාතය 30% කින් 5% කට පමණ අඩු වුණා.
ශ්රී ලංකාවට ඇති වැදගත්කම
මෙම ක්රමය ශ්රී ලංකාවේ සංවර්ධකයින්, සිසුන්, සහ ව්යාපාරිකයින්ට විශාල ප්රයෝජන ලබා දෙයි.
- සිසුන්ට: AI මොඩලයක් කෙළින්ම විවේචනය කරන අයුරු ඉගෙන ගැනීම, කේත ලේඛන පරීක්ෂණ කුසලතාව වැඩි කරයි.
- සංවර්ධකයින්ට: කේත නිර්මාණයේ වැරදි අඩු කර, ඩිබග් කිරීමේ වේලාව පැය ගණනකින් අඩු කරයි.
- ව්යාපාරිකයින්ට: API සහ automation pipeline නිර්මාණයෙහි විශ්වාසය වැඩි කර, ගනුදෙනුකරුවන්ට නවීන, දෝෂ රහිත සේවාවන් ලබා දෙයි.
මෙම “generate‑critic‑regenerate” ක්රමය Claude, GPT‑4 වැනි ප්රවීණ මොඩලයන් සමඟ වැඩි හොඳ ප්රතිඵල ලබා දෙයි. කුඩා මොඩලයන් සමඟ විවේචන අදියරේ අසත්ය ගැටළු හඳුනා ගැනීමේ හැකියාව අඩුවීම නිසා අවශ්ය නොවන්නට පුළුවන්.
අවසන් වශයෙන්, AI සමඟ වැඩ කරන සැම කෙනෙකුටම මෙම ත්රි‑පියවර ප්රෝම්ට් පද්ධතිය අත්හදා බැලීම, වැඩි කාර්යක්ෂමතාව, කඩකැටි පිරිසිදු කේත, සහ වේගවත් නිෂ්පාදන ලැබීමට උපකාරී වේ.
