අපේ කෘත්රිම බුද්ධිය (AI) මූලික සේවා සදහා භාවිතා කරන Claude Code පද්ධතිය, Anthropic සමාගමේ නව "Context Engineering" නීති 5කට අනුව පරීක්ෂා කළා. ඒ සම්බන්ධයෙන් අපි සොයාගත් වැරදි, ඒවා සරල කරගත් ක්රියාමාර්ග සහ ඉදිරියේදී පියවර ගත යුතු දේවල් මෙහිදී විස්තර කරමු.
පරීක්ෂණය කළ ප්රධාන තැන වුයේ SessionStart අවස්ථාවේ ක්රමලේඛය කොපමණ තොරතුරු සැපයුම් කරන්නේද යනුවයි. එහි .claude/settings.json හි සකස් කර ඇති hook එක, gps preferences --write, gps preferences --markdown සහ gps prime යන කමන්ඩ් තුනක් ක්රමානුකූලව ක්රියාත්මක කරමින් ඒම තොරතුරු තිහකට වඩා වැඩි වරක් පුරවමින් තිබුණි.
ඒ තොරතුරු වසර 60 පමණ දිගුවක් වූ markdown කොටසක් වන අතර, ඒක CLAUDE.md ගොනුවට ලියවී, එම ගොනුව සෑම සැසියකම පූරණය කරනු ලැබේ. එමෙන්ම --markdown ප්රතිඵලය stdout වෙත මුද්රණය වීමත්, prime කමන්ඩ් එකත් එකම දත්ත තවත් වරක් එක් කරයි. මේ නිසා එකම තොරතුරු තුනක් වාරයක් පුරවා, සැසිය ආරම්භ වන විට අධික token භාවිතයක් සිදු වුණි.
Anthropic නීති 1 හා 4 (CLAUDE.md කෙටි විය යුතු, මොඩලයෙහි තීරණවල විශ්වාසය) උල්ලංඝනය වූ බව මේ පරීක්ෂණයෙන් පෙනේ. තවත් වැරදි වුයේ preferences.yml ගොනුවේ ඇතුළත් 105 ඇතුළත් කරුණු අතර දෙ-තෙවැනි කොටස අත්යවශ්ය නොවන, උදාහරණයක් ලෙස විනිශ්චකයකුගේ අදහස වැනි අතිරේක තොරතුරු වීමයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ සංවර්ධන කාර්ය මණ්ඩලය, කෘත්රිම බුද්ධිය සහ ප්රොම්ප්ට් ඉංජිනේරු ක්ෂේත්රයන්හි මේ අත්දැකීම් ඉතා වැදගත් වේ. පළමු වශයෙන්, අධික token භාවිතය නිසා API වියදම් ඉහළ යාමක් සිදු වේ. එය නියමිත ව්යාපාරික මට්ටමට අඩු පිරිවැයෙන් AI සේවා ලබා ගැනීමට බාධකයක් වේ.
දෙවැනිය, අධික පසුබැසීම මත සැසිය ආරම්භ වීමට ගතවන කාලය වැඩි වීම, ක්රමලේඛකයින්ගේ නිෂ්පාදන කාලය අඩු කරයි. මේ නිසා කෘෂිකාර්මික, සෞඛ්ය, අධ්යාපන වැනි ක්ෂේත්රවල AI විසඳුම් ඉක්මනින් යෙදවිය නොහැක.
අවසන් වශයෙන්, මෙවැනි පරීක්ෂණයෙන් ලැබෙන පළපුරුදු දැනුම, ශ්රී ලාංකීය විශ්වවිද්යාල සිසුන්ට, ස්ථානාත්රික startups වලට, සහ IT සමාගම්ට AI ප්රොම්ප්ට් කළමනාකරණයේ හොඳම ක්රම සලසයි. “අවශ්ය දේ පමණක්, අවශ්ය වේලාවට” යන සංකල්පය, දේශීය සංවර්ධන පදනම ශක්තිමත් කරයි.
අවසන් වශයෙන්, අපි ගත් පියවර වුයේ අතිරේක markdown කොටස ඉවත් කිරීම, preferences ලැයිස්තුව සරල කිරීම, සහ memory‑based system එක භාවිතා කිරීමයි. එමඟින් සැසියේ ආරම්භය 30% කට අඩුවී, token පරිභෝජනයත් වැදගත් ලෙස අඩු විය.
ඉදිරියට, AI මොඩලයන්ට අවශ්ය තොරතුරු “progressive disclosure” ආකාරයෙන් ලබා දීම, මොඩලයේ තීරණාත්මක හැකියාවන්ට විශ්වාසය දැක්වීම, සහ අත්යවශ්ය උපකරණ සැකසීම යන නීති අනුගමනය කිරීම, ශ්රී ලංකාවේ AI පරිසරය වඩාත් කාර්යක්ෂම කරයි.
