បង្ហាញ HN៖ ផ្លាកសញ្ញាដែលបង្ហាញពីរបៀបដែលមូលដ្ឋានកូដរបស់អ្នកសមនៅក្នុងបង្អួចបរិបទរបស់ LLM

មូលដ្ឋានកូដរបស់អ្នកមានម៉ែត្រថ្មីដែលពិតជាសំខាន់

អស់ជាច្រើនទស្សវត្សមកហើយ អ្នកអភិវឌ្ឍន៍បានឈ្លក់វង្វេងលើបន្ទាត់នៃកូដ ភាពស្មុគស្មាញនៃស៊ីក្លូម៉ាទិក ភាគរយនៃការគ្របដណ្តប់សាកល្បង និងប្រេកង់នៃការប្រើប្រាស់។ ប៉ុន្តែម៉ែត្រថ្មីមួយកំពុងរៀបចំឡើងវិញយ៉ាងស្ងៀមស្ងាត់ពីរបៀបដែលក្រុមវិស្វករគិតអំពីមូលដ្ឋានកូដរបស់ពួកគេ៖ បង្អួចបរិបទសម — ភាគរយនៃមូលដ្ឋានកូដទាំងមូលរបស់អ្នកដែល LLM អាចរំលាយបានក្នុងប្រអប់តែមួយ។ វាស្តាប់ទៅដូចជាសាមញ្ញបោកបញ្ឆោត ប៉ុន្តែចំនួននេះកំពុងក្លាយជាសូចនាករជាក់ស្តែងបំផុតមួយអំពីរបៀបដែលក្រុមរបស់អ្នកអាចប្រើប្រាស់ឧបករណ៍អភិវឌ្ឍន៍ដែលជំនួយដោយ AI ប្រកបដោយប្រសិទ្ធភាព។ ហើយ​ប្រសិន​បើ​អ្នក​មិន​អើពើ​នឹង​វា នោះ​អ្នក​នឹង​បន្សល់​ទុក​នូវ​ផលិតភាព​សំខាន់ៗ​នៅ​លើ​តារាង។

ថ្មីៗនេះ គំនិតនេះទទួលបានការចាប់អារម្មណ៍នៅក្នុងសហគមន៍អ្នកអភិវឌ្ឍន៍ បន្ទាប់ពីគម្រោងមួយបានកើតឡើងដែលបង្កើតស្លាកសញ្ញាសាមញ្ញ ដែលមិនដូចការឆ្លងកាត់ ឬរបាំងការពារដែលធ្លាប់ស្គាល់របស់អ្នកទេ បង្ហាញយ៉ាងច្បាស់ថាតើឃ្លាំងរបស់អ្នកមានទំហំប៉ុនណានៅក្នុងបង្អួចបរិបទ LLM ដ៏ពេញនិយម។ វាបង្កឱ្យមានការសន្ទនាដ៏សម្បូរបែបគួរឱ្យភ្ញាក់ផ្អើលអំពីស្ថាបត្យកម្មកូដមូលដ្ឋាន monorepos ធៀបនឹងសេវាមីក្រូ និងថាតើយើងគួរតែរចនាកូដរបស់យើង សម្រាប់ ការយល់ដឹងអំពី AI ដែរឬទេ។ ផលប៉ះពាល់ដំណើរការជ្រៅជាងអ្នកអភិវឌ្ឍន៍ភាគច្រើនដឹងដំបូង។

អ្វី​ដែល​បរិបទ​បង្អួច​សម​តាម​ពិត​វិធានការ

រាល់គំរូភាសាធំៗដំណើរការនៅក្នុងបង្អួចបរិបទកំណត់ — ចំនួនអតិបរមានៃអត្ថបទដែលវាអាចដំណើរការក្នុងពេលតែមួយ។ GPT-4 Turbo គ្រប់គ្រងសញ្ញាសម្ងាត់ប្រហែល 128K ។ ម៉ូដែលចុងក្រោយរបស់ Claude រុញច្រានសញ្ញាសម្ងាត់ 200K ។ Gemini ទាមទារលើសពីមួយលាន។ នៅពេលអ្នកបញ្ចូលមូលដ្ឋានកូដរបស់អ្នកទៅក្នុងគំរូមួយក្នុងចំណោមគំរូទាំងនេះសម្រាប់ការវិភាគ ការផ្តល់យោបល់ឡើងវិញ ឬការរកឃើញកំហុស គំរូអាច "មើលឃើញ" នូវអ្វីដែលសមនៅក្នុងបង្អួចនោះ។ អ្វីៗ​ដែល​លើស​ពី​វា​គឺ​មើល​មិន​ឃើញ ដូច​ជា​វា​មិន​មាន។

បង្អួច​បរិបទ​សម​នឹង​វាស់​សមាមាត្រ​រវាង​ទំហំ​មូលដ្ឋាន​កូដ​សរុប​របស់​អ្នក (ជា​សញ្ញាសម្ងាត់) និង​បង្អួច​បរិបទ​នៃ​គំរូ​ដែល​បាន​ផ្ដល់។ ឃ្លាំងដែលដាក់សញ្ញាសម្ងាត់ទៅជា 80K tokens សម្រេចបាន 100% សមនៅក្នុងគំរូ 200K-token — AI អាចយល់គម្រោងទាំងមូលរបស់អ្នកក្នុងមួយវគ្គ។ monorepo សញ្ញាសម្ងាត់ 2 លាន? អ្នកកំពុងមើលភាគរយតែមួយខ្ទង់ មានន័យថា AI កំពុងធ្វើការជាមួយបំណែក មិនដែលយល់ពីរូបភាពពេញលេញទេ។ ភាពខុសគ្នានេះមានសារៈសំខាន់យ៉ាងខ្លាំងចំពោះគុណភាពនៃការណែនាំកូដដែលបង្កើតដោយ AI ការត្រួតពិនិត្យស្ថាបត្យកម្ម និងការជួសជុលដោយស្វ័យប្រវត្តិ។

គោលគំនិតនៃផ្លាកសញ្ញានេះធ្វើអោយវាក្លាយជាម៉ាទ្រីសដែលអាចមើលឃើញ និងអាចចែករំលែកបាន។ បិទវានៅក្នុង README របស់អ្នកជាមួយនឹងស្ថានភាព CI របស់អ្នក និងភាគរយនៃការគ្របដណ្តប់។ វាប្រាប់អ្នករួមចំណែក និងអ្នកថែទាំនូវអ្វីដែលមានប្រយោជន៍ពិតប្រាកដ៖ តើមូលដ្ឋានកូដនេះងាយស្រួលប្រើ AI យ៉ាងដូចម្តេច?

ហេតុអ្វីបានជាម៉ែត្រនេះផ្លាស់ប្តូររបៀបដែលក្រុមបង្កើតកម្មវិធី

ការសម្រេចចិត្តលើស្ថាបត្យកម្មកម្មវិធីតែងតែត្រូវបានជំរុញដោយការព្រួយបារម្ភរបស់មនុស្ស — លទ្ធភាពអាន ការថែរក្សា ដំណើរការ រចនាសម្ព័ន្ធក្រុម។ Context window fit ណែនាំអ្នកពាក់ព័ន្ធថ្មីក្នុងការសន្ទនាទាំងនេះ៖ អ្នកសរសេរកម្មវិធីគូ AI ។ នៅពេលដែលមូលដ្ឋានកូដទាំងមូលរបស់អ្នកសមនៅក្នុងបង្អួចបរិបទ ឧបករណ៍ AI អាចហេតុផលអំពីកង្វល់នៃការកាត់ផ្តាច់ កំណត់ខ្សែសង្វាក់ភាពអាស្រ័យតិចតួច និងណែនាំការផ្លាស់ប្តូរគណនីសម្រាប់ប្រព័ន្ធពេញលេញ។ នៅពេលដែលវាមិនមាន អ្នកកំពុងស្នើសុំ AI ឱ្យកែផ្ទះបាយរបស់អ្នកឡើងវិញ ខណៈពេលដែលបង្ហាញតែបន្ទប់ទឹកប៉ុណ្ណោះ។

នេះ​មាន​ផល​វិបាក​ជាក់ស្តែង​ដែល​អ្នកដឹកនាំ​ផ្នែក​វិស្វកម្ម​កំពុង​ចាប់​ផ្តើម​យក​ចិត្ត​ទុក​ដាក់។ ក្រុមដែលមានពិន្ទុសមស្របតាមបរិបទខ្ពស់រាយការណ៍ពីលទ្ធផលល្អប្រសើរដែលអាចវាស់វែងបានពីឧបករណ៍ពិនិត្យកូដ AI ។ អត្រាការរកឃើញកំហុសមានភាពប្រសើរឡើង ដោយសារម៉ូដែលនេះអាចតាមដានផ្លូវប្រតិបត្តិតាមឯកសារនានា។ ការផ្តល់យោបល់កែលម្អ ក្លាយជាស្ថាបត្យកម្មល្អ ជាជាងការផ្ដល់យោបល់ក្នុងស្រុក ប៉ុន្តែជាការបំផ្លិចបំផ្លាញជាសកល។ ក្រុមវិស្វករមួយក្រុមនៅក្រុមហ៊ុន SaaS ខ្នាតកណ្តាលបានចងក្រងឯកសារ កាត់បន្ថយ 40% នៃការតំរែតំរង់ដែលបានណែនាំដោយ AI បន្ទាប់ពីបានបំបែក monorepo របស់ពួកគេទៅជាសេវាកម្មតូចជាង បរិបទ-window-friendly ។

ម៉ែត្រ​ក៏​បង្កើត​មុខងារ​បង្ខំ​សម្រាប់​ការអនុវត្ត​វិស្វកម្ម​ល្អ ដែល​ក្រុម​គួរ​តែ​ធ្វើតាម។ មូលដ្ឋានកូដដែលមានពិន្ទុល្អនៅលើវិនដូបរិបទសមស្របនឹងទំនោរមានព្រំដែនម៉ូឌុលស្អាតជាងមុន កូដដែលស្លាប់តិចជាង ការបំបែកកង្វល់កាន់តែប្រសើរ និងឃ្លាំងដែលផ្តោតកាន់តែច្រើន។ ម៉ែត្រ​ការ​យល់​ដឹង AI បញ្ចប់​ជា​ប្រូកស៊ី​សម្រាប់​សុខភាព​កូដ​រួម។

ផលប៉ះពាល់ស្ថាបត្យកម្មដែលគ្មាននរណាម្នាក់រំពឹងទុក

ការ​សន្ទនា​ជុំវិញ​បរិបទ​សមតុល្យ​បាន​ធ្វើ​ឲ្យ​ការ​ជជែក​ដេញដោល monorepo ធៀប​នឹង polyrepo ជាមួយ​នឹង​វិមាត្រ​ថ្មី​ទាំង​ស្រុង។ អ្នកតស៊ូមតិ Monorepo បានប្រកែកជាយូរមកហើយថាការរក្សាអ្វីៗគ្រប់យ៉ាងនៅក្នុងឃ្លាំងមួយជួយសម្រួលដល់ការគ្រប់គ្រងភាពអាស្រ័យ អនុញ្ញាតឱ្យមានដំណើរការអាតូមិកនៅទូទាំងសេវាកម្ម និងកាត់បន្ថយការឈឺចាប់ក្នុងការរួមបញ្ចូល។ ប៉ុន្តែនៅពេលដែល monorepo tokenizes ដល់ 5 លាន tokens និង window context window ដែលល្អបំផុតគឺ 200K អ្នកបានបង្កើត codebase ដែលគ្មានឧបករណ៍ AI អាចយល់បានពេញលេញ។

នេះមិនមានន័យថា monorepos ស្លាប់ទេ — នៅឆ្ងាយពីវា។ ក្រុមឆ្លាតវៃកំពុងស្វែងរកចំណុចកណ្តាល។ យុទ្ធសាស្ត្រដែលកំពុងលេចចេញរួមមានៈ

• ការបំបែកដ៏ឆ្លាតវៃ៖ ការប្រើប្រាស់ឯកសារ .contextignore (ស្រដៀងទៅនឹង .gitignore) ដើម្បីមិនរាប់បញ្ចូលកូដដែលបានបង្កើត ភាពអាស្រ័យរបស់អ្នកលក់ និងឧបករណ៍សាកល្បងពីការវិភាគ AI
• ផែនទីបរិបទកម្រិតម៉ូឌុល៖ ការបង្កើតការបង្ហាញទម្ងន់ស្រាលដែលជួយឱ្យឧបករណ៍ AI យល់ថាតើឯកសារណាដែលទាក់ទងនឹងលក្ខណៈពិសេសដោយមិនចាំបាច់ផ្ទុកអ្វីទាំងអស់
• ឯកសារស្ថាបត្យកម្មជាបរិបទ៖ រួមបញ្ចូលកំណត់ត្រាការសម្រេចចិត្តស្ថាបត្យកម្មសង្ខេប (ADRs) ដែលផ្តល់ឱ្យការយល់ដឹងអំពីរចនាសម្ព័ន្ធ AI ដោយមិនតម្រូវឱ្យវាសន្និដ្ឋានទំនាក់ទំនងពីកូដតែម្នាក់ឯង
• ការទាញយកសេវាកម្មជាយុទ្ធសាស្ត្រ៖ ការបំបែកម៉ូឌុលឯករាជ្យពិតប្រាកដទៅជាឃ្លាំងដាច់ដោយឡែក នៅពេលដែលពួកគេមិនមានការព្រួយបារម្ភអំពីការកាត់ផ្តាច់ពិតប្រាកដជាមួយប្រព័ន្ធស្នូល

ការយល់ឃើញសំខាន់គឺថាការធ្វើឱ្យប្រសើរសម្រាប់បរិបទដែលសមស្របនឹងបង្អួចមិនមែនអំពីការធ្វើឱ្យមូលដ្ឋានកូដរបស់អ្នកតូចជាងមុននោះទេ - វាគឺអំពីការធ្វើឱ្យវា អាចយល់បានកាន់តែច្រើន ទាំងសម្រាប់ឧបករណ៍ AI និងសម្រាប់មនុស្សដែលធ្វើការជាមួយពួកគេ។

ការវាស់ស្ទង់ Codebase ផ្ទាល់ខ្លួនរបស់អ្នក៖ ក្របខ័ណ្ឌអនុវត្ត

មុនពេលអ្នកចាប់ផ្តើមកែលម្អប្រព័ន្ធទាំងមូលរបស់អ្នកដើម្បីដេញតាមម៉ែត្រផ្លាកសញ្ញា វាមានតម្លៃយល់ពីរបៀបវាស់វិនដូបរិបទដែលសមនឹងអត្ថន័យ។ ចំនួនសញ្ញាសម្ងាត់ឆៅនៃឃ្លាំងទាំងមូលរបស់អ្នកគឺជាចំណុចចាប់ផ្តើម ប៉ុន្តែវាជាឧបករណ៍មិនច្បាស់លាស់។ វិធីសាស្រ្តដែលមានលក្ខណៈច្បាស់លាស់ជាងនេះ ពិចារណាពីអ្វីដែល AI ពិតជាត្រូវការដើម្បីមើលសម្រាប់កិច្ចការផ្សេងៗ។

"សំណួរពិតប្រាកដគឺមិនមែនថាតើមូលដ្ឋានកូដទាំងមូលរបស់អ្នកសមនៅក្នុងបង្អួចបរិបទទេ — វាគឺថាតើបរិបទ ពាក់ព័ន្ធ សម្រាប់កិច្ចការដែលបានផ្តល់ឱ្យនោះសម។ មូលដ្ឋានកូដដែលមានរចនាសម្ព័ន្ធល្អដែលមានព្រំដែនច្បាស់លាស់អនុញ្ញាតឱ្យឧបករណ៍ AI ផ្ទុកនូវអ្វីដែលពួកគេត្រូវការ ទោះបីជាឃ្លាំងសរុបមានទំហំធំក៏ដោយ។"

💡 DID YOU KNOW?

Mewayz replaces 8+ business tools in one platform

CRM · Invoicing · HR · Projects · Booking · eCommerce · POS · Analytics. Free forever plan available.

Start Free →

ដើម្បីទទួលបានការវាស់វែងជាក់ស្តែង ចាប់ផ្តើមដោយសញ្ញាកូដកម្មវិធីស្នូលរបស់អ្នក — ដោយមិនរាប់បញ្ចូល node_modules បញ្ជីអ្នកលក់ បង្កើតវត្ថុបុរាណ និងឯកសារដែលបានបង្កើត។ និមិត្តសញ្ញាទំនើបភាគច្រើន (ដូចជា tiktoken របស់ OpenAI ឬវិធីសាស្ត្ររាប់សញ្ញាសម្ងាត់ដែលបានបោះពុម្ពផ្សាយរបស់ Anthropic) អាចដំណើរការថតក្នុងរយៈពេលប៉ុន្មានវិនាទី។ ប្រៀបធៀបលទ្ធផលធៀបនឹងបង្អួចបរិបទនៃម៉ូដែលដែលក្រុមរបស់អ្នកពិតជាប្រើ។ ប្រសិនបើកូដកម្មវិធីស្នូលរបស់អ្នកសមនៅក្នុងបង្អួចបរិបទតែមួយដែលមានកន្លែងទំនេរសម្រាប់ការជម្រុញ និងការណែនាំ នោះអ្នកពិតជាមានរូបរាងល្អណាស់។ ប្រសិនបើវាលើសពីបង្អួចដោយ 2-5x ការច្របាច់ជាយុទ្ធសាស្រ្តនឹងចាំបាច់។ លើសពី 10x អ្នកនឹងចង់វិនិយោគលើការផ្លាស់ប្តូរស្ថាបត្យកម្ម ឬបំពង់បង្ហូរពិសេស RAG (retrieval-augmented generation) ដើម្បីធ្វើឱ្យឧបករណ៍ AI មានប្រសិទ្ធភាព។

សម្រាប់ក្រុមដែលបង្កើតនៅលើវេទិកាដូចជា Mewayz ដែលស្ថាបត្យកម្មម៉ូឌុលបានបំបែកកង្វល់ទៅជាម៉ូឌុលផ្សេងគ្នារួចទៅហើយ — CRM, invoicing, HR, analytics និងជាង 200 នាក់ផ្សេងទៀត - ការវាស់វែងនេះក្លាយជាគួរឱ្យចាប់អារម្មណ៍ជាពិសេស។ ម៉ូឌុលនីមួយៗមានមុខងារជាឯកតាដែលមានផ្ទុកដោយខ្លួនឯងជាមួយនឹងចំណុចប្រទាក់ច្បាស់លាស់ ដែលតាមធម្មជាតិធ្វើផែនទីទៅនឹងផ្នែកដែលងាយស្រួលប្រើតាមបរិបទ។ វាជាប្រភេទនៃគំរូស្ថាបត្យកម្មដែលបង់ភាគលាភទាំងសម្រាប់ការថែរក្សារបស់មនុស្ស និងការយល់ដឹងអំពី AI ។

អ្វី​ដែល​សហគមន៍​អ្នក​អភិវឌ្ឍន៍​កំពុង​ជជែក​វែកញែក​យ៉ាង​ពិត​ប្រាកដ

ការពិភាក្សារបស់ Hacker News ជុំវិញផ្លាកសញ្ញា context-window បានបង្ហាញពីភាពតានតឹងគួរឱ្យចាប់អារម្មណ៍ជាច្រើននៅក្នុងសហគមន៍អ្នកអភិវឌ្ឍន៍។ ទីមួយគឺទស្សនវិជ្ជា៖ តើយើងគួររចនាកូដសម្រាប់ការប្រើប្រាស់ AI ដែរឬទេ? Purists ប្រកែកថាកូដគួរតែត្រូវបានសរសេរសម្រាប់មនុស្សជាមុនសិន ហើយឧបករណ៍ AI គួរតែសម្របខ្លួន។ Pragmatists ប្រឆាំងថា ប្រសិនបើជម្រើសស្ថាបត្យកម្មសាមញ្ញធ្វើឱ្យក្រុមរបស់អ្នកមានផលិតភាពជាង 30% ជាមួយនឹងឧបករណ៍ AI ក្នុងតម្លៃសូន្យចំពោះការអានរបស់មនុស្ស ដោយបដិសេធមិនធ្វើវាជាមនោគមវិជ្ជាជាងវិស្វកម្ម។

ការជជែកដេញដោលលើកទី២ ផ្តោតទៅលើថាតើបរិបទដែលសមស្របតាមបរិបទ សូម្បីតែជាម៉ែត្រមានស្ថេរភាពដែលមានតម្លៃតាមដាន។ វិនដូបរិបទបានរីកធំធាត់ - ពី 4K tokens នៅដើម GPT-3.5 ដល់ជាងមួយលាននៅក្នុង Gemini 1.5 Pro។ ប្រសិនបើបង្អួចបន្តពង្រីក ថ្ងៃនេះ "មិនសម" នឹងក្លាយជា "សមយ៉ាងងាយស្រួល" របស់ថ្ងៃស្អែក។ ប៉ុន្តែវិស្វករដែលមានបទពិសោធន៍ចង្អុលបង្ហាញថា សូម្បីតែជាមួយនឹងបង្អួចបរិបទដ៏ធំក៏ដោយ ការអនុវត្តគំរូធ្លាក់ចុះជាមួយនឹងប្រវែងបរិបទ។ គំរូដំណើរការ 50K tokens នៃការផ្តោតអារម្មណ៍ កូដដែលពាក់ព័ន្ធនឹងដំណើរការជាងម៉ូដែលដូចគ្នាដែលដំណើរការ 500K tokens នៃ monorepo ដ៏ធំទូលាយ ទោះបីជាបច្ចេកទេសទាំងពីរ "សម" ក៏ដោយ។ គុណភាពនៃបរិបទមានសារៈសំខាន់ដូចបរិមាណ។

ទីបី ការសន្ទនាដែលមានប្រយោជន៍ជាងនេះ ទាក់ទងនឹងឧបករណ៍។ អ្នកអភិវឌ្ឍន៍ចង់បានការរួមបញ្ចូល IDE ដែលយល់ដឹងពីបរិបទ ដែលកំណត់ដោយស្វ័យប្រវត្តិនូវឯកសារណាមួយដែលត្រូវបញ្ចូលនៅពេលផ្ញើកូដទៅកាន់ AI ។ ពួកគេចង់បានការស៊ើបការណ៍សម្ងាត់កម្រិតឃ្លាំងដែលយល់អំពីព្រំដែនម៉ូឌុលដោយគ្មានការកំណត់រចនាសម្ព័ន្ធដោយដៃ។ គម្រោងប្រភពបើកចំហជាច្រើនឥឡូវនេះកំពុងដោះស្រាយបញ្ហាជាក់លាក់នេះ ដោយបង្កើតចំនួនប៉ុន្មានទៅ "អ្នកចងក្រងបរិបទ" ដែលប្រមូលផ្តុំសំណុំឯកសារដ៏ល្អប្រសើរសម្រាប់កិច្ចការដែលផ្តល់ជំនួយដោយ AI ណាមួយ។

ការប្រែក្លាយវាទៅជាគុណសម្បត្តិប្រកួតប្រជែង

សម្រាប់អាជីវកម្ម — មិនត្រឹមតែក្រុមអ្នកអភិវឌ្ឍន៍ប៉ុណ្ណោះទេ ភាពសមស្របនៃបង្អួចបរិបទមានផលប៉ះពាល់ខាងក្រោមដែលមានតម្លៃគួរយល់ដឹង។ ក្រុមហ៊ុនដែលដឹកជញ្ជូនកម្មវិធីលឿនជាងមុន ដោយមានកំហុសតិចជាងមុន ក្នុងតម្លៃទាប ឈ្នះទីផ្សាររបស់ពួកគេ។ ការអភិវឌ្ឍន៍ដែលមានជំនួយ AI គឺជាមេគុណកម្លាំងពិតប្រាកដ ប៉ុន្តែនៅពេលដែលមូលដ្ឋានកូដមូលដ្ឋានត្រូវបានរៀបចំឡើងដើម្បីទាញយកអត្ថប្រយោជន៍ពីវា។ ស្ថាប័នដែលវិនិយោគលើមូលដ្ឋានកូដដែលងាយស្រួលប្រើ AI សព្វថ្ងៃនេះកំពុងបង្កើតអត្ថប្រយោជន៍រួមដែលនឹងពង្រីកទៅតាមពេលវេលា។

គោលការណ៍នេះពង្រីកលើសពីក្រុមហ៊ុនសូហ្វវែរសុទ្ធ។ អាជីវកម្មដែលកំពុងដំណើរការនៅលើវេទិកាដូចជា Mewayz ដែលរួមបញ្ចូល CRM វិក័យប័ត្រ បញ្ជីប្រាក់បៀវត្សរ៍ ធនធានមនុស្ស ការគ្រប់គ្រងកងនាវា និងការវិភាគទៅក្នុងប្រព័ន្ធម៉ូឌុលតែមួយ ទទួលបានអត្ថប្រយោជន៍ពីទស្សនវិជ្ជាដូចគ្នានេះនៅកម្រិត ប្រតិបត្តិការ។ នៅពេលដែលទិន្នន័យអាជីវកម្មរបស់អ្នករស់នៅក្នុងរចនាសម្ព័ន្ធល្អ ម៉ូឌុលដែលជាប់ទាក់ទងគ្នាជាជាងនៅរាយប៉ាយនៅទូទាំងឧបករណ៍ SaaS ដែលបានផ្ដាច់ចំនួន 15 នោះ AI អាចហេតុផលអំពីប្រតិបត្តិការទាំងមូលរបស់អ្នក — កំណត់អត្តសញ្ញាណគំរូនានានៅលើការលក់ ការគាំទ្រ និងហិរញ្ញវត្ថុដែលនឹងមើលមិនឃើញនៅក្នុងប្រព័ន្ធបិទជិត។ គោលការណ៍ដូចគ្នាដែលធ្វើឱ្យមូលដ្ឋានកូដ AI-friendly ធ្វើឱ្យ អាជីវកម្ម AI-friendly: រចនាសម្ព័ន្ធច្បាស់លាស់ ព្រំដែនស្អាត និងបរិបទទូលំទូលាយ។

ការអនុវត្តជាក់ស្តែងសម្រាប់អ្នកដឹកនាំផ្នែកវិស្វកម្មគឺត្រង់។ ចាប់ផ្តើមវាស់បង្អួចបរិបទរបស់អ្នកឱ្យសមនឹងថ្ងៃនេះ — សូម្បីតែក្រៅផ្លូវការក៏ដោយ។ បញ្ចូលវាទៅក្នុងផ្ទាំងគ្រប់គ្រងសុខភាពវិស្វកម្មរបស់អ្នក រួមជាមួយនឹងពេលវេលាសាងសង់ និងការគ្របដណ្តប់លើការធ្វើតេស្ត។ ប្រើវាជាធាតុបញ្ចូលមួយ (មិនមែនជាធាតុបញ្ចូលតែមួយគត់) នៅពេលធ្វើការសម្រេចចិត្តផ្នែកស្ថាបត្យកម្ម។ ហើយទទួលស្គាល់ថា មូលដ្ឋានកូដដែលនឹងទទួលបានអត្ថប្រយោជន៍ច្រើនបំផុតពីឧបករណ៍អភិវឌ្ឍន៍ AI ជំនាន់ក្រោយ គឺជាកម្មវិធីដែលត្រូវបានរៀបចំឡើងសម្រាប់ភាពអាចយល់បាន ឥឡូវនេះ។

ផ្លាកសញ្ញាគឺជាអ្នកចាប់ផ្តើមការសន្ទនា មិនមែនជាគោលដៅទេ

ផ្លាកសញ្ញា README បង្ហាញ "87% សមបរិបទ — Claude 200K" គឺជារឿងតូចមួយ។ វាត្រូវចំណាយពេលប៉ុន្មានវិនាទីដើម្បីបង្កើត និងកាន់កាប់បន្ទាត់តែមួយនៅក្នុងឯកសារគម្រោងរបស់អ្នក។ ប៉ុន្តែអ្វីដែលវាតំណាងឱ្យ — ការប្តេជ្ញាចិត្តដែលអាចវាស់វែងបានដោយចេតនាចំពោះភាពអាចយល់បាននៃមូលដ្ឋានកូដ — បង្ហាញនូវអ្វីដែលមានអត្ថន័យអំពីអាទិភាពរបស់ក្រុមវិស្វកម្ម។ វានិយាយថា៖ យើងគិតអំពីរបៀបដែលកូដរបស់យើងនឹងត្រូវបានយល់ មិនត្រឹមតែដោយអ្នកអភិវឌ្ឍន៍បន្ទាប់ប៉ុណ្ណោះទេ ប៉ុន្តែដោយប្រព័ន្ធ AI ដែលកាន់តែខ្លាំងឡើងនៃគ្រប់ដំណើរការនៃការអភិវឌ្ឍន៍។

លទ្ធផលដ៏មានតម្លៃបំផុតនៃនិន្នាការនេះមិនមែនជាផ្លាកសញ្ញាខ្លួនឯងទេ។ វាជាការសន្ទនាដែលវាផ្ទុះឡើងក្នុងអំឡុងពេលពិនិត្យស្ថាបត្យកម្ម ការធ្វើផែនការ sprint និងការពិភាក្សាអំពីបំណុលបច្ចេកទេស។ នៅពេលដែល "context window fit" ក្លាយជាផ្នែកនៃវាក្យសព្ទវិស្វកម្មរបស់អ្នក អ្នកចាប់ផ្តើមធ្វើការសម្រេចចិត្តដែលកើតឡើងដើម្បីតម្រឹមជាមួយអ្វីគ្រប់យ៉ាងដែលយើងបានដឹងអំពីការរចនាកម្មវិធីល្អអស់ជាច្រើនទសវត្សរ៍មកហើយ៖ ម៉ូឌុលផ្តោតតូច ជាមួយនឹងចំណុចប្រទាក់ច្បាស់លាស់ និងការភ្ជាប់គ្នាតិចតួចបំផុត។ បដិវត្តន៍ AI មិនបានបង្កើតគោលការណ៍ទាំងនេះទេ។ ប៉ុន្តែ​វា​កំពុង​ផ្តល់​ឱ្យ​ក្រុម​នូវ​ហេតុផល​បរិមាណ​ថ្មី​ដើម្បី​តាម​ក្រោយ​ពួកគេ​ជា​ចុងក្រោយ។

សំណួរដែលគេសួរញឹកញាប់

តើ​អ្វី​ទៅ​ជា​បង្អួច​បរិបទ​ដែល​សម ហើយ​ហេតុ​អ្វី​វា​សំខាន់?

បង្អួច​បរិបទ​សម​នឹង​វាស់វែង​ភាគរយ​នៃ​មូលដ្ឋាន​កូដ​របស់​អ្នក LLM អាច​ដំណើរការ​ក្នុង​ប្រអប់​បញ្ចូល​តែ​មួយ។ ភាគរយខ្ពស់មានន័យថាឧបករណ៍ AI អាចយល់បានកាន់តែច្រើនអំពីគម្រោងរបស់អ្នកក្នុងពេលតែមួយ ដែលនាំឱ្យមានការផ្ដល់យោបល់លើកូដកាន់តែប្រសើរ ការកែតម្រូវត្រឹមត្រូវជាងមុន និងការយល់ច្រលំតិចជាងមុន។ នៅពេលដែលការអភិវឌ្ឍន៍ដែលមានជំនួយ AI ក្លាយជាស្តង់ដារ ការវាស់វែងនេះប៉ះពាល់ដោយផ្ទាល់ពីរបៀបដែលក្រុមរបស់អ្នកអាចផលិតភាពជាមួយឧបករណ៍ដូចជា Copilot, Cursor និង Claude ។

តើខ្ញុំអាចពិនិត្យមើលបង្អួចបរិបទនៃកូដមូលដ្ឋានកូដរបស់ខ្ញុំដោយរបៀបណា?

អ្នកអាចប្រើឧបករណ៍ផ្លាកសញ្ញាប្រភពបើកចំហដែលបានចែករំលែកនៅលើព័ត៌មានរបស់ Hacker ដើម្បីបង្កើតសូចនាករដែលមើលឃើញសម្រាប់ឃ្លាំងរបស់អ្នក។ វាគណនាចំនួនកូដមូលដ្ឋានកូដសរុបរបស់អ្នក ហើយប្រៀបធៀបវាជាមួយនឹងបង្អួចបរិបទ LLM ដ៏ពេញនិយម។ ផ្លាកសញ្ញាបង្ហាញពិន្ទុភាគរយដែលអ្នកអាចបង្កប់ក្នុង README របស់អ្នក ដោយផ្តល់ឱ្យអ្នករួមចំណែក និងអ្នកពាក់ព័ន្ធនូវរូបថតភ្លាមៗអំពីរបៀបដែល AI-ready គម្រោងរបស់អ្នកគឺ។

តើ​យុទ្ធសាស្ត្រ​អ្វី​ខ្លះ​ដែល​ធ្វើ​ឱ្យ​ប្រសើរ​ឡើង​នូវ​ពិន្ទុ​របស់​វិនដូ​បរិបទ​មូលដ្ឋាន​កូដ?

ផ្តោតលើស្ថាបត្យកម្មម៉ូឌុល ការបំបែកភាពបារម្ភច្បាស់លាស់ និងការលុបបំបាត់កូដដែលស្លាប់។ monorepos ដែលមានរចនាសម្ព័ន្ធល្អជាមួយនឹងព្រំដែនឡូជីខលអនុញ្ញាតឱ្យ LLMs ដំណើរការម៉ូឌុលពាក់ព័ន្ធដោយឯករាជ្យ។ ការកាត់បន្ថយការចម្លងកូដ រក្សាឯកសារសង្ខេប និងការថែរក្សាដើមឈើភាពអាស្រ័យស្អាត រួមចំណែកទាំងអស់។ វេទិកាដូចជា Mewayz បង្ហាញពីគោលការណ៍នេះ — ការវេចខ្ចប់ 207 ម៉ូឌុលទៅក្នុងប្រព័ន្ធប្រតិបត្តិការអាជីវកម្មដែលមានលក្ខណៈងាយស្រួលដែលត្រូវបានរចនាឡើងសម្រាប់ការថែរក្សា និងប្រសិទ្ធភាព។

តើ​មូលដ្ឋាន​កូដ​តូច​ជាង​តែងតែ​មាន​ន័យ​ថា​ភាព​ឆបគ្នា​នឹង AI ល្អ​ជាង​ឬ?

មិនចាំបាច់ទេ។ មូលដ្ឋាន​កូដ​តូច​ជាង​ដែល​មាន​ភាព​អាស្រ័យ​ច្របូកច្របល់ និង​ឯកសារ​មិន​ល្អ​អាច​ពិបាក​សម្រាប់ LLMs ក្នុង​ការ​វែកញែក​អំពី​ទំហំ​ធំ​ដែល​មាន​ការ​រៀបចំ​យ៉ាង​ល្អ។ អ្វី​ដែល​សំខាន់​គឺ​ថា​តើ​បរិបទ​ដែល​ពាក់ព័ន្ធ​ត្រូវ​គ្នា​ប៉ុន្មាន​ក្នុង​បង្អួច។ សម្អាតអរូបី អនុសញ្ញាដាក់ឈ្មោះស្រប និងការរចនាម៉ូឌុលអនុញ្ញាតឱ្យឧបករណ៍ AI ដំណើរការប្រកបដោយប្រសិទ្ធភាព ទោះបីជាពួកគេមិនអាចបញ្ចូលកូដគ្រប់បន្ទាត់ក្នុងពេលតែមួយក៏ដោយ។