ਸਟੌਟ ਉਪਭੋਗਤਾ ਦੀ ਆਲੋਚਨਾ ਦੇ ਬਾਅਦ ਸਾਰੇ LLM ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਕੋਡ ਨੂੰ ਹਟਾ ਦਿੰਦਾ ਹੈ

\u003ch2\u003eStoat ਉਪਭੋਗਤਾ ਦੀ ਆਲੋਚਨਾ ਤੋਂ ਬਾਅਦ LLM ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਸਾਰੇ ਕੋਡ ਨੂੰ ਹਟਾ ਦਿੰਦਾ ਹੈ\u003c/h2\u003e \u003cp\u003eਇਹ ਓਪਨ-ਸੋਰਸ GitHub ਰਿਪੋਜ਼ਟਰੀ ਡਿਵੈਲਪਰ ਈਕੋਸਿਸਟਮ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਯੋਗਦਾਨ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ। ਪ੍ਰੋਜੈਕਟ ਆਧੁਨਿਕ ਵਿਕਾਸ ਅਭਿਆਸਾਂ ਅਤੇ ਸਹਿਯੋਗੀ ਕੋਡਿੰਗ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦਾ ਹੈ।\u003c/p\u003e \u003ch3\u003eਤਕਨੀਕੀ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ\u003c/h3\u003e \u003cp\u003e ਭੰਡਾਰ ਵਿੱਚ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਸ਼ਾਮਲ ਹਨ:\u003c/p\u003e \u003cul\u003e \u003cli\u003eਸਾਫ਼, ਚੰਗੀ ਤਰ੍ਹਾਂ ਦਸਤਾਵੇਜ਼ੀ ਕੋਡ\u003c/li\u003e \u003cli\u003eਵਰਤੋਂ ਉਦਾਹਰਨਾਂ ਦੇ ਨਾਲ ਵਿਆਪਕ README\u003c/li\u003e \u003cli\u003eਸਮੱਸਿਆ ਟਰੈਕਿੰਗ ਅਤੇ ਯੋਗਦਾਨ ਦਿਸ਼ਾ ਨਿਰਦੇਸ਼\u003c/li\u003e \u003cli\u003eਨਿਯਮਿਤ ਅੱਪਡੇਟ ਅਤੇ ਰੱਖ-ਰਖਾਅ\u003c/li\u003e \u003c/ul\u003e \u003ch3\u003eਭਾਈਚਾਰਕ ਪ੍ਰਭਾਵ\u003c/h3\u003e \u003cp\u003eਓਪਨ-ਸੋਰਸ ਪ੍ਰੋਜੈਕਟ ਇਸ ਤਰ੍ਹਾਂ ਦੇ ਗਿਆਨ ਨੂੰ ਸਾਂਝਾ ਕਰਨ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਦੇ ਹਨ ਅਤੇ ਪਹੁੰਚਯੋਗ ਕੋਡ ਅਤੇ ਸਹਿਯੋਗੀ ਵਿਕਾਸ ਦੁਆਰਾ ਤਕਨੀਕੀ ਨਵੀਨਤਾ ਨੂੰ ਤੇਜ਼ ਕਰਦੇ ਹਨ।\u003c/p\u003e

ਅਕਸਰ ਪੁੱਛੇ ਜਾਣ ਵਾਲੇ ਸਵਾਲ

Stoat ਅਤੇ LLM-ਤਿਆਰ ਕੋਡ ਨਾਲ ਕੀ ਹੋਇਆ?

ਸਟੋਟ, ਇੱਕ ਓਪਨ-ਸੋਰਸ ਡਿਵੈਲਪਰ ਟੂਲ, ਨੇ ਉਪਭੋਗਤਾਵਾਂ ਅਤੇ ਯੋਗਦਾਨੀਆਂ ਦੀ ਆਲੋਚਨਾ ਪ੍ਰਾਪਤ ਕਰਨ ਤੋਂ ਬਾਅਦ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ (LLMs) ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਸਾਰੇ ਕੋਡ ਨੂੰ ਇਸ ਦੇ ਰਿਪੋਜ਼ਟਰੀ ਤੋਂ ਹਟਾਉਣ ਦਾ ਫੈਸਲਾ ਕੀਤਾ। ਭਾਈਚਾਰੇ ਨੇ AI-ਉਤਪੰਨ ਯੋਗਦਾਨਾਂ ਦੇ ਸੰਬੰਧ ਵਿੱਚ ਕੋਡ ਦੀ ਗੁਣਵੱਤਾ, ਰੱਖ-ਰਖਾਅਯੋਗਤਾ ਅਤੇ ਪਾਰਦਰਸ਼ਤਾ ਬਾਰੇ ਚਿੰਤਾਵਾਂ ਜ਼ਾਹਰ ਕੀਤੀਆਂ। ਇਹ ਕਦਮ ਓਪਨ-ਸੋਰਸ ਪ੍ਰੋਜੈਕਟਾਂ ਵਿੱਚ AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਕੋਡਿੰਗ ਦੀ ਉਚਿਤ ਭੂਮਿਕਾ ਅਤੇ ਸੌਫਟਵੇਅਰ ਵਿਕਾਸ ਵਿੱਚ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਦੇ ਮਹੱਤਵ ਬਾਰੇ ਵਿਕਾਸਕਾਰ ਭਾਈਚਾਰੇ ਵਿੱਚ ਚੱਲ ਰਹੀ ਬਹਿਸ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ।

ਕੁਝ ਡਿਵੈਲਪਰ ਓਪਨ-ਸੋਰਸ ਪ੍ਰੋਜੈਕਟਾਂ ਵਿੱਚ LLM ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਕੋਡ ਦਾ ਵਿਰੋਧ ਕਿਉਂ ਕਰਦੇ ਹਨ?

ਵਿਕਾਸਕਰਤਾ ਅਕਸਰ AI-ਉਤਪੰਨ ਕੋਡ ਬਾਰੇ ਚਿੰਤਾਵਾਂ ਪੈਦਾ ਕਰਦੇ ਹਨ ਜਿਸ ਵਿੱਚ ਸੰਦਰਭ-ਜਾਗਰੂਕ ਫੈਸਲੇ ਲੈਣ ਦੀ ਘਾਟ, ਸੂਖਮ ਬੱਗਾਂ ਨੂੰ ਪੇਸ਼ ਕਰਨਾ, ਅਤੇ ਸਮੁੱਚੀ ਕੋਡ ਗੁਣਵੱਤਾ ਨੂੰ ਘਟਾਉਣਾ ਹੈ। ਮਸ਼ੀਨ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਯੋਗਦਾਨਾਂ ਦੇ ਆਲੇ ਦੁਆਲੇ ਲਾਇਸੈਂਸ ਅਤੇ ਵਿਸ਼ੇਸ਼ਤਾ ਪ੍ਰਸ਼ਨ ਵੀ ਹਨ। ਬਹੁਤ ਸਾਰੇ ਲੋਕ ਦਲੀਲ ਦਿੰਦੇ ਹਨ ਕਿ ਓਪਨ-ਸੋਰਸ ਪ੍ਰੋਜੈਕਟ ਮਨੁੱਖੀ ਸਹਿਯੋਗ ਅਤੇ ਸਮਝ 'ਤੇ ਪ੍ਰਫੁੱਲਤ ਹੁੰਦੇ ਹਨ। ਜ਼ਿੰਮੇਵਾਰੀ ਨਾਲ AI ਦਾ ਲਾਭ ਉਠਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਵਾਲੀਆਂ ਟੀਮਾਂ ਲਈ, Mewayz ਵਰਗੇ ਪਲੇਟਫਾਰਮ $19/mo ਤੋਂ ਸ਼ੁਰੂ ਹੋਣ ਵਾਲੇ 207 ਕਿਊਰੇਟਿਡ ਮੋਡੀਊਲ ਪੇਸ਼ ਕਰਦੇ ਹਨ, ਕੱਚੇ AI ਆਉਟਪੁੱਟ ਦੀ ਬਜਾਏ ਗੁਣਵੱਤਾ-ਨਿਯੰਤਰਿਤ, ਮਨੁੱਖੀ-ਸਮੀਖਿਆ ਕੀਤੇ ਹੱਲਾਂ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਂਦੇ ਹਨ।

ਏਆਈ ਟੂਲਸ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਸਮੇਂ ਪ੍ਰੋਜੈਕਟ ਕੋਡ ਗੁਣਵੱਤਾ ਨੂੰ ਕਿਵੇਂ ਬਰਕਰਾਰ ਰੱਖ ਸਕਦੇ ਹਨ?

ਕੁੰਜੀ AI ਨੂੰ ਬਦਲਣ ਦੀ ਬਜਾਏ ਇੱਕ ਸਹਾਇਕ ਦੇ ਰੂਪ ਵਿੱਚ ਪੇਸ਼ ਕਰਨਾ ਹੈ। ਸਭ ਤੋਂ ਵਧੀਆ ਅਭਿਆਸਾਂ ਵਿੱਚ ਸਖ਼ਤ ਕੋਡ ਸਮੀਖਿਆਵਾਂ, ਵਿਆਪਕ ਟੈਸਟਿੰਗ, ਅਤੇ ਸਪਸ਼ਟ ਯੋਗਦਾਨ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ ਜੋ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀਆਂ ਬੇਨਤੀਆਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਦੇ ਹਨ। ਟੀਮਾਂ ਨੂੰ ਰਲੇਵੇਂ ਤੋਂ ਪਹਿਲਾਂ ਸਾਰੀਆਂ AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਕੋਡਾਂ ਦੀ ਮਨੁੱਖੀ ਤਸਦੀਕ ਦੀ ਲੋੜ ਵਾਲੀਆਂ ਨੀਤੀਆਂ ਸਥਾਪਤ ਕਰਨੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ। Mewayz $19/mo 'ਤੇ 207 ਪੇਸ਼ੇਵਰ ਤੌਰ 'ਤੇ ਰੱਖ-ਰਖਾਅ ਵਾਲੇ ਮੋਡੀਊਲ ਪ੍ਰਦਾਨ ਕਰਕੇ, ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਭਰੋਸੇਯੋਗ ਬਿਲਡਿੰਗ ਬਲਾਕ ਪ੍ਰਦਾਨ ਕਰਕੇ ਇਸ ਸੰਤੁਲਿਤ ਪਹੁੰਚ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ, ਜਿਨ੍ਹਾਂ ਦਾ ਤਜਰਬੇਕਾਰ ਇੰਜਨੀਅਰਾਂ ਦੁਆਰਾ ਚੰਗੀ ਤਰ੍ਹਾਂ ਜਾਂਚ ਅਤੇ ਦਸਤਾਵੇਜ਼ੀਕਰਨ ਕੀਤਾ ਗਿਆ ਹੈ।

ਸਾਫਟਵੇਅਰ ਵਿਕਾਸ ਵਿੱਚ AI ਦੇ ਭਵਿੱਖ ਲਈ ਇਸ ਵਿਵਾਦ ਦਾ ਕੀ ਅਰਥ ਹੈ?

ਸਟੋਅਟ ਘਟਨਾ ਪੂਰੀ ਤਰ੍ਹਾਂ ਅਸਵੀਕਾਰ ਕਰਨ ਦੀ ਬਜਾਏ ਵਿਕਾਸ ਵਿੱਚ AI ਦੇ ਆਲੇ ਦੁਆਲੇ ਇੱਕ ਪਰਿਪੱਕ ਗੱਲਬਾਤ ਦਾ ਸੰਕੇਤ ਦਿੰਦੀ ਹੈ। ਜਦੋਂ AI ਟੂਲ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ ਤਾਂ ਉਦਯੋਗ ਪਾਰਦਰਸ਼ਤਾ, ਵਿਸ਼ੇਸ਼ਤਾ, ਅਤੇ ਗੁਣਵੱਤਾ ਭਰੋਸੇ ਲਈ ਸਪੱਸ਼ਟ ਮਾਪਦੰਡ ਸਥਾਪਤ ਕਰਨ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ। ਡਿਵੈਲਪਰ ਅਣ-ਚੈੱਕ ਕੀਤੇ AI ਆਉਟਪੁੱਟ ਨਾਲੋਂ ਵੱਧ ਤੋਂ ਵੱਧ ਕਿਉਰੇਟਿਡ, ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ ਸਰੋਤਾਂ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦੇ ਹਨ। ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ Mewayz ਵਰਗੇ ਹੱਲ — $19/mo ਤੋਂ ਸ਼ੁਰੂ ਹੋਣ ਵਾਲੇ 207 ਨਿਰੀਖਣ ਕੀਤੇ ਮੋਡੀਊਲ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦੇ ਹਨ — ਉਹਨਾਂ ਟੀਮਾਂ ਵਿਚਕਾਰ ਖਿੱਚ ਪ੍ਰਾਪਤ ਕਰਨਾ ਜਾਰੀ ਰੱਖਦੇ ਹਨ ਜੋ ਭਰੋਸੇਯੋਗਤਾ ਅਤੇ ਰੱਖ-ਰਖਾਅ ਦੀ ਕਦਰ ਕਰਦੀਆਂ ਹਨ।