‏کارپاتی روش سه‌لایه‌شو برای کدنویسی با AI رو کرد

اندری کارپاتی یه چارچوب سه‌لایه برای کار جدی‌تر با مدل‌های کدنویسی مثل Claude پیشنهاد داده: spec (مشخصات کار)، verifier (بازبین خروجی)، و environment (محیط پایدار). به گفتهٔ نویسنده، ایده اینه که به‌جای این‌که هر پرامپت رو یه درخواست یک‌بارمصرف ببینی، کل پروژه رو یه سیستمی در نظر بگیری که هرچی بیشتر ازش استفاده کنی، دقیق‌تر و قابل‌اعتمادتر می‌شه.

خیلیا با AI مثل یه جستجوی گوگل رفتار می‌کنن: یه درخواست می‌دن، جواب می‌گیرن، اگه غلط بود دوباره می‌پرسن. این روش برای کارای کوچیک جواب می‌ده ولی رو پروژه‌های واقعی می‌شکنه، چون مدل فقط از رو یه پیام داره حدس می‌زنه منظورت چیه و هیچ راهی هم نداره خروجی خودشو با یه استاندارد مشخص چک کنه.

لایهٔ spec یعنی قبل از نوشتن کد، بذاری Claude ازت سؤال بپرسه: دقیقاً چی می‌خوای بسازی، چه محدودیت‌هایی مهمه، موفقیت یعنی چی؛ حاصلش یه سند مکتوبه که کار رو به چک‌پوینت‌های کوچیک‌تر می‌شکنه. لایهٔ verifier هم یعنی از قبل تعریف کنی «خروجی خوب» چه شکلیه، بعد یه راه بدی به مدل که خودش خروجیشو چک کنه — یه مدل دیگه، داده‌های واقعی، یا تستی که خودش اجرا می‌کنه. نویسنده می‌گه این لایه همونیه که بیشتر آدما ردش می‌کنن، چون نوشتن spec راحته ولی ساختن یه فیدبک‌لوپ واقعی سخت‌تره.

لایهٔ environment یعنی یه فضای کاری ثابت بسازی که دستورات، قوانین و دانش پروژه‌ت از قبل توش باشه، تا هر بار چت جدید باز می‌کنی مجبور نباشی از صفر context بدی. به گفتهٔ نویسنده، این لایه بیشترین بازدهی بلندمدت رو داره چون هر پروژهٔ جدید از همون محیط سود می‌بره. این روش فقط مخصوص کدنویسی نیست؛ رو ویرایش ویدیوی هوش‌مصنوعی و ایجنت‌های کاری هم همین سه لایه (spec، فیدبک‌لوپ، context پایدار) کار می‌کنه.

نکات کلیدی:

• سه لایه: spec (مشخصات کار)، verifier (بازبین خودکار خروجی)، environment (محیط پایدار)
• verifier می‌تونه یه مدل دیگه، داده‌های واقعی، یا تست خودکار باشه
• به گفتهٔ نویسنده، بیشتر آدما لایهٔ verifier رو رد می‌کنن چون ساختنش سخت‌تره
• این روش فقط برای کدنویسی نیست، رو ویرایش ویدیو و ایجنت‌های کاری هم کار می‌کنه
• برای کارای ساده و یک‌خطی، این سه‌لایه اضافه‌کاریه؛ فقط برای پروژه‌های واقعی می‌ارزه