‏اصول عملی کار با ایجنت‌های AI

این مقاله از تیم Oncourse AI (هارشا گارلاپاتی، شوبدیپ سریواستاوا و پراساد کومپالی) با یه ادعای ساده شروع می‌شه: ایجنت‌ها حالا بیشتر کد رو می‌نویسن، پس بخش کند کار دیگه کدنویسی نیست، توجه آدم مسئوله. به گفته‌ی نویسنده‌ها، اپ Caddie با ۷۳۰ commit تو ۱۵ روز و فقط توسط یه نفر با کمک ایجنت‌ها ساخته شد. اصول رو تو سه کار اصلی دسته‌بندی کردن: شروع کار، چک کردن کار، و یاد دادن به ایجنت‌ها، به‌علاوه‌ی یه بخش درباره‌ی هدف‌گذاری.

شروع کار: نویسنده‌ها می‌گن تو تیمی که با sprint کار می‌کنه، کاری که یه روز طول می‌کشه دو هفته طول می‌کشه تا ship بشه، چون بیشترش منتظر موندنه. پس هر کاری که ارزشش رو داره، همون لحظه‌ای که نوشته شد بده به ایجنت. وقت خودت رو بذار روی triage (یعنی انتخاب اینکه چی ارزش انجام داره) و نوشتن scope و context، چون ایجنتی که فقط یه خط توضیح بگیره نسخه‌ی آسون و اشتباه رو می‌سازه. به‌جای start date فقط delivery date نگه دار، حداقل پنج ایجنت رو شبانه‌روز در حال کار نگه دار و برای هر پروژه یه coordinator agent بذار که Slack رو زیر نظر بگیره و کارها رو پخش کنه.

یه معیار جالب مقاله time to happy هست، یعنی دقیقه‌هایی که از گزارش مشکل یه مشتری تا راضی شدن همون مشتری طول می‌کشه. هدف پنج دقیقه‌ست: یه ایجنت از مشتری یه persona می‌سازه (دستگاهش، هدفش، کاری که می‌خواست بکنه)، ایجنت دیگه مشکل رو درست می‌کنه و persona قبل از جواب دادن fix رو امتحان می‌کنه.

چک کردن کار: به گفته‌ی نویسنده‌ها، ایجنت‌ها بیشتر از اونی کد می‌نویسن که کسی بتونه خط‌به‌خط بخونه، پس merge رو باید امن کرد. اول تأیید کن مشکل واقعیه، چون ایجنت‌ها یافته‌های غلط رو با همون اعتمادبه‌نفس یافته‌های درست گزارش می‌دن. بعد بذار ایجنت‌ها با screenshot و computer use ثابت کنن fix کار می‌کنه و تست، type check و build همه‌چی رو چک کنن. pull requestهای «self-healing» که چیز موجود رو درست می‌کنن خودشون merge می‌شن، ولی PRهای فیچر که چیزی که کاربر می‌بینه رو عوض می‌کنن هنوز بررسی آدم می‌خوان.

به‌جای checklist، اپ رو با یه کتابخونه‌ی ۲۰ تا ۳۰ تایی از personaهای ساخته‌شده از مشتری‌های واقعی audit کن، چون بدترین باگ‌ها بین فیچرها قایم می‌شن. نویسنده‌ها تا حالا بیش از ۱۲۰ persona استفاده کردن. روتین‌های Kaizen (یعنی بهبود مداوم و کوچیک به سبک Toyota) هر روز کار رو بهتر می‌کنن و چک می‌کنن fixهای قبلی هنوز سر جاشونن. خطاها و endpointهای کند تو monitoring هم خودشون یه PR برای fix باز می‌کنن.

یاد دادن و هدف‌گذاری: هر نتیجه‌ی خوب رو به یه skill تبدیل کن، یعنی فایل دستورالعملی که ایجنت قبل از یه نوع کار می‌خونه. یه skill خوب نمونه‌های مرجع، مراحل به ترتیب، دلیل هر مرحله، یه lessons log و لینک به‌جای کپی داره و باید روی یه ایجنت تازه تست بشه. traceهای ایجنت‌ها رو هم از یه AI proxy رد کن و هفته‌ای یه بار بخون. آخر سر، به ایجنت‌ها هدف‌های MAD بده: قابل اندازه‌گیری، absurd و روزانه. مثلاً با همین روش خطای dictation در Caddie از ۱۳.۳ درصد به ۷.۰ درصد رسید که از ۷.۹ درصد Wispr Flow بهتره.

نکات کلیدی:

• Caddie با ۷۳۰ commit تو ۱۵ روز توسط یه نفر و ایجنت‌ها ساخته شد
• معیار پیشنهادی time to happy با هدف پنج دقیقه‌ست
• حداقل پنج ایجنت باید همیشه، حتی شب‌ها، در حال کار باشن
• PRهای self-healing بعد از پاس شدن چک‌ها خودکار merge می‌شن ولی PRهای فیچر بررسی آدم می‌خوان
• کتابخونه‌ی ۲۰ تا ۳۰ persona از مشتری‌های واقعی جای checklist رو می‌گیره
• با هدف MAD، خطای dictation از ۱۳.۳٪ به ۷.۰٪ رسید، پایین‌تر از ۷.۹٪ Wispr Flow