برای آدمها بنویس، نه برای مدل
هوش مصنوعیخلاصهٔ کاملتر
Vicki Boykis تو پستی به اسم Write for people میگه دیگه نمیتونه عنوان و توضیح Pull Requestهایی رو که تو اینترنت میبینه بخونه و بفهمه. به گفتهٔ نویسنده مشکل از کدخوندن نیست؛ مشکل اینه که ما داریم توضیحها رو بهجای نوشتن، خودکار تولید میکنیم و گشتن تو یه codebase برای آدم داره تبدیل میشه به کاری بیفایده.
نویسنده میگه بخشی از اصطلاحهای فنی میانبُرهای لازمیان بین آدمهایی که همسطحن، ولی خودش نشون میده بیشترشون سادهن: token فقط گروهی از کاراکترهاست که کلمه و جمله میسازه، یه workflow کاملاً agentic یعنی مدلی که تو یه حلقه با tool call بیرونی کار میکنه (و tool هم فقط برنامهایه که مدل صداش میزنه، مثل bash)، و post-training یعنی ادامهٔ آموزش یه مدل خام به سمت یه هدف مشخص مثل خلاصهسازی.
به گفتهٔ نویسنده جایی کار خراب میشه که هم اصطلاح فنی و هم توضیحهای طولانی رو ماشین تولید کنه، اون هم برای آدمهایی با سطح دانش متفاوت. مثالش اینه: «bumped dependencies» خوبه چون همه میفهمن پکیجها بهروز شدن، ولی یه پاراگراف اداری دربارهٔ «اجرای یک بازآوری زمانبندیشدهٔ وابستگیها در چارچوب رویههای نگهداشت» بده. حرفش سادهست: چیزی که موقع تولیدش نخوندی، موقع خوندن هم خونده نمیشه.
نویسنده ریشه رو تو هدف آموزش مدل میبینه: مدل روی کل مستندات فنی اینترنت آموزش دیده تا جمله رو کامل کنه، نه اینکه آدم چیزی بفهمه؛ برای همین خروجی پر میشه از صفت و قید. پیشنهادش اینه دنبال سادگی باشیم و اگه نتونستیم ساده بگیم، احتمالاً هنوز خودمون مسئله رو اونقدر نفهمیدیم که بشه فشردهش کرد — که اشکالی هم نداره، فقط باید حدود ۱۰٪ بیشتر زحمت بکشیم و به قول خودش «خستهتر از مدل» باشیم.
نکات کلیدی:
- توضیحهای خودکار Pull Request خوندن و دنبالکردن تغییرها رو برای آدم سخت کرده
- «bumped dependencies» نمونهٔ توضیح خوبه؛ نسخهٔ چندخطی و اداریِ همون، نمونهٔ بد
- مدل با هدف کاملکردن جمله آموزش دیده، نه با هدف فهم انسان
- اگه نمیتونی ساده بگی، یعنی هنوز مسئله رو کامل نفهمیدی
- پیشنهاد نویسنده: حدود ۱۰٪ سختتر بگیر و کمحرفتر از مدل باش
