تصور کنید ساعت‌ها وقت گذاشته‌اید، با هوش مصنوعی سر و کله زده‌اید و بالاخره یک ابزار کاربردی ساخته‌اید؛ مثلاً یک فرم هوشمند برای رزرو زمان جلسات که با گوگل شیت و اپس اسکریپت (Apps Script) کار می‌کند. ابزار بی‌نقص کار می‌کند، اما یک مشکل کوچک وجود دارد: برای استفاده از این ابزار، باید یک لینک طولانی، عجیب و غریب و غیرحرفه‌ای از سرویس‌های گوگل را به کاربرانتان بدهید.

طبیعتاً به عنوان کسی که می‌خواهد محصولش را حرفه‌ای ارائه دهد، دوست دارید این ابزار روی دامنه و سایت خودتان بالا بیاید. اما ماجرا به همین جا ختم نمی‌شود. وقتی تصمیم می‌گیرید این ابزار را توسعه دهید، ظاهرش را زیباتر کنید یا یک پنل مدیریت به آن اضافه کنید، با یک چالش اعصاب‌خردکن دیگر مواجه می‌شوید: هوش مصنوعی کم‌کم گیج می‌شود! کدهای قبلی را فراموش می‌کند، دیزاین را به هم می‌ریزد و به جای حل کردن یک باگ ساده، چند باگ جدید خلق می‌کند.

در مسیر توسعه ابزارها با دستیارهای هوشمند، رسیدن به یک کد اولیه کار سختی نیست؛ هنر اصلی، مدیریت این پیچیدگی‌ها و هدایت درست هوش مصنوعی تا رسیدن به یک محصول نهایی و پایدار است.

مهاجرت به خانه: از Apps Script به هاست شخصی

وقتی ابزاری را بر بستر سرویس‌های گوگل می‌نویسیم، همه چیز (هم کدهای ظاهر سایت و هم منطق بک‌اند) در یک محیط بسته قرار دارد. برای اینکه این ابزار را به سایت خودمان بیاوریم، باید نقش‌ها را تفکیک کنیم.

ما کدهای مربوط به رابط کاربری (HTML/CSS) را به صورت مستقل روی هاست خودمان قرار می‌دهیم. اما منطق اصلی و ارتباط با دیتابیس (که همان گوگل شیت است) همچنان در اپس اسکریپت باقی می‌ماند. در واقع، ما از اپس اسکریپت یک خروجی (Deployment URL) می‌گیریم که مثل یک پل ارتباطی یا API عمل می‌کند. حالا فرمی که روی سایت ماست، از طریق این لینک با دیتابیس گوگل صحبت می‌کند. این کار نه تنها ظاهر حرفه‌ای‌تری به محصول ما می‌دهد، بلکه دست ما را برای تغییرات ظاهری بدون دست زدن به کدهای حساس بک‌اند، باز می‌گذارد.

وقتی هوش مصنوعی «خسته» می‌شود!

یکی از بزرگترین چالش‌ها در کار با ابزارهایی مثل جمنای یا سایر مدل‌های زبانی، محدودیت حافظه و درک آن‌ها در مکالمات طولانی است. وقتی در یک چت (Chat) بارها و بارها تغییرات مختلفی را درخواست می‌کنید، کدهای مختلفی رد و بدل می‌شود و مسیرهای اشتباهی طی می‌شود، هوش مصنوعی اصطلاحاً «کثیف» می‌شود. در این حالت، اگر یک تغییر ساده در رنگ دکمه بخواهید، ممکن است کل ساختار فرم شما را به هم بریزد.

چاره کار چیست؟ استفاده از تکنیک «منبع واحد حقیقت» (Single Source of Truth).

وقتی در توسعه ابزار به یک نقطه پایدار (Stable) رسیدید – مثلاً فرم به درستی کار می‌کند اما نیاز به تغییرات ظاهری دارد – نباید در همان چت شلوغ ادامه دهید. در اینجا، یک توقف استراتژیک می‌کنیم و از هوش مصنوعی می‌خواهیم کلاه «مدیر محصول» را بر سر بگذارد.

از او می‌خواهیم یک بک‌لاگ (Backlog) دقیق و جامع از تمام چیزهایی که تا الان ساخته‌ایم بنویسد. اما یک درخواست کلی کافی نیست؛ هوش مصنوعی تمایل به کلی‌گویی دارد. شما باید او را مجبور کنید تمام جزئیات حیاتی را مستند کند:

  • لینک‌های نقشه و مسیریابی که استفاده شده
  • تاریخ‌ها، ساعت‌ها و سناریوهای دقیق برگزاری
  • ساختار فیلدها و منطق‌های فرم
  • و هر دیتای مهمی که در طول مکالمه به دست آمده است.

وقتی این داکیومنت کامل شد، آن را به یک چت کاملاً جدید می‌بریم. حالا ما با یک هوش مصنوعی تازه‌نفس روبرو هستیم که تمام اطلاعات پروژه را به صورت ساختاریافته در اختیار دارد و هیچ تاریخچه اشتباه و گیج‌کننده‌ای در حافظه‌اش نیست.

هنر «تکه‌تکه کردن» برای تسلط بیشتر

تصور کنید کدهای فرم کاربری و کدهای پنل مدیریت شما، همگی در یک فایل متنی طولانی (مثلاً ۵۰۰ خط کد) قرار دارند. وقتی از هوش مصنوعی می‌خواهید قابلیت جستجو را به پنل مدیریت اضافه کند، او کل این ۵۰۰ خط را می‌خواند، پردازش می‌کند و دوباره می‌نویسد. این کار سه مشکل بزرگ ایجاد می‌کند: ۱. مصرف بالای توکن و احتمال قطع شدن خروجی در نیمه راه. ۲. افزایش زمان انتظار برای دریافت کد. ۳. ریسک بالای خراب شدن کدهای فرم کاربری، در حالی که شما فقط تغییراتی در بخش مدیریت می‌خواستید!

برنامه‌نویس‌های حرفه‌ای در اینجا از روش تفکیک (Modularization) استفاده می‌کنند. ما فایل یکپارچه را به چند فایل مستقل تقسیم می‌کنیم؛ مثلاً یک فایل index.html برای کاربرانی که می‌خواهند ثبت‌نام کنند، و یک پوشه جداگانه حاوی admin/index.html برای خودمان که قرار است داده‌ها را مدیریت کنیم.

حالا وقتی می‌خواهیم ظاهر فرم ثبت‌نام را تغییر دهیم، به هوش مصنوعی یک پرامپت دقیق، محدود و نقطه‌زن می‌دهیم: “من می‌خواهم ظاهر فایل پابلیک فرم را تغییر دهی. دکمه افزودن به تقویم گوگل را به آن اضافه کن. دقت کن که در این مرحله نیازی به تغییر در کدهای بک‌اند یا فایل پنل مدیریت ندارم و فقط تمرکزت روی همین یک فایل باشد.”

با این تکنیک ساده، شعاع تخریب اشتباهات هوش مصنوعی را به حداقل می‌رسانید. او می‌داند که فقط باید روی یک فایل ۲۰۰ خطی تمرکز کند. سرعت بالاتر می‌رود، خروجی دقیق‌تر می‌شود و از همه مهم‌تر، اگر دیزاین جدید خراب شد، خیالتان راحت است که پنل مدیریت و ساختار دیتابیس شما کاملاً دست‌نخورده و سالم باقی مانده است.

ساخت ابزار با هوش مصنوعی فقط درباره نوشتن پرامپت‌های اولیه نیست؛ بلکه درباره مهارت مدیریت پروژه، هدایت هوشمندانه دستیار هوش مصنوعی و ساختاربندی درست فایل‌هاست. وقتی یاد بگیرید چگونه محیط کدنویسی خود را ایزوله کنید و چگونه ذهن هوش مصنوعی را در زمان‌های مناسب «ریست» کنید، می‌توانید از ساخت ابزارهای ساده و آزمایشی فراتر بروید و محصولات واقعی، پایدار و قابل توسعه بسازید. این همان مسیری است که تفاوت یک خروجی آماتور با یک محصول مهندسی‌شده را رقم می‌زند.