ನಿಮ್ಮ ಮುಂದಿನ ಪ್ರಾಜೆಕ್ಟ್ಗಾಗಿ ಎರಡು JavaScript frameworkಗಳ ನಡುವೆ ಆಯ್ಕೆ ಮಾಡಲು ಕಷ್ಟವಾಗುತ್ತಿರುವಾಗ ಅಥವಾ ಒಂದು orchestration library ಅನ್ನು ಆರಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿರುವಾಗ, AI ಅನ್ನು ಕೇಳುವುದು ಸಹಜ ಎನಿಸುತ್ತದೆ. ನೀವು ಒಂದು ಸ್ಪಷ್ಟವಾದ, ನಿರ್ಣಾಯಕ ಉತ್ತರವನ್ನು ನಿರೀಕ್ಷಿಸುತ್ತೀರಿ. ಆದರೆ ನಿಮಗೆ ಸಿಗುವ ಉತ್ತರವು ನೀವು ಯಾವ ಚಾಟ್ ವಿಂಡೋವನ್ನು ತೆರೆದಿದ್ದೀರಿ ಎಂಬುದರ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿರುತ್ತದೆ.
ಸಾರಾ ಪಾನ್ ಅವರ ನೇರ ಹೋಲಿಕೆಯು ಇದನ್ನು ಸ್ಪಷ್ಟಪಡಿಸುತ್ತದೆ. ಈ ಮಾದರಿಗಳು (models) ಒಂದೇ ರೀತಿಯ ಪರಿಕರಗಳ (tools) ಬಗ್ಗೆ ಒಮ್ಮತಕ್ಕೆ ಬರುತ್ತವೆಯೇ ಎಂದು ನೋಡಲು ಅವರು ಐದು ಡೆವಲಪರ್ ವರ್ಗಗಳ ಮೂಲಕ ChatGPT ಮತ್ತು Gemini ಎರಡರಲ್ಲೂ ಇಪ್ಪತ್ತು ಒಂದೇ ರೀತಿಯ ಪ್ರಾಂಪ್ಟ್ಗಳನ್ನು (prompts) ರನ್ ಮಾಡಿದರು. ಅವು ಒಮ್ಮತಕ್ಕೆ ಬರಲಿಲ್ಲ. ಈ ಫಲಿತಾಂಶಗಳು ಯಾವ framework ವಸ್ತುನಿಷ್ಠವಾಗಿ ಉತ್ತಮವಾಗಿದೆ ಎಂಬುದಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ, ಪ್ರತಿಯೊಂದು ಮಾದರಿಯು ಹೇಗೆ ಯೋಚಿಸುತ್ತದೆ, ಅದು ಯಾವುದಕ್ಕೆ ಮೌಲ್ಯ ನೀಡುತ್ತದೆ ಮತ್ತು ಅದರ ಅರಿವಿಲ್ಲದ ಅಂಶಗಳು (blind spots) ಎಲ್ಲಿವೆ ಎಂಬುದನ್ನು ತೋರಿಸುತ್ತವೆ.
ಸಾಮಾನ್ಯ ನೆಲೆಯಲ್ಲಿ: ಪರೀಕ್ಷಿಸಲ್ಪಟ್ಟ ಪರಿಕರಗಳು
ಎರಡು ಮಾದರಿಗಳು ಒಂದೇ ಧ್ವನಿಯಲ್ಲಿ ಮಾತನಾಡುವ ಒಂದು ಕ್ಷೇತ್ರವಿದೆ. ವಿಷಯವು ಸ್ಥಾಪಿತವಾದ ಮತ್ತು ವ್ಯಾಪಕವಾಗಿ ಅಳವಡಿಸಿಕೊಂಡ ಪರಿಕರಗಳತ್ತ ತಿರುಗಿದಾಗ, ಒಮ್ಮತವು ಬಹುತೇಕ ಸ್ವಯಂಚಿತವಾಗಿರುತ್ತದೆ. version control, relational databases, containerization ಅಥವಾ ಮೂಲಭೂತ frontend frameworks ಬಗ್ಗೆ ಕೇಳಿದರೆ, ChatGPT ಮತ್ತು Gemini ಎರಡೂ ಒಂದೇ ಹೆಸರುಗಳನ್ನು ಸೂಚಿಸುತ್ತವೆ. Git, Docker, PostgreSQL, React—ಸಾವಿರಾರು ಬ್ಲಾಗ್ ಪೋಸ್ಟ್ಗಳು, ಕಾನ್ಫರೆನ್ಸ್ ಮಾತುಕತೆಗಳು ಮತ್ತು GitHub issuesಗಳಲ್ಲಿ ವಿಶ್ಲೇಷಿಸಲ್ಪಟ್ಟಿರುವ ಈ ಪರಿಕರಗಳು ನಿರಂತರವಾಗಿ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತವೆ.
ಈ ಒಮ್ಮತವು ಅಸ್ತಿತ್ವದಲ್ಲಿದೆ ಏಕೆಂದರೆ ಈ ಪರಿಕರಗಳು ವಾದಿಸಲು ಕಷ್ಟವಾದ ವಸ್ತುನಿಷ್ಠ ಹೆಜ್ಜೆಗುರುತುಗಳನ್ನು (objective footprints) ಹೊಂದಿವೆ. ಅವುಗಳಿಗೆ ದಾಖಲಿತ ವೈಫಲ್ಯದ ವಿಧಾನಗಳು (failure modes), ಬೃಹತ್ ಇನ್ಸ್ಟಾಲ್ ಬೇಸ್ಗಳು ಮತ್ತು ಸೂಕ್ಷ್ಮವಾದ ವಹಿವಾಟುಗಳನ್ನು (trade-offs) ಸಹ ಚೆನ್ನಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬಹುದಾದಷ್ಟು ದೊಡ್ಡ ಸಮುದಾಯಗಳಿವೆ. AI ಮಾದರಿಯು ಅವುಗಳ ವಿಶ್ವಾಸಾರ್ಹತೆಯ ಬಗ್ಗೆ ಊಹಿಸುವ ಅಗತ್ಯವಿಲ್ಲ. ಅಂತರ್ಜಾಲವು ಈಗಾಗಲೇ ಆ ಕೆಲಸವನ್ನು ಮಾಡಿದೆ ಮತ್ತು ಎರಡೂ ತರಬೇತಿ ಸೆಟ್ಗಳು (training sets) ಅದೇ ಅತಿ ಹೆಚ್ಚಿನ ಒಮ್ಮತವನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತವೆ.
ಭಿನ್ನಾಭಿಪ್ರಾಯ: ಹೊಸ ತಂತ್ರಜ್ಞಾನ ಮತ್ತು AI Agents
ನೀವು ಹೊಸ ಅಥವಾ ಹೆಚ್ಚು ವಿಭಜಿತ ಕ್ಷೇತ್ರಗಳಿಗೆ, ವಿಶೇಷವಾಗಿ AI tooling ಸುತ್ತ ಹೆಜ್ಜೆ ಇಟ್ಟ ತಕ್ಷಣ ಒಮ್ಮತವು ತಪ್ಪಿಹೋಗುತ್ತದೆ. agent frameworks ಮತ್ತು large language model orchestration ನಂತಹ ವರ್ಗಗಳಲ್ಲಿ, ಎರಡು ಮಾದರಿಗಳು ತೀವ್ರವಾಗಿ ಭಿನ್ನವಾಗಿವೆ.
ChatGPT ನಿರಂತರವಾಗಿ OpenAI ecosystem ಮತ್ತು LangChain ಗೆ ಸಂಬಂಧಿಸಿದ ಪರಿಕರಗಳನ್ನು ಶಿಫಾರಸು ಮಾಡಿತು. ಮತ್ತೊಂದೆಡೆ, Gemini, Anthropic ನ ಕೊಡುಗೆಗಳು ಮತ್ತು CrewAI ಅನ್ನು ಉತ್ತೇಜಿಸಿತು. ಈ ಆಯ್ಕೆಗಳಲ್ಲಿ ಯಾವುದೂ ಯಾದೃಚ್ಛಿಕವಲ್ಲ. ChatGPT, OpenAI ನ ಉತ್ಪನ್ನ ವಿಶ್ವದೊಳಗೆ ಇರುತ್ತದೆ ಮತ್ತು LangChain ಅದರ ಉದಯದಿಂದಲೂ OpenAI ಮಾದರಿಗಳಿಗಾಗಿ ಹೆಚ್ಚು ಚರ್ಚಿಸಲ್ಪಡುವ integration layersಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. Google ನಿಂದ ನಿರ್ಮಿಸಲಾದ Gemini ತನ್ನದೇ ಆದ ಪ್ರಭಾವವನ್ನು ಹೊಂದಿದೆ ಮತ್ತು ಅದರ ಶಿಫಾರಸುಗಳು Anthropic ನ tooling ಮತ್ತು multi-agent role definitions ಅನ್ನು ಒತ್ತಿಹೇಳುವ CrewAI ನಂತಹ ಹೊಸ ವಿಶೇಷized frameworks ಗೆ ಆದ್ಯತೆಯನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತವೆ.
ಈ ವಿಭಜನೆಯು ಒಂದು ನಿರ್ಣಾಯಕ ವಾಸ್ತವವನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ: ಉದಯೋನ್ಮುಖ ವರ್ಗಗಳಲ್ಲಿ ಇನ್ನೂ ಯಾವುದೇ ಏಕೈಕ ಮಾರುಕಟ್ಟೆ ನಾಯಕರಿಲ್ಲ. ವರ್ಷಗಳ ಕಾಲ ಸಂಗ್ರಹವಾದ ಸಮುದಾಯದ ಮೌಲ್ಯೀಕರಣವಿಲ್ಲದೆ, ಮಾದರಿಗಳು ತಮ್ಮ ತರಬೇತಿ ಡೇಟಾ (training data) ಯಾವುದನ್ನು ಹೆಚ್ಚು ಒತ್ತಿಹೇಳುತ್ತದೆಯೋ ಅದರ ಮೇಲೆ ಅವಲಂಬಿತವಾಗುತ್ತವೆ. ತಾಂತ್ರಿಕ ಶಿಫಾರಸಿನಂತೆ ಕಾಣುವ ವಿಷಯವು ಹೆಚ್ಚಾಗಿ ಇತ್ತೀಚಿನತೆ (recency), ದಾಖಲಾತಿ ಸಾಂದ್ರತೆ (documentation density) ಮತ್ತು ಸೂಕ್ಷ್ಮವಾದ ಕಾರ್ಪೊರೇಟ್ ಜೋಡಣೆಯ (corporate alignment) ಪ್ರತಿಬಿಂಬವಾಗಿರುತ್ತದೆ.
ಅತ್ಯುತ್ತಮ ಶಿಫಾರಸು ಮಾಡಲಾದ ಪರಿಕರಗಳ ನಡುವಿನ ಸಾಮ್ಯತೆಗಳು
ನಿರ್ದಿಷ್ಟ ಹೆಸರುಗಳ ಬಗ್ಗೆ ಭಿನ್ನಾಭಿಪ್ರಾಯಗಳಿದ್ದರೂ, ಎರಡೂ ಮಾದರಿಗಳು ಸಾಮಾನ್ಯ ರಚನೆಯನ್ನು ಹೊಂದಿರುವ ಪರಿಕರಗಳಿಗೆ ಆದ್ಯತೆ ನೀಡಿದವು. ಪ್ರಮುಖ ಶಿಫಾರಸುಗಳಲ್ಲಿ ಪದೇ ಪದೇ ಕಾಣಿಸಿಕೊಳ್ಳುವ ನಾಲ್ಕು ಲಕ್ಷಣಗಳನ್ನು ಪಾನ್ ಗಮನಿಸಿದರು.
ಮೊದಲನೆಯದಾಗಿ, ಸ್ಪಷ್ಟವಾದ ತಾಂತ್ರಿಕ ದಾಖಲಾತಿ (technical documentation). ಇದು ಮಾರ್ಕೆಟಿಂಗ್ ಕಾಪಿ ಅಥವಾ ಸ್ಪ್ಲ್ಯಾಶ್ ಪೇಜ್ಗಳಲ್ಲ, ಬದಲಾಗಿ ಒಂದು ವ್ಯವಸ್ಥೆಯು ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ, ಅದರ ಮಿತಿಗಳು ಏನೆಂದು ಮತ್ತು ಅದರ ಆಂತರಿಕ ರಚನೆ ಹೇಗಿದೆ ಎಂಬ ನೈಜ ವಿವರಣೆಗಳು. ಎರಡನೆಯದಾಗಿ, ಸಕ್ರಿಯ GitHub repositories. ಪ್ರಾಜೆಕ್ಟ್ನಲ್ಲಿ ಇತ್ತೀಚಿನ commits, ಪ್ರತಿಕ್ರಿಯಿಸುವ maintainers ಮತ್ತು ನಿರ್ವಹಿಸಲಾಗುತ್ತಿರುವ open issues ಇವೆಯೇ ಎಂಬುದನ್ನು ಮಾದರಿಗಳು ಗಮನಿಸಿದವು. ಮೂರನೆಯದಾಗಿ, ಉತ್ತಮ API references. ಸ್ವಚ್ಛವಾದ, ಸುಸಂಘಟಿತ endpoints ಮತ್ತು ಊಹಿಸಬಹುದಾದ request-response patterns ಹೊಂದಿರುವ ಪರಿಕರಗಳು ಹೆಚ್ಚಿನ ಅಂಕಗಳನ್ನು ಗಳಿಸಿದವು. ನಾಲ್ಕನೆಯದಾಗಿ, ಬಲವಾದ ಸಮುದಾಯಗಳು. Discord servers, Stack Overflow tags ಅಥವಾ ಉನ್ನತ ಗುಣಮಟ್ಟದ GitHub discussions ಮೂಲಕ ಇರಲಿ, ಎರಡೂ ಮಾದರಿಗಳು ಸಾಮಾಜಿಕ ಪುರಾವೆಯನ್ನು (social proof) ವಿಶ್ವಾಸಾರ್ಹತೆಯ ಸಂಕೇತವಾಗಿ ಪರಿಗಣಿಸಿದವು.
ಇವೆಲ್ಲದರ ಅಡಿಯಲ್ಲಿ ಒಂದು ಸರಳವಾದ ಮಾದರಿಯಿದೆ. ವಿವರಿಸಲು ಸುಲಭವಾದ ಪರಿಕರಗಳನ್ನು AI ಮಾದರಿಗಳು ಶಿಫಾರಸು ಮಾಡುತ್ತವೆ. ಒಂದು ಸಾಫ್ಟ್ವೇರ್ ಸ್ವಚ್ಛವಾದ ಪರಿಕಲ್ಪನಾ ಗಡಿಯನ್ನು ಹೊಂದಿದ್ದರೆ—"a task queue that speaks gRPC" ಅಥವಾ "a state manager using predictable reducer functions"—ಮಾದರಿಯು ಅದರ ಬಗ್ಗೆ ಆತ್ಮವಿಶ್ವಾಸದಿಂದ ತರ್ಕಿಸಬಹುದು. ಒಂದು ವೇಳೆ architecture ಗೊಂದಲಮಯವಾಗಿದ್ದರೆ ಅಥವಾ ಫೀಚರ್ ಸೆಟ್ಗಳು ಸರಿಯಾಗಿ ಲಿಂಕ್ ಮಾಡದ micrositesಗಳಲ್ಲಿ ಚದುರಿಹೋಗಿದ್ದರೆ, ಉಪಯುಕ್ತ ಪರಿಕರವೂ ಸಹ ಅದೃಶ್ಯವಾಗುತ್ತದೆ.
ಎರಡು ವಿಭಿನ್ನ ಮನಸ್ಸುಗಳು
ಈ ಭಿನ್ನಾಭಿಪ್ರಾಯವು ಬ್ರ್ಯಾಂಡ್ ನಿಷ್ಠೆಗಿಂತಲೂ ಆಳವಾಗಿದೆ. "ಅತ್ಯುತ್ತಮ" ಎಂದರೆ ಏನು ಎಂಬುದನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವಾಗ ChatGPT ಮತ್ತು Gemini ವಿಭಿನ್ನ ತರ್ಕವನ್ನು (logic) ಬಳಸುವಂತೆ ತೋರುತ್ತಿದೆ.
ChatGPT ಬಹುಮುಖಿ ಕಾರ್ಯಕ್ಷಮತೆಗೆ (versatility) ಒತ್ತು ನೀಡುತ್ತದೆ. ಇದು ವಿಶಾಲವಾದ ಕಾರ್ಯವಿಧಾನಗಳಿಗೆ (workflows) ಸುಲಭವಾಗಿ ಹೊಂದಿಕೊಳ್ಳುವ, ಅನೇಕ ಬಳಕೆಗಳಿಗಾಗಿ (use cases) ಸಮರ್ಪಕವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಮತ್ತು ಡೆವಲಪರ್ಗಳಿಗಾಗಿ context-switching ಅನ್ನು ಕಡಿಮೆ ಮಾಡುವ ಪರಿಕರಗಳನ್ನು (tools) ಆದ್ಯತೆ ನೀಡುತ್ತದೆ. ನೀವು ಯಾವುದಾದರೂ ಶಿಫಾರಸನ್ನು ಕೇಳಿದಾಗ, ಅದು ನಿಮ್ಮ ಪ್ರಶ್ನೆಯನ್ನು ಸ್ವಲ್ಪ ವಿಭಿನ್ನವಾಗಿ ಅರ್ಥೈಸಿಕೊಂಡು, ನೀವು ಉಲ್ಲೇಖಿಸದ ಸಂದರ್ಭಗಳನ್ನು (edge cases) ಒಳಗೊಳ್ಳುವಂತೆ ವ್ಯಾಪ್ತಿಯನ್ನು ವಿಸ್ತರಿಸುತ್ತದೆ. ಇದರ ಫಲಿತಾಂಶವು ಸಾಮಾನ್ಯವಾಗಿ ಸುರಕ್ಷಿತವಾದ ಮತ್ತು ಸಾಮಾನ್ಯವಾದ (generalist) ಆಯ್ಕೆಯಾಗಿರುತ್ತದೆ.
Gemini ಹೆಚ್ಚು ನೇರವಾದ (literal) ವಿಧಾನವನ್ನು ಅನುಸರಿಸುತ್ತದೆ. ಇದು ನಿಮ್ಮ ಪ್ರಾಂಪ್ಟ್ನ ಪದಬಳಕೆಗೆ ಹತ್ತಿರವಾಗಿ ಇರುತ್ತದೆ ಮತ್ತು ತಾಂತ್ರಿಕ ನಿಖರತೆಗೆ (technical specificity) ಮೌಲ್ಯ ನೀಡುತ್ತದೆ. ನೀವು ಕಾರ್ಯಕ್ಷಮತೆಯ (performance) ಬಗ್ಗೆ ಕೇಳಿದರೆ, ಅದು ಎಲ್ಲವನ್ನೂ ಮಾಡುವ ಪರಿಕರಗಳಿಗಿಂತ ಹೆಚ್ಚಾಗಿ, ಹೆಚ್ಚಿನ ವೇಗ (raw throughput) ಅಥವಾ ವಿಶೇಷವಾದ ಆರ್ಕಿಟೆಕ್ಚರ್ ಹೊಂದಿರುವ ಪರಿಕರಗಳನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಅದರ ಶಿಫಾರಸುಗಳು ಕಠಿಣವಾದ ರಚನಾತ್ಮಕ ವಿನ್ಯಾಸಗಳನ್ನು (structural designs) ಹೊಂದಿರುವ ಪರಿಕರಗಳತ್ತ ಇರುತ್ತವೆ, ಅವೆಗಳಿಗೆ ಹೆಚ್ಚಿನ ಸೆಟಪ್ ಅಗತ್ಯವಿದ್ದರೂ ಸಹ.
ಇದರರ್ಥ ChatGPT ನಿಮ್ಮ ಪ್ರಶ್ನೆಯ ಸ್ವಲ್ಪ ವಿಸ್ತೃತವಾದ ಆವೃತ್ತಿಗೆ ಉತ್ತರ ನೀಡುತ್ತದೆ, ಆದರೆ Gemini ನೀವು ಟೈಪ್ ಮಾಡಿದ ನಿಖರವಾದ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸುತ್ತದೆ. ಈ ಎರಡೂ ವಿಧಾನಗಳಲ್ಲಿ ಯಾವುದು ಸಾರ್ವತ್ರಿಕವಾಗಿ ಉತ್ತಮವೆಂದು ಹೇಳಲಾಗದು. ನೀವು ಪ್ರೊಟೊಟೈಪಿಂಗ್ (prototyping) ಮಾಡುತ್ತಿದ್ದರೆ ಮತ್ತು ವೇಗವಾಗಿ ಕೆಲಸ ಮಾಡಬೇಕಿದ್ದರೆ, ChatGPT ನ ಬಹುಮುಖಿ ಗುಣವು ಸಮಯವನ್ನು ಉಳಿಸುತ್ತದೆ. ನೀವು ಪ್ರೊಡಕ್ಷನ್ ಪೈಪ್ಲೈನ್ ಅನ್ನು ಆಪ್ಟಿಮೈಸ್ ಮಾಡುತ್ತಿದ್ದರೆ ಮತ್ತು ಪ್ರತಿ ಮಿಲಿಸೆಕೆಂಡ್ ಮುಖ್ಯವಾಗಿದ್ದರೆ, Gemini ನ ತಾಂತ್ರಿಕ ಸಾಮರ್ಥ್ಯದ ಮೇಲಿನ ನೇರ ಗಮನ ಹೆಚ್ಚು ಉಪಯುಕ್ತವಾಗಿರುತ್ತದೆ.
ನಿರ್ಮಾತೃಗಳು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬೇಕಾದ ವಿಷಯಗಳು
ಬಹುಶಃ ಅತ್ಯಂತ ಪ್ರಮುಖವಾದ ವಿಷಯವೆಂದರೆ ಯಾವ ಮಾಡೆಲ್ ಅನ್ನು ನಂಬಬೇಕು ಎಂಬುದಲ್ಲ, ಬದಲಾಗಿ ನೀವು ನಿಜವಾಗಿಯೂ ಡೆವಲಪರ್ ಪರಿಕರಗಳನ್ನು ನಿರ್ಮಿಸಿದರೆ ಇದರ ಅರ್ಥವೇನು ಎಂಬುದು. AI ಈಗ ಕೇವಲ ಸಾಫ್ಟ್ವೇರ್ ಡಾಕ್ಯುಮೆಂಟೇಶನ್ನ ಬಳಕೆದಾರನಲ್ಲ; ಅದು ಒಂದು ಮಧ್ಯವರ್ತಿ (intermediary). ಹೆಚ್ಚಾಗಿ, ಡೆವಲಪರ್ಗಳು ಸರ್ಚ್ ಇಂಜಿನ್ ಬಳಸುವ ಮೊದಲು, Hacker News ನೋಡುವ ಮೊದಲು ಅಥವಾ ಸಹೋದ್ಯೋಗಿಯನ್ನು ಕೇಳುವ ಮೊದಲು, ಒಂದು ಸಂಕ್ಷಿಪ್ತ ಪಟ್ಟಿಗಾಗಿ (shortlist) AI ಅನ್ನು ಕೇಳುತ್ತಿದ್ದಾರೆ.
ನಿಮ್ಮ ಪರಿಕರವು ಈ ಫಿಲ್ಟರ್ ಅನ್ನು ದಾಟಿ ಉಳಿಯಬೇಕೆಂದರೆ, ನೀವು ಮಷೀನ್ ಕಂಪ್ರಿಹೆನ್ಷನ್ (machine comprehension) ಅಥವಾ ಯಂತ್ರದ ಗ್ರಹಿಕೆಗೆ ಅನುಗುಣವಾಗಿ ಅದನ್ನು ಉತ್ತಮಗೊಳಿಸಬೇಕಾಗುತ್ತದೆ. ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳು (large language models) ಗೊಂದಲವಿಲ್ಲದೆ ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಂತಹ ಡಾಕ್ಯುಮೆಂಟೇಶನ್ ಅನ್ನು ಬರೆಯಿರಿ. ನಿಯಮಿತ ಚಟುವಟಿಕೆಯನ್ನು ತೋರಿಸುವ ಸಾರ್ವಜನಿಕ GitHub ರೆಪೊಸಿಟರಿಯನ್ನು ಹೊಂದಿರಿ. API ರೆಫರೆನ್ಸ್ಗಳು ರಚನಾತ್ಮಕವಾಗಿ ಮತ್ತು ಪೂರ್ಣವಾಗಿರಲಿ; ಅವು ಅಥೆಂಟಿಕೇಶನ್ ಗೋಡೆಗಳ ಹಿಂದೆ ಅಥವಾ PDF ಗಳ ಒಳಗೆ ಅಡಗಿರಬಾರದು. ನಿಮ್ಮ ಪ್ರಾಜೆಕ್ಟ್ ಅನ್ನು ಸ್ಪಷ್ಟವಾದ, ರಚನಾತ್ಮಕ ಭಾಷೆಯಲ್ಲಿ ವಿವರಿಸಿ. ಅದು ಏನು, ಏನು ಅಲ್ಲ ಮತ್ತು ಅದು ಹೇಗೆ ಒಂದು ಸ್ಟ್ಯಾಕ್ನಲ್ಲಿ (stack) ಹೊಂದಿಕೊಳ್ಳುತ್ತದೆ ಎಂಬುದನ್ನು ನಿಖರವಾಗಿ ವಿವರಿಸಿ.
ಇದು ಸಾಂಪ್ರದಾಯಿಕ ಅರ್ಥದಲ್ಲಿ ಸರ್ಚ್ ಇಂಜಿನ್ ಆಪ್ಟಿಮೈಸೇಶನ್ (SEO) ಅಲ್ಲ. ಇದು AI ಡಿಸ್ಕವರಬಿಲಿಟಿ (AI discoverability). ಪಾನ್ ಅವರ ಪ್ರಯೋಗವು ತೋರಿಸುವಂತೆ, ಮಾಡೆಲ್ಗಳು ತಮಗೆ ಸುಲಭವಾಗಿ ಅರ್ಥವಾಗುವ ಮತ್ತು ಆತ್ಮವಿಶ್ವಾಸದಿಂದ ಸಾರಾಂಶಗೊಳಿಸಬಹುದಾದ ವಿಷಯಗಳ ಆಧಾರದ ಮೇಲೆ ಅಭಿಪ್ರಾಯಗಳನ್ನು ರೂಪಿಸುತ್ತವೆ. ನಿಮ್ಮ ಪ್ರಾಜೆಕ್ಟ್ ಶಕ್ತಿಯುತವಾಗಿದ್ದರೂ ವಿವರಿಸಲು ಕಷ್ಟವಾಗಿದ್ದರೆ, ಈ ಮಾಡೆಲ್ಗಳು ಅದನ್ನು ಶಿಫಾರಸು ಮಾಡಲು ಹಿಂಜರಿಯುತ್ತವೆ, ವಿಶೇಷವಾಗಿ ಹೊಸ ಅಥವಾ ಉತ್ತಮವಾಗಿ ಡಾಕ್ಯುಮೆಂಟ್ ಮಾಡಲಾದ ಪರ್ಯಾಯಗಳು ಲಭ್ಯವಿದ್ದಾಗ.
ಅಂತಿಮ ಎಚ್ಚರಿಕೆ: AI ಶಿಫಾರಸುಗಳನ್ನು ಆರಂಭಿಕ ಬಿಂದುಗಳಾಗಿ ಪರಿಗಣಿಸಿ, ರ್ಯಾಂಕಿಂಗ್ಗಳಾಗಿ ಅಲ್ಲ. ಅವು ತರಬೇತಿ ಡೇಟಾ (training data), ಜ್ಞಾನದ ಮಿತಿಗಳು (knowledge cutoffs) ಮತ್ತು ಮಾಡೆಲ್-ನಿರ್ದಿಷ್ಟ ತಾರ್ಕಿಕ ವಿಚಿತ್ರತೆಗಳಿಂದ (reasoning quirks) ರೂಪಿತವಾದ ಅಭಿಪ್ರಾಯಗಳಾಗಿವೆ. ChatGPT, OpenAI ಪರಿಕರಗಳನ್ನು ಮತ್ತು Gemini, Anthropic ಅನ್ನು ಉತ್ತೇಜಿಸುತ್ತಿದ್ದರೆ, ನೀವು ಅಲ್ಲಿ ಒಂದು ಆದ್ಯತೆಯನ್ನು (preference) ನೋಡುತ್ತಿದ್ದೀರಿವೇ ಹೊರತು ಸಾಕ್ಷ್ಯವನ್ನಲ್ಲ.
ಮುಖ್ಯ ಅಂಶ: ನೀವು ಪರಿಕರಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡುತ್ತಿದ್ದರೆ, ಎರಡೂ ಮಾಡೆಲ್ಗಳನ್ನು ಕೇಳಿ ಮತ್ತು ಅವುಗಳ ಉತ್ತರಗಳ ಹಿಂದಿನ ತರ್ಕವನ್ನು ಹೋಲಿಸಿ. ಆದರೆ ನೀವು ಅವುಗಳನ್ನು ಬಿಡುಗಡೆ ಮಾಡುತ್ತಿದ್ದರೆ (shipping), AI ಅನ್ನು ಒಂದು ಬಳಕೆದಾರನಂತೆ (user persona) ಪರಿಗಣಿಸಿ ಬರೆಯಲು ಪ್ರಾರಂಭಿಸಿ. ತಮ್ಮ ಸಾಫ್ಟ್ವೇರ್ ಅನ್ನು ಯಂತ್ರಕ್ಕೆ ವಿವರಿಸಲು ಸುಲಭವಾಗುವಂತೆ ಮಾಡುವ ತಂಡಗಳು, ಡೆವಲಪರ್ಗಳು ಕೇಳಲು ಪ್ರಾರಂಭಿಸಿದಾಗ ಮುಂಚೂಣಿಯಲ್ಲಿರುತ್ತವೆ.
ಮೂಲ: Comparing How ChatGPT and Gemini Recommend Developer Tools Sarah Pan ಅವರಿಂದ
GyaanSetu ಕಲಿಕಾ ಸಮುದಾಯಕ್ಕೆ ಸೇರಿ: https://t.me/GyaanSetuAi