Tiga jam, enam pembangun, 30,000 hilang. Apabila gempa bumi menggegarkan utara Venezuela, seorang pengatur cara di Buenos Aires menggunakan Claude Opus untuk membina portal web orang hilang dalam masa tiga jam—tugas yang biasanya memakan masa sehari suntuk. Seorang lagi pembangun di California menggunakan Replit untuk melancarkan alat pemadanan bekalan dalam masa empat jam. Pembangunan pantas ini memberi jalan kepada keluarga untuk memuat naik foto dan membandingkan wajah dengan pangkalan data pusat, serta membantu NGO memadankan penderma dengan mangsa sementara saluran rasmi masih tergendala.

Mengapa usaha ini penting

Infrastruktur kecemasan Venezuela lumpuh: gangguan bekalan elektrik, jalan raya yang rosak dan rangkaian telefon yang sesak menyebabkan pihak berkuasa tidak dapat menyelaraskan pencarian yang bersepadu. Pada jam-jam awal, keluarga bergelut mencari sebarang saluran untuk melaporkan saudara-mara dan meminta bantuan. Aplikasi yang dibina oleh komuniti diaspora mengisi jurang tersebut, menyediakan perkhidmatan berfungsi yang ringan data sementara tindak balas kerajaan masih dalam proses pembentukan.

Bagaimana pembangun mencapainya

Pengatur cara di Buenos Aires memberikan arahan (prompt) ringkas kepada Claude Opus yang menerangkan laman web di mana pengguna boleh memuat naik foto, menandakan nama dan menjalankan carian persamaan terhadap senarai sedia ada. Claude menjana borang bahagian hadapan (front-end), saluran pemprosesan imej dan skema pangkalan data, kemudian mengembalikan satu bundle kod yang sedia untuk digunakan. Pembangun tersebut mengubah suai beberapa arahan, menjalankan kod pada instans awan, dan laman web tersebut mula beroperasi dalam masa kurang daripada tiga jam.

Merentasi Lautan Pasifik, pembangun di California membuka ruang kerja Replit, menaip penerangan ringkas tentang "papan pemuka pemadanan bekalan" yang akan menerima tawaran penderma dan memaparkan keperluan berdekatan, serta membiarkan AI membina rangka kerja (scaffold) API bahagian belakang (back-end), UI admin yang kecil dan aliran pengesahan yang ringkas. Empat jam kemudian, alat tersebut boleh dicapai melalui URL yang mesra peranti mudah alih.

Kedua-dua pasukan memastikan pengalaman pengguna adalah ringan. Mereka memilih antara muka sembang gaya WhatsApp kerana kebanyakan mangsa hanya boleh mengakses data 2G dan mempunyai jangka hayat bateri yang terhad. Tiada aplikasi asli (native app) yang berat dibina; sebaliknya, mereka bergantung kepada halaman HTML 5 yang dimuat turun dengan cepat dan berfungsi secara luar talian jika boleh.

Pengajaran praktikal

  • AI sebagai pengganda – Penjanaan kod berasaskan arahan menukarkan larian pecut sehari menjadi hanya beberapa jam.
  • Anggap model sebagai lapisan yang tidak stabil – API model bahasa boleh mengubah harga, had kadar atau hilang begitu sahaja. Membina logik teras semata-mata melalui arahan mengikat produk kepada sasaran yang sentiasa berubah.
  • Sandarkan pada skema yang tahan lama – Model data untuk orang hilang—foto, nama, lokasi terakhir diketahui, status—kekal berguna merentasi pelbagai krisis. Sebaik sahaja ditakrifkan, ia boleh digunakan semula tanpa perlu melatih semula AI.
  • Reka bentuk berasaskan kekangan – Jalur lebar rendah, bekalan elektrik yang terputus-putus dan ketiadaan akaun e-mel memaksa pasukan memilih antara muka berasaskan teks dan pengesahan nombor telefon yang ringkas. Kekangan tersebut menghasilkan perisian yang berfungsi di tempat yang mana penyelesaian yang lebih canggih akan gagal.

Risiko dan hujah balas

Peningkatan kelajuan ini datang dengan kompromi. Kod yang dijana AI boleh menyembunyikan pepijat (bugs), tetapan lalai yang tidak selamat atau pertanyaan (queries) yang tidak cekap yang hanya muncul di bawah bebanan tinggi. Bergantung kepada perkhidmatan AI pihak ketiga juga memperkenalkan ketidaktentuan kos; kenaikan harga secara tiba-tiba boleh menyebabkan alat yang percuma untuk dijalankan menjadi mahal dalam sekelip mata. Akhir sekali, ketiadaan ujian formal dalam ketergesaan sedemikian mungkin menyebabkan kes terpencil (edge cases) tidak ditangani, yang berisiko menyebabkan padanan palsu dalam pangkalan data orang hilang—satu kebimbangan etika yang serius.

Apa yang perlu diperhatikan seterusnya

  • Skema data bencana yang diseragamkan – Jika kumpulan kemanusiaan menggunakan format yang sama untuk orang, bekalan dan lokasi, alat bantuan AI boleh diintegrasikan dengan lebih mudah dan berkongsi data merentasi sempadan.
  • Hos model sumber terbuka – Titik akhir (endpoints) model bahasa yang dikendalikan komuniti boleh mengurangkan risiko penutupan API secara tiba-tiba atau lonjakan harga.
  • Perhatian kawal selia – Kerajaan mungkin mula meneliti perisian kecemasan yang dijana AI dari segi privasi data dan kebolehpercayaan, terutamanya apabila melibatkan foto peribadi dan data lokasi.
  • Platform komuniti – Rangkaian diaspora sudah mula membentuk saluran tindak balas pantas pada aplikasi mesej; menyepadukan alat AI secara langsung ke dalam ruang tersebut boleh menjimatkan masa dalam pelaksanaan masa hadapan.

Kesimpulan untuk pembangun

Jika anda perlu melancarkan aplikasi tindak balas krisis hari ini, mulakan dengan model AI pengguna untuk melakar UI, menjana kod rangka, dan melancarkan instans awan. Kemudian, kukuhkan bahagian yang penting: skema data yang jelas dan mudah alih, UI minimalis yang berfungsi pada peranti paling lemah yang anda jangkakan, dan pengesahan yang tidak bergantung pada e-mel. Anggap output AI sebagai draf, bukan produk akhir, dan bersedia untuk menggantikan lapisan model jika terma-termanya berubah. Dalam bencana, kepantasan menyelamatkan nyawa, tetapi kestabilan menyelamatkan mereka semula kemudian.

Sumber: dev.to/davekurian/diaspora-coders-assemble-earthquake-response-in-hours-with-ai-4c66