AI = MỘT THỰC TẬP SINH Gợi ý cho một tác nhân AI và sau đó xem xét mã có thể chậm hơn so với việc tự mình lập trình. Nhưng khi nào? Chúng ta có những quy tắc đơn giản nào để biết khi nào nên sử dụng một tác nhân so với việc tự lập trình? Sử dụng một tác nhân khi đó là mã frontend (mà bạn có thể ngay lập tức kiểm tra tính chính xác), hoặc tương tác với một số API (nơi bạn biết phải làm gì nhưng không biết các câu lệnh cụ thể để thực hiện các cuộc gọi API), hoặc phân tích dữ liệu, hoặc một nguyên mẫu. Tự làm khi đó là một lĩnh vực bạn biết rất rõ, hoặc đó là mã backend có tính ngữ cảnh cao, hoặc bạn muốn lặp đi lặp lại nhiều trên kết quả. Trong những trường hợp này, việc viết gợi ý mất nhiều thời gian hơn so với việc viết và xem xét mã. Nói chung, nếu bạn hình dung ứng dụng của mình như những vòng tròn đồng tâm, các tác nhân AI tốt ở các lớp "nông" bên ngoài (như frontend, hoặc đồ thị/bảng biểu đọc từ cơ sở dữ liệu của bạn) nhưng nguy hiểm ở các khu vực "cốt lõi" nơi cần nhiều ngữ cảnh và tỷ lệ lỗi thấp là rất quan trọng. Dưới dạng gạch đầu dòng, AI tốt hơn cho: - frontend hơn backend - đọc hơn ghi - nông hơn cốt lõi - nguyên mẫu hơn sản xuất - bắt đầu so với duy trì - lĩnh vực chịu lỗi hơn lĩnh vực không chịu lỗi - đầu ra hình ảnh hơn tài chính - ngữ cảnh thấp hơn ngữ cảnh cao Vì vậy, AI là một thực tập sinh. Những tiêu chí này có thể được các tác nhân AI sử dụng để báo hiệu sự không chắc chắn lớn hơn khi giải quyết các vấn đề có ngữ cảnh cao. Giống như một thực tập sinh nói rằng họ sẽ cố gắng hết sức, nhưng họ có thể không có đủ ngữ cảnh.