অ্যাপ্লিকেশন গাইড
প্রযুক্তিগত লেখকদের জন্য এআই
প্রযুক্তিগত লেখকদের জন্য এআই মানে স্পেসিফিকেশন এবং কোড থেকে ডকুমেন্টেশন ড্রাফ্ট করার জন্য ভাষার মডেল ব্যবহার করা, স্টাইল সামঞ্জস্যপূর্ণ রাখা এবং ডক্স-এ-কোড ওয়ার্কফ্লোকে সমর্থন করা, যখন লেখক নির্ভুলতা এবং কাঠামোর জন্য দায়ী থাকেন।
এই পৃষ্ঠায়4 মিনিট পড়া
ওভারভিউ
এটি গুরুত্বপূর্ণ কারণ ডকুমেন্টেশন প্রায়শই দ্রুত-চলমান পণ্যগুলির পিছনে পড়ে। এআই ড্রাফটিং এবং আপডেটের গতি বাড়াতে পারে, তবে এটি এমন প্যারামিটার বা আচরণও উদ্ভাবন করতে পারে যা বিশ্বাসযোগ্য বলে মনে হয়।
গভীর ডুব
প্রযুক্তিগত লেখা দীর্ঘ সময়ের জন্য আংশিকভাবে স্বয়ংক্রিয় হয়েছে। রেফারেন্স ডকুমেন্টেশন নিয়মিতভাবে সোয়াগার UI, Redoc এবং Sphinx autodoc-এর মতো টুল সহ কোড মন্তব্য বা API স্পেসিফিকেশন থেকে তৈরি করা হয়। জেনারেটিভ এআই যা যোগ করে তা হল গদ্য: ধারণাগত ব্যাখ্যা, টিউটোরিয়াল, উদাহরণ, রিলিজ নোট এবং পণ্যের প্রয়োজনীয় নথি বা ইঞ্জিনিয়ারিং নোট থেকে লেখা প্রথম খসড়া। অনেক দল ডক্স-এ-কোড মডেলে কাজ করে। ডকুমেন্টেশন গিট-এ মার্কডাউন বা পুনর্গঠিত পাঠ্য হিসাবে বাস করে, পরিবর্তনগুলি পুল অনুরোধের মধ্য দিয়ে যায় এবং ক্রমাগত একীকরণ সাইটটিকে একটি স্ট্যাটিক সাইট জেনারেটরের সাথে তৈরি করে যেমন Docusaurus, MkDocs বা Sphinx। এই সেটআপটি AI এর সাথে ভালভাবে মানানসই। খসড়াগুলি পর্যালোচনাযোগ্য পরিবর্তন হিসাবে আসে, প্রতিটি প্রতিশ্রুতিতে স্বয়ংক্রিয় চেক চালানো হয় এবং ডক আপডেটগুলি কোড পরিবর্তনের সাথে সংযুক্ত করা যেতে পারে যা তাদের ঘটায়। শৈলীর সামঞ্জস্যের জন্য, নির্ধারক সরঞ্জাম এবং এআই একে অপরের পরিপূরক। একটি লিন্টার যেমন Vale একটি স্টাইল গাইড থেকে নিয়ম প্রয়োগ করে, উদাহরণস্বরূপ Google এর ডেভেলপার ডকুমেন্টেশন স্টাইল গাইড বা Microsoft রাইটিং স্টাইল গাইড, এবং প্রতিবার একই ফলাফল দেয়। স্পষ্ট বাক্যাংশের পরামর্শ দেওয়ার ক্ষেত্রে AI ভাল, তবে এটি কম অনুমানযোগ্য। প্রধান ঝুঁকি হল আত্মবিশ্বাসী ভুল। একটি মডেল একটি এন্ডপয়েন্ট, একটি ডিফল্ট মান বা একটি কমান্ড-লাইন পতাকা উদ্ভাবন করতে পারে যা প্রশংসনীয় দেখায়। এটি এখন কীভাবে আচরণ করে তার পরিবর্তে একটি পণ্য তার প্রশিক্ষণ ডেটাতে কীভাবে আচরণ করেছে তা বর্ণনা করতে পারে। প্রতিটি উত্পন্ন কোড নমুনা এবং পরামিতি বাস্তব সিস্টেমের বিরুদ্ধে পরীক্ষা করা প্রয়োজন। একটি সাধারণ ভুল ধারণা হল যে AI প্রযুক্তিগত লেখকদের অপ্রয়োজনীয় করে তোলে। কাজের কঠিন অংশগুলি হল কী সত্য তা জানা, ব্যবহারকারীদের কী প্রয়োজন তা নির্ধারণ করা এবং তথ্য সংগঠিত করা যাতে তারা এটি খুঁজে পেতে পারে। ফ্রেমওয়ার্ক যেমন ডায়াট্যাক্সিস, যা টিউটোরিয়ালকে আলাদা করে, কীভাবে নির্দেশিকা, রেফারেন্স এবং ব্যাখ্যা, সেই কাঠামোগত কাজকে প্রতিফলিত করে। ভূমিকা তথ্য স্থাপত্য, যাচাইকরণ, বিষয়বস্তু কৌশল এবং এআই পাঠকদের জন্য লেখার দিকে স্থানান্তরিত হচ্ছে। 2024 সালের llms.txt প্রস্তাবটি, উদাহরণস্বরূপ, একটি ফাইলের পরামর্শ দেয় যা একটি সাইটের মূল ডকুমেন্টেশনে ভাষার মডেল নির্দেশ করে।
কৌশলগত প্রভাব
পছন্দগুলি তৈরি করুন
অ্যাপ্লিকেশন-স্তরের নকশা নির্ধারণ করে যে AI বাস্তব ফলাফলগুলিকে উন্নত করে কিনা।
টিম এবং ওয়ার্কফ্লো
ভাল ওয়ার্কফ্লো ইন্টিগ্রেশন ব্যবহারকারীদের বিশ্বাস করতে পারে এমন উত্পাদনশীলতা লাভ তৈরি করে।
ঝুঁকি এবং নিরাপত্তা
সুপরিসর ব্যবহারের ক্ষেত্রে পরিবর্তনের ক্লান্তি এবং বাস্তবায়নের ঝুঁকি হ্রাস করে।
প্রযুক্তিগত লেখকদের জন্য AI এর ভবিষ্যত
এআই ড্রাফটিং এবং মানুষের অনুমোদনের সাথে কোড পরিবর্তনের পাশাপাশি ডকুমেন্টেশন আরও ক্রমাগতভাবে তৈরি এবং আপডেট করা হতে পারে। আরও পাঠক ব্রাউজ করার পরিবর্তে এআই সহকারীর মাধ্যমে ডক্সে পৌঁছাবেন, যা সঠিক, সুগঠিত সামগ্রীর মান বাড়ায় যা টুকরো টুকরো পড়ার সময় কাজ করে। llms.txt-এর মতো কনভেনশনগুলি এখনও প্রস্তাব, এবং তাদের গ্রহণ করা অনিশ্চিত৷ বিশুদ্ধ খসড়ার চাহিদা কমতে পারে, যখন প্রযুক্তিগত নির্ভুলতা, ডিজাইন তথ্য আর্কিটেকচার এবং নিজস্ব ডকুমেন্টেশনের গুণমান পরীক্ষা করতে পারে এমন লোকেদের চাহিদা স্থির থাকতে পারে বা বৃদ্ধি পেতে পারে। চাকরির বাজার কীভাবে বিভক্ত হবে তা এখনও স্পষ্ট নয়।
বাস্তব-বিশ্ব বাস্তবায়ন
একজন লেখক AI-কে একটি OpenAPI স্পেসিফিকেশন এবং দলের পৃষ্ঠার টেমপ্লেট দেন এবং একটি ধারণাগত ওভারভিউ এবং শুরু করার জন্য একটি ওয়াকথ্রু চান। তারপরে তারা পরীক্ষার পরিবেশের বিরুদ্ধে প্রতিটি কোড নমুনা চালায়।
একটি ডক্স রিপোজিটরি ফ্ল্যাগ নিষিদ্ধ পদ এবং প্যাসিভ ভয়েসের জন্য ক্রমাগত একীকরণে ভ্যাল গদ্য লিন্টার চালায়। একজন এআই সহকারী পতাকাঙ্কিত বাক্যগুলির জন্য পুনরায় লেখার পরামর্শ দেয় এবং লেখক প্রতিটিকে গ্রহণ বা প্রত্যাখ্যান করেন।
যখন একজন প্রকৌশলীর পুল অনুরোধ একটি কনফিগারেশন পতাকার নাম পরিবর্তন করে, তখন একটি AI ধাপ একটি মিলিত ডকুমেন্টেশন পরিবর্তনের খসড়া তৈরি করে। একত্রিত হওয়ার আগে লেখক এটি পর্যালোচনা করেন।
একজন লেখক বর্ণনামূলক শিরোনাম সহ স্ব-অন্তর্ভুক্ত বিভাগে একটি দীর্ঘ সমস্যা সমাধানের পৃষ্ঠা পুনর্গঠন করেন। এটি মানব পাঠক এবং এআই সহকারীদের সাহায্য করে যারা ডক্স থেকে প্যাসেজগুলি টেনে আনে।
ঝুঁকি এবং প্রহরী
একটি ভাঙা প্রক্রিয়া স্বয়ংক্রিয়ভাবে বিদ্যমান সমস্যাগুলিকে প্রসারিত করতে পারে।
দলগুলি অতিরিক্ত-স্বয়ংক্রিয় হতে পারে এবং প্রয়োজনীয় মানবিক বিচার অপসারণ করতে পারে।
আউটপুট ক্রমাগত মূল্যায়ন না করা হলে গুণমান প্রবাহিত হতে পারে।
বাস্তবায়ন রোডম্যাপ
বর্তমান ওয়ার্কফ্লো ম্যাপ করুন এবং সর্বোচ্চ-ঘর্ষণ ধাপ সনাক্ত করুন।
সম্পূর্ণ অটোমেশনের আগে মানব চেকপয়েন্টগুলি সংজ্ঞায়িত করুন।
ব্যবহারকারীদের প্রম্পট, বৃদ্ধির পথ এবং মানের মান সম্পর্কে প্রশিক্ষণ দিন।
টেকসই মান নিশ্চিত করতে টাস্ক-লেভেল ফলাফল ট্র্যাক করুন।
অন্বেষণ চালিয়ে যান
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI for Technical Writers quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
প্রযুক্তিগত লেখকদের জন্য এআই কি?
প্রযুক্তিগত লেখকদের জন্য এআই মানে স্পেসিফিকেশন এবং কোড থেকে ডকুমেন্টেশন ড্রাফ্ট করার জন্য ভাষার মডেল ব্যবহার করা, স্টাইল সামঞ্জস্যপূর্ণ রাখা এবং ডক্স-এ-কোড ওয়ার্কফ্লোকে সমর্থন করা, যখন লেখক নির্ভুলতা এবং কাঠামোর জন্য দায়ী থাকেন। এটি গুরুত্বপূর্ণ কারণ ডকুমেন্টেশন প্রায়শই দ্রুত-চলমান পণ্যগুলির পিছনে পড়ে। AI খসড়া এবং আপডেটের গতি বাড়াতে পারে, তবে এটি এমন প্যারামিটার বা আচরণও উদ্ভাবন করতে পারে যা বিশ্বাসযোগ্য বলে মনে হয়।
একটি ডক্স-এ-কোড ওয়ার্কফ্লোতে ভ্যাল লিন্টার কী করে?
ভ্যাল হল একটি গদ্য লিন্টার যা শৈলীর নিয়মগুলিকে নির্ধারকভাবে প্রয়োগ করে। স্পষ্ট বাক্যাংশের জন্য AI পরামর্শ কম অনুমানযোগ্য।
কোনটি ডক্স-এ-কোডকে সর্বোত্তম বর্ণনা করে?
ডক্স-এ-কোডে, ডক্সগুলি মার্কডাউন বা অনুরূপ হিসাবে গিট-এ থাকে, পুল অনুরোধের মধ্য দিয়ে যায় এবং স্ট্যাটিক সাইট জেনারেটর সহ CI দ্বারা তৈরি করা হয়।
কোন চারটি বিষয়বস্তুর ধরন ডায়ট্যাক্সিস ফ্রেমওয়ার্ককে আলাদা করে?
ডায়াট্যাক্সিস ডকুমেন্টেশনকে টিউটোরিয়াল, কিভাবে করতে হয় নির্দেশিকা, রেফারেন্স এবং ব্যাখ্যায় আলাদা করে, প্রতিটি ব্যবহারকারীর জন্য আলাদা প্রয়োজন।
কেন এআই-উত্পন্ন কোড নমুনা পরীক্ষা হিসাবে চালানো উচিত?
আত্মবিশ্বাসী ভুলতা প্রধান ঝুঁকি. এক্সিকিউটেবল নমুনাগুলি একটি উদ্ভাবিত পরামিতি তৈরি করতে ব্যর্থ করে।
llms.txt প্রস্তাব কি?
2024 সালে প্রস্তাবিত, llms.txt হল একটি কনভেনশন যা ভাষা মডেলগুলিকে গুরুত্বপূর্ণ ডক্সে গাইড করার জন্য। এটি গ্রহণ করা এখনও অনিশ্চিত।
শিখতে থাকুন
সম্পর্কিত গাইড
এই বিষয়ের জন্য বাছাই করা আরও গাইড