এআই কোড দেখতে কেমন?

এআই কোড দেখতে কেমন?

সংক্ষিপ্ত উত্তর: AI-সহায়তাপ্রাপ্ত কোডটি প্রায়শই অস্বাভাবিকভাবে পরিপাটি এবং "পাঠ্যপুস্তক" হিসাবে পড়ে: সামঞ্জস্যপূর্ণ বিন্যাস, জেনেরিক নামকরণ, ভদ্র ত্রুটি বার্তা এবং স্পষ্টতই পুনঃপ্রতিষ্ঠা করে এমন মন্তব্য। যদি এতে বাস্তব-বিশ্বের দৃঢ়তা - ডোমেন ভাষা, বিশ্রী সীমাবদ্ধতা, প্রান্তিক কেস - অনুপস্থিত থাকে তবে এটি একটি সতর্কতা চিহ্ন। যখন আপনি এটিকে আপনার রেপো প্যাটার্নে নোঙ্গর করেন এবং উৎপাদন ঝুঁকির বিরুদ্ধে পরীক্ষা করেন, তখন এটি বিশ্বাসযোগ্য হয়ে ওঠে।

মূল বিষয়গুলি:

প্রসঙ্গ পরীক্ষা : যদি ডোমেন পদ, ডেটা আকার এবং সীমাবদ্ধতা প্রতিফলিত না হয়, তাহলে এটিকে ঝুঁকিপূর্ণ হিসাবে বিবেচনা করুন।

অতিরিক্ত পালিশ : অতিরিক্ত ডকস্ট্রিং, অভিন্ন গঠন এবং অমসৃণ নাম জেনেরিক প্রজন্মের ইঙ্গিত দিতে পারে।

ত্রুটি শৃঙ্খলা : বিস্তৃত ব্যতিক্রম ক্যাচ, গ্রাস করা ব্যর্থতা এবং অস্পষ্ট লগিংয়ের দিকে নজর রাখুন।

বিমূর্তকরণ ট্রিম : অনুমানমূলক সহায়ক এবং স্তরগুলি মুছুন যতক্ষণ না কেবলমাত্র ক্ষুদ্রতম সঠিক সংস্করণটি অবশিষ্ট থাকে।

বাস্তবতা পরীক্ষা : ইন্টিগ্রেশন এবং এজ-কেস পরীক্ষা যোগ করুন; তারা "পরিষ্কার বিশ্ব" অনুমানগুলি দ্রুত প্রকাশ করে।

এআই কোড দেখতে কেমন? ইনফোগ্রাফিক

AI-সহায়তাপ্রাপ্ত কোডিং এখন সর্বত্র ( স্ট্যাক ওভারফ্লো ডেভেলপার সার্ভে ২০২৫ ; গিটহাব অক্টোভার্স (২৮ অক্টোবর, ২০২৫) )। কখনও কখনও এটি দুর্দান্ত এবং আপনার একটি বিকেল বাঁচায়। অন্য সময় এটি... সন্দেহজনকভাবে পালিশ করা, কিছুটা জেনেরিক, অথবা এটি "কাজ করে" যতক্ষণ না কেউ এমন একটি বোতামে ক্লিক করে যা কেউ পরীক্ষা করেনি 🙃। এর ফলে লোকেরা কোড পর্যালোচনা, সাক্ষাৎকার এবং ব্যক্তিগত DM-এ এই প্রশ্নটি উত্থাপন করে:

এআই কোড দেখতে কেমন হয়

এর সরাসরি উত্তর হল: এটি দেখতে যেকোনো কিছুর মতো হতে পারে। কিন্তু কিছু প্যাটার্ন আছে - নরম সংকেত, আদালতের প্রমাণ নয়। এটাকে অনুমান করার মতো ভাবুন যে কেকটি বেকারি থেকে এসেছে নাকি কারো রান্নাঘর থেকে। ফ্রস্টিং খুব নিখুঁত হতে পারে, কিন্তু কিছু হোম বেকারও ভয়ঙ্করভাবে ভালো। একই রকম ভাব।.

সাধারণ AI ফিঙ্গারপ্রিন্টগুলি সনাক্ত করার জন্য, কেন এগুলি ঘটে তা বোঝার জন্য এবং - গুরুত্বপূর্ণভাবে - কীভাবে AI-জেনারেটেড কোডকে এমন কোডে রূপান্তর করবেন যা আপনি উৎপাদনে বিশ্বাস করবেন তার জন্য নীচে একটি ব্যবহারিক নির্দেশিকা দেওয়া হল ✅।.

🔗 AI কীভাবে প্রবণতার পূর্বাভাস দেয়?
বাস্তব ব্যবহারে প্যাটার্ন লার্নিং, সংকেত এবং পূর্বাভাস ব্যাখ্যা করে।.

🔗 AI কীভাবে অসঙ্গতি সনাক্ত করে?
বহিরাগত সনাক্তকরণ পদ্ধতি এবং সাধারণ ব্যবসায়িক প্রয়োগগুলি কভার করে।.

🔗 AI কত জল ব্যবহার করে?
ডেটা-সেন্টারের জল ব্যবহার এবং প্রশিক্ষণের প্রভাবগুলি বিশ্লেষণ করে।.

🔗 এআই পক্ষপাত কী?
পক্ষপাতের উৎস, ক্ষতি এবং এটি কমানোর ব্যবহারিক উপায়গুলি সংজ্ঞায়িত করে।.

১) প্রথমত, মানুষ যখন "এআই কোড" বলে তখন তার অর্থ কী 🤔

যখন বেশিরভাগ মানুষ "এআই কোড" বলে, তখন তারা সাধারণত নিম্নলিখিতগুলির মধ্যে একটি বোঝায়:

  • একটি প্রম্পট (বৈশিষ্ট্য, বাগ ফিক্স, রিফ্যাক্টর) থেকে একজন AI সহকারী দ্বারা তৈরি কোড

  • কোডটি autocomplete দ্বারা ব্যাপকভাবে সম্পূর্ণ করা হয়েছে , যেখানে ডেভেলপার ধাক্কা দিয়েছিলেন কিন্তু সম্পূর্ণরূপে লেখক হননি।

  • "পরিষ্কার", "কর্মক্ষমতা", অথবা "শৈলী" এর জন্য AI দ্বারা পুনরায় লেখা কোড

  • এমন কোড যা দেখে মনে হচ্ছে এটি কোনও AI থেকে এসেছে, যদিও তা নাও হতে পারে (এটি মানুষ স্বীকার করার চেয়ে বেশি ঘটে)।

আর এখানে একটা গুরুত্বপূর্ণ বিষয় হলো: AI-এর কোনও একক স্টাইল নেই । এর কিছু প্রবণতা । এই প্রবণতার অনেকগুলিই আসে ব্যাপকভাবে সঠিক, ব্যাপকভাবে পাঠযোগ্য এবং ব্যাপকভাবে নিরাপদ হওয়ার চেষ্টা থেকে... যা বিদ্রূপাত্মকভাবে আউটপুটকে কিছুটা একই রকম মনে করতে পারে।

২) এআই কোড দেখতে কেমন: দ্রুত দৃশ্যমানতা বলে দেয় 👀

শিরোনামটির স্পষ্ট উত্তর দেওয়া যাক: এআই কোড দেখতে কেমন হয়।

প্রায়শই এটি কোডের মতো দেখায় যা হল:

  • খুব "পাঠ্যপুস্তক পরিপাটি" - সামঞ্জস্যপূর্ণ ইন্ডেন্টেশন, সামঞ্জস্যপূর্ণ বিন্যাস, সামঞ্জস্যপূর্ণ সবকিছু।

  • নিরপেক্ষভাবে শব্দচয়ন - প্রচুর "সহায়ক" মন্তব্য যা খুব একটা সাহায্য করে না।

  • অতি-সাধারণীকরণ - দুটি বাস্তব দৃশ্যের পরিবর্তে দশটি কাল্পনিক দৃশ্য পরিচালনা করার জন্য তৈরি।

  • একটু বেশি কাঠামোগত - অতিরিক্ত সহায়ক ফাংশন, অতিরিক্ত স্তর, অতিরিক্ত বিমূর্ততা... যেমন তিনটি স্যুটকেস নিয়ে সপ্তাহান্তে ভ্রমণের জন্য প্যাক করা 🧳।

  • বাস্তব সিস্টেমগুলি যে অদ্ভুত এজ-কেস গ্লু জমা করে (বৈশিষ্ট্য পতাকা, উত্তরাধিকারসূত্রে অদ্ভুততা, অসুবিধাজনক সীমাবদ্ধতা) তা মিস করছি মার্টিন ফাউলার: ফিচার টগলস )।

কিন্তু - এবং আমি বারবার এটা বলব কারণ এটা গুরুত্বপূর্ণ - মানব ডেভেলপাররাও এভাবে লিখতে পারে। কিছু দল এটা প্রয়োগ করে। কিছু মানুষ খুব অদ্ভুত। আমি ভালোবাসার সাথে বলছি 😅।.

তাই "এআই খুঁজে বের করার" পরিবর্তে, জিজ্ঞাসা করা ভালো: এই কোডটি কি বাস্তব প্রসঙ্গে লেখার মতো আচরণ করে? প্রসঙ্গ হল সেই জায়গা যেখানে এআই প্রায়শই পিছলে যায়।

৩) "অদ্ভুত উপত্যকা" চিহ্নগুলি - যখন এটি খুব সুন্দর হয় 😬

এআই-জেনারেটেড কোডে প্রায়ই একটি নির্দিষ্ট "গ্লস" থাকে। সবসময় নয়, তবে প্রায়শই।.

সাধারণ "খুব পরিষ্কার" সংকেত

  • প্রতিটি ফাংশনের একটি ডকস্ট্রিং থাকে, এমনকি যখন এটি স্পষ্ট হয়।

  • সকল ভেরিয়েবলের ভদ্র নাম থাকে যেমন result , data , items , payload , responseData ।

  • ধারাবাহিক ত্রুটির বার্তা যা ম্যানুয়ালটির মতো শোনাচ্ছে: "অনুরোধ প্রক্রিয়া করার সময় একটি ত্রুটি ঘটেছে।"

  • সম্পর্কহীন মডিউল জুড়ে অভিন্ন প্যাটার্ন , যেন সবকিছু একই যত্নশীল গ্রন্থাগারিক দ্বারা লেখা হয়েছিল।

সূক্ষ্ম উপহার

এআই কোডটি এমন মনে হতে পারে যেন এটি কোনও পণ্যের জন্য নয়, একটি টিউটোরিয়ালের জন্য তৈরি করা হয়েছে। এটি অনেকটা ... বেড়া রঙ করার জন্য একটি স্যুট পরা। পোশাকের জন্য খুব উপযুক্ত, কিছুটা ভুল কার্যকলাপ।.

৪) এআই কোডের একটি ভালো সংস্করণ কী? ✅

চলো এটা উল্টে দেই। কারণ লক্ষ্য "এআই ধরা" নয়, বরং "জাহাজের মান"।

এআই-সহায়তাপ্রাপ্ত কোডের একটি ভালো সংস্করণ

অন্য কথায়, দারুন এআই কোড দেখে মনে হচ্ছে... আপনার টিম এটি লিখেছে। অথবা অন্তত, আপনার টিম এটি সঠিকভাবে গ্রহণ করেছে। একটি উদ্ধারকারী কুকুরের মতো যে এখন জানে সোফাটি কোথায় 🐶।.

৫) প্যাটার্ন লাইব্রেরি: ক্লাসিক এআই ফিঙ্গারপ্রিন্ট (এবং কেন এগুলো ঘটে) 🧩

এখানে AI-সহায়তাপ্রাপ্ত কোডবেসে আমি বারবার দেখেছি এমন কিছু প্যাটার্ন রয়েছে - যার মধ্যে আমি ব্যক্তিগতভাবে পরিষ্কার করেছি এমন কিছুও রয়েছে। এর মধ্যে কিছু ঠিক আছে। কিছু বিপজ্জনক। বেশিরভাগই কেবল... সংকেত।.

ক) সর্বত্র অতিরিক্ত প্রতিরক্ষামূলক নাল চেকিং

আপনি এর স্তরগুলি দেখতে পাবেন:

  • যদি x কোনটি না হয়: ফিরে আসুন ...

  • চেষ্টা/ব্যতীত ব্যতিক্রম

  • একাধিক ফলব্যাক ডিফল্ট

কেন: AI রানটাইম ত্রুটিগুলি ব্যাপকভাবে এড়াতে চেষ্টা করে।
ঝুঁকি: এটি প্রকৃত ব্যর্থতাগুলিকে আড়াল করতে পারে এবং ডিবাগিংকে গুরুতর করে তুলতে পারে।

খ) জেনেরিক সহায়ক ফাংশন যা তাদের অস্তিত্ব অর্জন করে না

পছন্দ:

  • প্রক্রিয়া_তথ্য()

  • হ্যান্ডেল_রিকোয়েস্ট()

  • যাচাই_ইনপুট()

কেন: বিমূর্তকরণ "পেশাদার" বলে মনে হয়।
ঝুঁকি: আপনার এমন ফাংশন থাকবে যা সবকিছু করবে এবং কিছুই ব্যাখ্যা করবে না।

গ) কোডটি পুনঃপ্রতিষ্ঠিত করে এমন মন্তব্য

উদাহরণ শক্তি:

  • "১ দ্বারা i বৃদ্ধি"

  • "প্রতিক্রিয়াটি ফিরিয়ে দিন"

কেন: AI কে ব্যাখ্যামূলক হতে প্রশিক্ষণ দেওয়া হয়েছিল।
ঝুঁকি: মন্তব্যগুলি দ্রুত পচে যায় এবং গোলমাল তৈরি করে।

ঘ) বিস্তারিত বিবরণের অসঙ্গতিপূর্ণ গভীরতা

একটি অংশ অতি বিস্তারিত, অন্য অংশ রহস্যজনকভাবে অস্পষ্ট।.

কেন: তাৎক্ষণিক ফোকাস ড্রিফট... অথবা আংশিক প্রেক্ষাপট।
ঝুঁকি: দুর্বল স্থানগুলি অস্পষ্ট অঞ্চলে লুকিয়ে থাকে।

ঙ) সন্দেহজনকভাবে প্রতিসম গঠন

সবকিছু একই ধারা অনুসরণ করে, এমনকি যখন ব্যবসায়িক যুক্তি তা করা উচিত নয়।.

কেন: AI প্রমাণিত আকারগুলি পুনরাবৃত্তি করতে পছন্দ করে।
ঝুঁকি: প্রয়োজনীয়তাগুলি প্রতিসম নয় - এগুলি স্তূপীকৃত, খারাপভাবে প্যাক করা মুদিখানার মতো 🍅📦।

৬) তুলনা সারণী - এআই কোড কেমন দেখায় তা মূল্যায়ন করার উপায় 🧪

নিচে একটি ব্যবহারিক টুলকিট তুলনা দেওয়া হল। "এআই ডিটেক্টর" নয়, বরং কোড রিয়েলিটি চেকের । কারণ সন্দেহজনক কোড শনাক্ত করার সর্বোত্তম উপায় হল এটি পরীক্ষা করা, পর্যালোচনা করা এবং চাপের মধ্যে এটি পর্যবেক্ষণ করা।

হাতিয়ার / পদ্ধতি (দর্শকদের) জন্য সেরা দাম কেন এটি কাজ করে (এবং একটি ছোট্ট অদ্ভুততা)
কোড পর্যালোচনা চেকলিস্ট 📝 দল, লিড, সিনিয়ররা বিনামূল্যে "কেন" প্রশ্ন করতে বাধ্য করে; জেনেরিক প্যাটার্ন ধরে ফেলে... কখনও কখনও অপ্রস্তুত মনে হয় ( গুগল ইঞ্জিনিয়ারিং অনুশীলন: কোড পর্যালোচনা )
ইউনিট + ইন্টিগ্রেশন পরীক্ষা ✅ সকলের জন্য শিপিং বৈশিষ্ট্য মুক্তমনা মিসিং এজ কেস প্রকাশ করে; এআই কোডে প্রায়শই ইন-প্রোডাকশন ফিক্সচারের অভাব থাকে ( গুগলের সফটওয়্যার ইঞ্জিনিয়ারিং: ইউনিট টেস্টিং ; দ্য প্র্যাকটিক্যাল টেস্ট পিরামিড )
স্ট্যাটিক বিশ্লেষণ / লিন্টিং 🔍 মানসম্পন্ন দল বিনামূল্যে / প্রদত্ত অসঙ্গতি ফ্ল্যাগ করে; যদিও "ভুল ধারণা" বাগ ধরা পড়ে না ( ESLint Docs ; GitHub CodeQL কোড স্ক্যানিং )
টাইপ চেকিং (যেখানে প্রযোজ্য) 🧷 বৃহত্তর কোডবেস বিনামূল্যে / প্রদত্ত অস্পষ্ট ডেটা আকার প্রকাশ করে; বিরক্তিকর হতে পারে কিন্তু মূল্যবান ( টাইপস্ক্রিপ্ট: স্ট্যাটিক টাইপ চেকিং ; মাইপি ডকুমেন্টেশন )
হুমকি মডেলিং / অপব্যবহারের মামলা 🛡️ নিরাপত্তা-মনস্ক দলগুলি বিনামূল্যে AI প্রতিকূল ব্যবহার উপেক্ষা করতে পারে; এটি এটিকে আলোতে বাধ্য করে ( OWASP থ্রেট মডেলিং চিট শিট )
পারফরম্যান্স প্রোফাইলিং ⏱️ ব্যাকএন্ড, ডেটা-ভারী কাজ বিনামূল্যে / প্রদত্ত এআই অতিরিক্ত লুপ, রূপান্তর, বরাদ্দ যোগ করতে পারে - প্রোফাইলিং মিথ্যা বলে না ( পাইথন ডক্স: পাইথন প্রোফাইলার্স )
ডোমেন-কেন্দ্রিক পরীক্ষার ডেটা 🧾 পণ্য + প্রকৌশল বিনামূল্যে দ্রুততম "গন্ধ পরীক্ষা"; জাল তথ্য জাল আত্মবিশ্বাস তৈরি করে ( পাইটেস্ট ফিক্সচার ডক্স )
জোড়া পর্যালোচনা / ওয়াকথ্রু 👥 পরামর্শদান + সমালোচনামূলক জনসংযোগ বিনামূল্যে লেখককে বিকল্পগুলি ব্যাখ্যা করতে বলুন; AI-ish কোডে প্রায়শই কোনও গল্প থাকে না ( গুগলের সফটওয়্যার ইঞ্জিনিয়ারিং: কোড পর্যালোচনা )

হ্যাঁ, "মূল্য" কলামটি একটু বোকামিপূর্ণ - কারণ ব্যয়বহুল অংশটি সাধারণত মনোযোগ, সরঞ্জাম নয়। মনোযোগের জন্য খরচ হয়... সবকিছু 😵💫।.

৭) এআই-সহায়তা কোডে কাঠামোগত সূত্র 🧱

যদি আপনি AI কোড কেমন দেখতে হয় তার আরও গভীর উত্তর চান, তাহলে জুম আউট করুন এবং কাঠামোটি দেখুন।.

১) এমন নামকরণ যা প্রযুক্তিগতভাবে সঠিক কিন্তু সাংস্কৃতিকভাবে ভুল

অনেক প্রকল্পে AI এমন নাম বেছে নেয় যা "নিরাপদ"। কিন্তু দলগুলি তাদের নিজস্ব ভাষা তৈরি করে:

  • তুমি এটাকে AccountId , AI এটাকে userId ।

  • লেজারএন্ট্রি বলো , এআই এটাকে লেনদেন ।

  • FeatureGate বলো , এটাকে configFlag ।

এর কোনটিই "খারাপ" নয়, তবে এটি ইঙ্গিত দেয় যে লেখক আপনার ডোমেনের ভিতরে বেশি দিন থাকেননি।.

২) পুনঃব্যবহার ছাড়াই পুনরাবৃত্তি, অথবা কারণ ছাড়াই পুনঃব্যবহার

মাঝে মাঝে AI:

  • একাধিক স্থানে একই যুক্তি পুনরাবৃত্তি করে কারণ এটি একবারে পুরো রেপো প্রসঙ্গ "মনে রাখে না", অথবা

  • তিনটি লাইন বাঁচাতে কিন্তু তিন ঘন্টা পরে খরচ হয় এমন বিমূর্তকরণের মাধ্যমে পুনঃব্যবহারের জন্য জোর করে।.

এটাই হলো লেনদেন: এখন কম টাইপিং, পরে বেশি চিন্তাভাবনা। আর আমি সবসময় নিশ্চিত নই যে এটা একটা ভালো লেনদেন, আমার ধারণা... সপ্তাহের উপর নির্ভর করে 😮💨।.

৩) "নিখুঁত" মডুলারিটি যা বাস্তব সীমানা উপেক্ষা করে

আপনি কোডটি সুন্দর মডিউলে বিভক্ত দেখতে পাবেন:

  • যাচাইকারী/

  • পরিষেবা/

  • হ্যান্ডলার/

  • ইউটিলিটি/

কিন্তু সীমানাগুলি আপনার সিস্টেমের সিমের সাথে নাও মিলতে পারে। একজন মানুষ স্থাপত্যের জটিল দিকগুলিকে প্রতিফলিত করতে থাকে। AI একটি পরিপাটি চিত্র প্রতিফলিত করতে থাকে।.

৮) ত্রুটি পরিচালনা - যেখানে এআই কোড... পিচ্ছিল হয়ে যায় 🧼

ত্রুটি পরিচালনা সবচেয়ে বড় বিষয়গুলির মধ্যে একটি, কারণ এর জন্য কেবল সঠিকতা নয়, বিচার-বিবেচনা

দেখার জন্য প্যাটার্ন

দেখতে কেমন সুন্দর লাগছে।

একটি অত্যন্ত মানবিক বৈশিষ্ট্য হল একটি ত্রুটি বার্তা লেখা যা কিছুটা বিরক্তিকর। সবসময় না, তবে আপনি যখন এটি দেখেন তখন আপনি তা বুঝতে পারেন। AI ত্রুটি বার্তাগুলি প্রায়শই ধ্যান অ্যাপের মতো শান্ত থাকে।.

৯) এজ কেস এবং পণ্যের বাস্তবতা - "অনুপস্থিত গ্রিট" 🧠🪤

বাস্তব সিস্টেমগুলি অগোছালো। AI আউটপুটগুলিতে প্রায়শই সেই টেক্সচারের অভাব থাকে।.

দলগুলির "গ্রিট" এর উদাহরণ:

  • ফিচার ফ্ল্যাগ এবং আংশিক রোলআউট ( মার্টিন ফাউলার: ফিচার টগলস )

  • ব্যাকওয়ার্ড সামঞ্জস্য হ্যাকস

  • অদ্ভুত তৃতীয় পক্ষের টাইমআউট

  • আপনার স্কিমা লঙ্ঘন করে এমন লিগ্যাসি ডেটা

  • অসঙ্গত কেসিং, এনকোডিং, অথবা লোকেল সমস্যা

  • ব্যবসায়িক নিয়ম যা স্বেচ্ছাচারী বলে মনে হয়

আপনি যদি বলেন, AI এজ কেসগুলি পরিচালনা করতে পারে, কিন্তু যদি আপনি স্পষ্টভাবে সেগুলি অন্তর্ভুক্ত না করেন, তবে এটি প্রায়শই একটি "পরিষ্কার বিশ্ব" সমাধান তৈরি করে। পরিচ্ছন্ন পৃথিবীগুলি সুন্দর। পরিচ্ছন্ন পৃথিবীগুলিরও অস্তিত্ব নেই।.

একটু চাপা স্বরে বলা রূপকটি আসছে: এআই কোডটি একেবারে নতুন স্পঞ্জের মতো - এটি এখনও রান্নাঘরের বিপর্যয় শোষণ করতে পারেনি। আমি বলেছি 🧽। আমার সেরা কাজ নয়, তবে এটি সত্য।.

১০) কীভাবে AI-সহায়তাপ্রাপ্ত কোডকে মানবিক মনে করা যায় - এবং আরও গুরুত্বপূর্ণ, নির্ভরযোগ্য হওয়া 🛠️✨

যদি আপনি কোড খসড়া করার জন্য AI ব্যবহার করেন (এবং অনেকেই করেন), তাহলে কয়েকটি অভ্যাসের মাধ্যমে আপনি আউটপুট নাটকীয়ভাবে উন্নত করতে পারেন।.

ক) আপনার সীমাবদ্ধতাগুলি আগে থেকেই ইনজেক্ট করুন

"একটি ফাংশন লিখুন যা..." এর পরিবর্তে, চেষ্টা করুন:

  • প্রত্যাশিত ইনপুট/আউটপুট

  • কর্মক্ষমতা চাহিদা

  • ত্রুটি নীতি (উত্থাপন, ফলাফলের ধরণ ফেরত দিন, লগ + ব্যর্থ?)

  • নামকরণের রীতিনীতি

  • আপনার রেপোতে বিদ্যমান প্যাটার্নগুলি

খ) শুধু সমাধান নয়, বিনিময়ের জন্য জিজ্ঞাসা করুন

এর সাথে প্রম্পট করুন:

  • "দুটি পন্থা বলুন এবং বিনিময় ব্যাখ্যা করুন।"

  • "তুমি এখানে কী করা এড়িয়ে চলবে এবং কেন?"

  • "এতে উৎপাদন কোথায় ভেঙে পড়বে?"

ঝুঁকির মধ্যে চিন্তা করতে বাধ্য করলে AI আরও ভালো।.

গ) কোড মুছে ফেলুন

সিরিয়াসলি। জিজ্ঞাসা করুন:

  • "যেকোন অপ্রয়োজনীয় বিমূর্ততা সরান।"

  • "এটিকে সবচেয়ে ছোট সঠিক সংস্করণে কেটে দিন।"

  • "কোন অংশগুলি অনুমানমূলক?"

AI যোগ করার প্রবণতা রাখে। মহান প্রকৌশলীরা বিয়োগ করার প্রবণতা রাখেন।.

ঘ) বাস্তবতা প্রতিফলিত করে এমন পরীক্ষা যোগ করুন

শুধু নয়:

  • "প্রত্যাশিত আউটপুট প্রদান করে"

কিন্তু:

যদি আর কিছু না করো, তাহলে এটা করো। পরীক্ষা হলো মিথ্যা শনাক্তকারী, এবং কোড কে লিখেছে তা তাদের পরোয়া করে না 😌।.

১১) সমাপনী নোট + দ্রুত সংক্ষিপ্তসার 🎯

তাহলে, এআই কোড দেখতে কেমন হয় : এটি প্রায়শই পরিষ্কার, সাধারণ, কিছুটা অতিরিক্ত ব্যাখ্যা করা এবং খুশি করার জন্য একটু বেশি আগ্রহী। ফর্ম্যাটিং বা মন্তব্য করা বড় "বলা" নয় - এতে প্রেক্ষাপটের অভাব রয়েছে: ডোমেন নামকরণ, বিশ্রী প্রান্তের কেস এবং স্থাপত্য-নির্দিষ্ট পছন্দ যা একটি সিস্টেমের সাথে বসবাসের ফলে আসে।

দ্রুত সংক্ষিপ্তসার

  • এআই কোড কেবল একটি স্টাইল নয়, তবে এটি প্রায়শই পরিপাটি, শব্দচয়ন এবং অতি-সাধারণ প্রবণতা দেখায়।.

  • কোডটি আপনার প্রকৃত সীমাবদ্ধতা এবং পণ্যের দৃঢ়তা প্রতিফলিত করে কিনা তা হল সর্বোত্তম সংকেত।.

  • সনাক্তকরণের উপর আচ্ছন্ন হবেন না - গুণমান: পরীক্ষা, পর্যালোচনা, স্পষ্টতা এবং উদ্দেশ্য ( গুগল ইঞ্জিনিয়ারিং অনুশীলন: কোড পর্যালোচনা ; গুগলে সফটওয়্যার ইঞ্জিনিয়ারিং: ইউনিট টেস্টিং ) নিয়ে আচ্ছন্ন থাকুন।

  • প্রথম খসড়া হিসেবে AI ঠিক আছে। শেষ খসড়া হিসেবে ঠিক নেই। এটাই পুরো খেলা।.

আর যদি কেউ তোমাকে AI ব্যবহারের জন্য লজ্জা দেওয়ার চেষ্টা করে, তাহলে সত্যি বলতে... আওয়াজ উপেক্ষা করো। শুধু সলিড কোড পাঠাও। সলিড কোডই একমাত্র ফ্লেক্স যা টিকে থাকে 💪🙂।.

প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী

কোডটি AI দ্বারা লেখা কিনা তা আপনি কীভাবে বলতে পারেন?

AI-সহায়তাপ্রাপ্ত কোড প্রায়শই খুব বেশি পরিপাটি দেখায়, প্রায় "পাঠ্যপুস্তক": সামঞ্জস্যপূর্ণ বিন্যাস, অভিন্ন কাঠামো, জেনেরিক নামকরণ (যেমন ডেটা , আইটেম , ফলাফল ), এবং সমান, পালিশ করা ত্রুটি বার্তা। এটি এমন কিছু ডকস্ট্রিং বা মন্তব্যের সাথেও আসতে পারে যা কেবল সুস্পষ্ট যুক্তি পুনর্ব্যক্ত করে। বড় সংকেত স্টাইল নয় - এটি ইন-দ্য-ওয়াইল্ড গ্রিটের অনুপস্থিতি: ডোমেন ভাষা, রেপো কনভেনশন, বিশ্রী সীমাবদ্ধতা এবং প্রান্ত-কেস আঠা যা সিস্টেমকে ধরে রাখে।

এআই-জেনারেটেড এরর হ্যান্ডলিং-এর ক্ষেত্রে সবচেয়ে বড় সমস্যাগুলি কী কী?

বিস্তৃত ব্যতিক্রম ক্যাচ ( Exception ছাড়া ), সোয়ালোডেড ব্যর্থতা যা চুপচাপ ডিফল্টগুলি ফিরিয়ে দেয় এবং "একটি ত্রুটি ঘটেছে" এর মতো অস্পষ্ট লগিং সম্পর্কে সতর্ক থাকুন। এই প্যাটার্নগুলি আসল বাগগুলি লুকিয়ে রাখতে পারে এবং ডিবাগিংকে দুর্বিষহ করে তুলতে পারে। শক্তিশালী ত্রুটি পরিচালনা নির্দিষ্ট, কার্যকর এবং লগে সংবেদনশীল ডেটা ডাম্প না করে যথেষ্ট প্রসঙ্গ (আইডি, ইনপুট, অবস্থা) বহন করে। অতিরিক্ত-প্রতিরক্ষামূলক যতটা ঝুঁকিপূর্ণ হতে পারে ততটাই আন্ডার-প্রতিরক্ষামূলক।

কেন এআই কোড প্রায়শই অতিরিক্ত প্রকৌশলী বা অতিরিক্ত বিমূর্ত মনে হয়?

একটি সাধারণ AI প্রবণতা হল "পেশাদার দেখা", হেল্পার ফাংশন, লেয়ার এবং ডিরেক্টরি যোগ করে যা কাল্পনিক ভবিষ্যৎ পূর্বাভাস দেয়। আপনি process_data() বা handle_request() এবং আপনার সিস্টেমের সিমের চেয়ে ডায়াগ্রামের সাথে মানানসই সুন্দর মডিউল সীমানা দেখতে পাবেন। একটি ব্যবহারিক সমাধান হল বিয়োগ: অনুমানমূলক স্তরগুলি ছাঁটাই করুন যতক্ষণ না আপনার কাছে সবচেয়ে ছোট সঠিক সংস্করণ থাকে যা আপনার প্রয়োজনীয়তার সাথে মেলে, পরে আপনি যেগুলি উত্তরাধিকারসূত্রে পেতে পারেন সেগুলি নয়।

একটি বাস্তব রেপোতে ভালো AI-সহায়তাপ্রাপ্ত কোড কেমন দেখায়?

সেরা AI-সহায়তাপ্রাপ্ত কোডটি এমনভাবে পড়ে যেন আপনার দল এটি দাবি করেছে: এটি আপনার ডোমেন পদ ব্যবহার করে, আপনার ডেটা আকারের সাথে মেলে, আপনার সংগ্রহস্থলের ধরণ অনুসরণ করে এবং আপনার স্থাপত্যের সাথে সামঞ্জস্যপূর্ণ। এটি অর্থপূর্ণ পরীক্ষা এবং ইচ্ছাকৃত পর্যালোচনার মাধ্যমে - সুখী পথের বাইরে - আপনার ঝুঁকিগুলিকেও প্রতিফলিত করে। লক্ষ্য "AI লুকানো" নয়, এটি হল প্রেক্ষাপটে খসড়াটিকে অ্যাঙ্কর করা যাতে এটি প্রোডাকশন কোডের মতো আচরণ করে।.

কোন পরীক্ষাগুলি "পরিষ্কার বিশ্ব" অনুমানগুলি দ্রুততম সময়ে প্রকাশ করে?

ইন্টিগ্রেশন টেস্ট এবং এজ-কেস টেস্টগুলি সমস্যাগুলি দ্রুত প্রকাশ করে কারণ AI আউটপুট প্রায়শই আদর্শ ইনপুট এবং পূর্বাভাসযোগ্য নির্ভরতা ধরে নেয়। ডোমেন-কেন্দ্রিক ফিক্সচার ব্যবহার করুন এবং যেখানে গুরুত্বপূর্ণ সেখানে অদ্ভুত ইনপুট, অনুপস্থিত ক্ষেত্র, আংশিক ব্যর্থতা, টাইমআউট এবং কনকারেন্সি অন্তর্ভুক্ত করুন। যদি কোডটিতে কেবল হ্যাপি-পাথ ইউনিট পরীক্ষা থাকে, তবে কেউ যখন প্রোডাকশনে একটি অপরীক্ষিত বোতামটি চাপে তখন এটি সঠিক দেখাতে পারে তবে ব্যর্থ হতে পারে।.

কৃত্রিম বুদ্ধিমত্তার মাধ্যমে লেখা নামগুলো "প্রযুক্তিগতভাবে সঠিক কিন্তু সাংস্কৃতিকভাবে ভুল" বলে কেন মনে হয়?

AI প্রায়শই নিরাপদ, জেনেরিক নাম বেছে নেয় যা অনেক প্রকল্পে কাজ করে, কিন্তু সময়ের সাথে সাথে দলগুলি একটি নির্দিষ্ট উপভাষা তৈরি করে। এভাবেই আপনি userId বনাম AccountId , অথবা transaction বনাম LedgerEntry , এমনকি যখন যুক্তি ঠিক থাকে। এই নামকরণের প্রবণতা একটি ইঙ্গিত দেয় যে কোডটি আপনার ডোমেন এবং সীমাবদ্ধতার "ভিতরে" থাকাকালীন লেখা হয়নি।

কোড পর্যালোচনায় এআই কোড সনাক্ত করার চেষ্টা করা কি মূল্যবান?

লেখকের চেয়ে গুণমানের জন্য পর্যালোচনা করা সাধারণত বেশি ফলপ্রসূ। মানুষ পরিষ্কার, অতিরিক্ত মন্তব্য করা কোডও লিখতে পারে, এবং নির্দেশিত হলে AI চমৎকার খসড়া তৈরি করতে পারে। গোয়েন্দাগিরি করার পরিবর্তে, নকশার যুক্তি এবং উৎপাদনে সম্ভাব্য ব্যর্থতার পয়েন্টগুলিতে চাপ দিন। তারপর পরীক্ষা, স্থাপত্য সারিবদ্ধকরণ এবং ত্রুটি শৃঙ্খলা দিয়ে যাচাই করুন। চাপ-পরীক্ষা ভাইব-পরীক্ষাকে ছাড়িয়ে যায়।.

কোডটি আরও নির্ভরযোগ্য করে তোলার জন্য আপনি কীভাবে AI প্রম্পট করবেন?

প্রথমেই সীমাবদ্ধতাগুলো ইনজেক্ট করে শুরু করুন: প্রত্যাশিত ইনপুট/আউটপুট, ডেটা আকার, কর্মক্ষমতা চাহিদা, ত্রুটি নীতি, নামকরণের নিয়মাবলী এবং আপনার রেপোতে বিদ্যমান প্যাটার্ন। শুধু সমাধান নয়, বিনিময়ের জন্য জিজ্ঞাসা করুন - "এটি কোথায় ভাঙবে?" এবং "আপনি কী এড়াবেন এবং কেন?" অবশেষে, বল বিয়োগ: অপ্রয়োজনীয় বিমূর্ততা অপসারণ করতে বলুন এবং কিছু প্রসারিত করার আগে সবচেয়ে ছোট সঠিক সংস্করণ তৈরি করতে বলুন।.

তথ্যসূত্র

  1. স্ট্যাক ওভারফ্লো - স্ট্যাক ওভারফ্লো ডেভেলপার সার্ভে ২০২৫ - survey.stackoverflow.co

  2. GitHub - GitHub Octoverse (Oct 28, 2025) - github.blog

  3. গুগল - গুগল ইঞ্জিনিয়ারিং অনুশীলন: কোড পর্যালোচনার মান - google.github.io

  4. Abseil - Google এ সফ্টওয়্যার ইঞ্জিনিয়ারিং: ইউনিট টেস্টিং - abseil.io

  5. অ্যাবসেইল - গুগলে সফটওয়্যার ইঞ্জিনিয়ারিং: কোড পর্যালোচনা - abseil.io

  6. Abseil - Google এ সফ্টওয়্যার ইঞ্জিনিয়ারিং: বৃহত্তর পরীক্ষা - abseil.io

  7. মার্টিন ফাউলার - মার্টিন ফাউলার: ফিচার টগলস - martinfowler.com

  8. মার্টিন ফাউলার - ব্যবহারিক পরীক্ষার পিরামিড - martinfowler.com

  9. OWASP - OWASP থ্রেট মডেলিং চিট শিট - cheatsheetseries.owasp.org

  10. OWASP - OWASP লগিং চিট শিট - cheatsheetseries.owasp.org

  11. OWASP - OWASP শীর্ষ ১০ ২০২৫: নিরাপত্তা লগিং এবং সতর্কতা ব্যর্থতা - owasp.org

  12. ESLint - ESLint ডক্স - eslint.org

  13. GitHub ডক্স - GitHub CodeQL কোড স্ক্যানিং - docs.github.com

  14. টাইপস্ক্রিপ্ট - টাইপস্ক্রিপ্ট: স্ট্যাটিক টাইপ চেকিং - www.typescriptlang.org

  15. mypy - mypy ডকুমেন্টেশন - mypy.readthedocs.io

  16. পাইথন - পাইথন ডক্স: পাইথন প্রোফাইলার - docs.python.org

  17. পাইটেস্ট - পাইটেস্ট ফিক্সচার ডক্স - docs.pytest.org

  18. পাইলিন্ট - পাইলিন্ট ডক্স: খালি-ব্যতীত - pylint.pycqa.org

  19. অ্যামাজন ওয়েব সার্ভিসেস - AWS প্রেসক্রিপটিভ গাইডেন্স: ব্যাকঅফ দিয়ে পুনরায় চেষ্টা করুন - docs.aws.amazon.com

  20. অ্যামাজন ওয়েব সার্ভিসেস - AWS বিল্ডার্স লাইব্রেরি: জিটার সহ টাইমআউট, পুনঃপ্রচেষ্টা এবং ব্যাকঅফ - aws.amazon.com

অফিসিয়াল এআই অ্যাসিস্ট্যান্ট স্টোরে সর্বশেষ এআই খুঁজুন

আমাদের সম্পর্কে

ব্লগে ফিরে যান