Построение Предметной Модели с помощью AI
В статье демонстрируется прикладное применение AI для построения предметной модели приложения учётного класса.
Техзадание
Разработать приложение, позволяющее управлять проектами и задачами. Пользователи, подключенные к проекту, могут управлять списком задач, а изменения могут получать по почте или наблюдать в приложении. Приглашение присоединится к проекту направляется на почту в виде ссылки-токена. Роли в проекте: Администратор, Участник, Наблюдатель.
Для демонстрации была выбрана слабо формализованная задача, позволяющая показать работу мысли AI в процессе систематизации.
Инструмент
Для решения задачи был разработан набор скриптов, позволяющий с помощью AI последовательно двигаться к результату. Процесс состоит из нескольких этапов, которые порождают промежуточные результаты. Технология предполагает, что каждый этап будет контролироваться человеком и при необходимости корректироваться.
Скрипты содержат:
- Установки
- Описание контекста
- Правила
- Определения
- Основной поток инструкций (скрипт)
- Функции (вынесенный блок инструкций, чтобы не портить восприятие основного потока).
- Шаблоны вывода результата.
Зачем это нужно, если можно попросить AI сразу построить готовую модель?
- Если получить модель сразу, то вы не сможете понять с чего нужно начать контроль. На вас свалится большой объем информации и проблема его контроля и коррекции. Так большие задачи не решают, нужно начать с принципиального минимума и инкрементно наращивать решение. Таким образом, имея комфортный и контролируемый трек решения, вы получите выгоду по времени и, скорее всего, по качеству.
- Если разрешить AI делать всё на своё усмотрение, то вы будете каждый раз получать разный результат. Что-то AI будет пропускать, где выпишет себе инициативу и добавит лишнее, а что-то будет выглядеть правильным (и AI бодро объяснит почему), но при внимательном рассмотрении окажется неуместным. Итеративность же снизит хаотическую составляющую, позволит обнаружить дивергентность в зародыше, сузит пространство решений до одного правильного (с вашей точки зрения) варианта.
- Вы получаете качественно формализованный, лексически калиброванный, стандартизованный результат.
- Готовые скрипты позволяют сфокусировать внимание AI на деталях, нюансах, конкретном результате, что положительно сказывается на качестве инференса.
Формы контроля этапов можно посмотреть в файле ...
Конечный результат
Модель получается достаточно качественной и полезной, впрочем, судите сами. Хочу обратить внимание, что автор не вмешивался в процесс и не производил корректировок промежуточных результатов.
По рейтингам Qwen считается не самой умной моделью, но ...
- Удалось добиться высокой управляемости AI и точного следования инструкциям.
- Удалось поднять качество решения над среднестатистическим уровнем.
Вы можете дать AI разные установки, спросить строгое и аккуратное решение или предложить взять инициативу в свои руки (самостоятельно определить дополнительные возможности системы) и получить более проработанное решение. В быстром режиме вы можете сгенерировать модели разными AI, а потом попросить AI объединить их.
Качество решения прямо пропорционально полноте задачи, если задача определена подробно, то и пространство решений будет узким, а значит результат будет более предсказуемый и качественный. Исследуйте задачу с помощью AI и определите все возможности системы до построения модели.