የኒው የካራሪ ሞት ጥንካሬ አይደለም. ይህ ጥንካሬ ነው ከሁለት ዓመታት በፊት, የካራሪ ደንበኞች ደንበኞች ደንበኞች ናቸው: 
 
 አንድ ጓደኛ ይሆናል. አንድ ጓደኛ ይሆናል. አንድ ባለሙያ ይሆናል. አንድ ጓደኛ ይሆናል. አንድ ጓደኛ ይሆናል. አንድ ባለሙያ ይሆናል. ይህ ስኬት ደግሞ ይሰራል - አንዳንድ ጊዜ. ነገር ግን የ AI የፈጠራ ጫማ ይቀየዳል. ሞዴሎች በክፍያ, መተግበሪያ, ኮድ, ጥቅል, ንድፍ, እና ከባድ ወጪ ጋር መፍጠር ይችላሉ ጊዜ, አጠቃቀም አጠቃቀም አጠቃቀም አጠቃቀም አጠቃቀም አጠቃቀም አጠቃቀም አጠቃቀም አጠቃቀም “being good at one isolated thing” ምንድን ሰው (አንድ ሰው) ሊሆን ይችላል. : combine 
 
 
 
 
 
 የ Domain አጠቃቀም, መሣሪያዎች ላይ, ምግብ እና ግምገማዎች, ጥንካሬ ጥንካሬዎች, የ ITERATION ንድፍ, በእርግጥ ከባድ የሚሆን ውጤቶች. ነገር ግን: . composable capability beats single-point expertise ይህ ጥቅል #7 አንድ ስዕል ውስጥ ነው. አሁን ይበልጥ ተግባራዊ ይሆናል. 1) የ komposable ችሎታ: አንድ የ Strategy Lens, not a Motivational Poster አንድ "ጥራት stack" የኮምፒዩተሮች ዝርዝር አይሆንም. ይህ A : system 
 
 
 
 
 ሞዴሎች መለያዎች, አረንጓዴ, የ Feedback Loops አጠቃቀም ይህ ሶፍትዌር ንድፍ እንደ ነው ከሆነ, ጥሩ. የክፍያ አጠቃቀም (Legacy) 
 
 
 
 “እኔ የ Java መሐንዲሶች ነኝ.” እኔ አንድ Data Scientist ነኝ. " እኔ ንድፍ ነኝ.” አጠቃቀም ችሎታ (AI Era) 
 
 
 
 "እኔ ከባድ መስፈርቶች ወደ መላኪያ ስርዓቶች ሊሆን ይችላል." "እኔ ትክክለኛነት ማረጋገጥ ይችላሉ እና ትክክለኛነት ማረጋገጥ ይችላሉ." “እኔ የሥራ ሂደቶች ውስጥ የአካል ብቃት መተግበሪያዎችን ለማስተካከል ይችላሉ, ምንም አዲስ ጥቅሞች ለመፍጠር ይችላሉ.” ሁለተኛው ቅርጸት ለመቀየር ይበልጥ አስቸጋሪ ነው, ምክንያቱም ይህ አንድ ችሎታ አይደለም. . composition 2) የቴክኒካዊ ሞዴል: እርስዎ እንደ ሶፍትዌር Modularize ችሎታዎች የቴክኒካዊ መሐንዲሶች ውስጥ አንድ አስፈላጊ መተግበሪያ ያውቃል: 
 
 አንድ አቅም input, output, እና ጥራት መስፈርቶች ጋር አንድ ሞዴል ነው. አንድ አቅም input, output, እና ጥራት መስፈርቶች ጋር አንድ ሞዴል ነው. የእርስዎን "ጥራት" በ I / O ጋር ይታያል አይችልም ከሆነ, እነርሱም compostable አይደለም - እነርሱ vibes ናቸው. 2.1 ሞዴል ንድፍ: የ Lego ብረት ውስጥ የኮምፒውተር ችሎታ ይሸፍናል “እኔ ምርት ላይ ጥሩ ነኝ” helyett, እንደ: 
 
 
 
 
 
 የክፍያ መተግበሪያዎች: የክፍያ መተግበሪያዎች በክፍያ መተግበሪያዎች ላይ ይጠቀማሉ ውሂብ ጥንካሬ: ምን አስፈላጊ ነው, ምን አስደሳች ነው, ምን አግኝቷል መሣሪያዎች: የ AI + አውቶማቲክ መጠቀም ጊዜ-መጀመሪያ-መጀመሪያ-አንድ-አንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የአንድ-የ መግቢያ መግቢያ: አማራጮችን ይሞክሩ, የማይታመንነት መጠን, ይምረጡ መላኪያ: መጻፍ, መላኪያ, መቆጣጠሪያ, iterate እያንዳንዱ ሞዴል በግልጽ ማሻሻል ይችላሉ. ይህ ትክክለኛ ፍላጎት ነው: እርስዎ የእርስዎን መታወቂያ ሙሉ በሙሉ መጻፍ nélkül አንድ ክፍሎች ማሻሻል ይችላሉ. 2.2 በይነገጽ ዲዛይን: ሞዱሎች በይነገጽ እንዴት ይወዳሉ ሞዴሎች ብቻ interfaces explicit ናቸው. በእርግጥ, የእርስዎን “interfaces” እንደ: 
 
 
 
 
 
 የሙከራዎች, ማረጋገጫዎች, ስፔስ, አጠቃቀም, የኮምፒውተር አጠቃቀም. ለምሳሌ: የእርስዎን "analyse module" አንድ 6 ገጾች ስቴትስ ማውረድ ከሆነ, ማንኛውም ሰው ያተኮሩ ይችላሉ. ይህ ተስማሚ ነው. a decision-ready artifact አጠቃቀም Interface: Decision Memo (1 ገጽ) 
 
 
 
 
 
 ግምገማ + ግምገማ አማራጮች + trade-offs ግምገማ + ግምገማ ጥንካሬ + ጥንካሬ ቀጣይ እንቅስቃሴዎች ይህ ቅርጸት እምነት ወደ API ይፈጥራል. 3) እውነተኛ ፍላጎት: የማይታመን ሁኔታ ውስጥ reconfigurability የኦሪጂናል መሳሪያዎች, መሳሪያዎች, መሳሪያዎች, መሳሪያዎች, መሳሪያዎች, መሳሪያዎች, መሳሪያዎች, መሳሪያዎች, መሳሪያዎች, መሳሪያዎች, መሳሪያዎች, መሳሪያዎች, መሳሪያዎች, መሳሪያዎች, መሳሪያዎች, መሳሪያዎች የኮምፒውተር ችሎታ ሊሆን ይችላል ምክንያቱም : reconfigurable 
 
 
 
 new domain? swap in a domain module (የ primitives ያንብቡ) አዲስ መሣሪያዎች? tool module ውስጥ swap (የ workflow ማወቅ) አዲስ ጥንካሬዎች? የኦርኬስትራሽን ጥቅል (እርስዎ እንዴት ይወዳሉ እና መላኪያ) ስለዚህ የ "እውነተኛ" ካርዶች አነስተኛ ናቸው: እነርሱ መረጋጋት ያካትታል. 4.The Skill Stack That Wins (አንድ የፈጠራ ቅርጸት) የከፍተኛ ፍጥነት ቁጥጥር ቁጥጥር የሚፈልጉ ከሆነ, አብዛኞቹ የታወቀ ሥራ ውስጥ ጥሩ ይሰራሉ, አራት ጠንካራዎች ላይ ለመፍጠር: 4.1 የ Domain primitives (የታሪቪያ አይሆንም) አግኙን የእርስዎ መኖሪያ ቤት: core invariants 
 
 
 
 
 
 “እኔ” ምን ማለት ነው, ምን ስርዓቶች ይሸፍናል, የ Metrics ምንድን ነው ከባድዎን ምን ይጠቀማል, ተጠቃሚዎች በእርግጥ ፍላጎት ነው. የ encyclopedic coverage አያስፈልግዎታል . ግምገማው አስፈላጊነት 4.2 AI አግኝተዋል (የአሳካዎች እንደ መሣሪያዎች) የተሻለ ነገር ለማግኘት ይጠቀማል: 
 
 
 
 
 
 
 
 መጻፍ, አጠቃላይ, የ Brainstorming አጠቃላይ የኦሪጂናል ማምረት, የክፍያ ኮድ, የቴክኖሎጂ ልምድ, ጽሑፎች ነገር ግን ምንም ጊዜ ፍጥነት እና እውነታ ጋር ተስማሚ አይደለም. መሣሪያ አቅርቦት “I can prompt” አይደለም. ይህ ነው: 
 
 "እኔ አንድ ቧንቧ ውስጥ የ AI መተግበሪያዎችን እና የክፍያ መተግበሪያዎችን መቆጣጠር ይችላሉ." 4.3 ግምገማ (የ anti-automation layer) የ "AI-native" ባለሙያዎች አብዛኛውን ጊዜ በዚያ ላይ ይምረጡ. ግምገማው ነው: 
 
 
 
 
 ጥቁር ጥቁር ጥቁር ጥቁር አግኝቷል አግኝቷል አግኝቷል, የክፍያ ፍላጎት መውሰድ, ምናልባት ምን ማድረግ አይፈልግም. ይህ የአካባቢው አጠቃቀም ነው. 4.4 መላኪያ (የተግበሪያ ቅርጾች) ገበያ ብቻ ተንቀሳቃሽ ውጤቶች ይሸፍናል. መጓጓዣ ነው: 
 
 
 
 
 ትዕዛዞች ክብደት, መሳሪያዎች, አግኙን ሉህ, አጠቃቀም አጠቃቀም. እርስዎ መላኪያ ሊሆን ይችላል ከሆነ, እርስዎ ማንኛውም አዲስ ችሎታ ፈጣን ዋጋ ሊሆን ይችላል. 5) የፈጠራ ጫማዎች: የፈጠራ ጫማዎችን ለመፍጠር ይጀምራል. የ ORG ዲዛይን በ role-centric ነው: 
 
 
 
 የተመሠረተ ሥራዎች, ጠንካራ ባህሪያት, የተመሠረተ ደረጃዎች. የኦሪጂናል መተግበሪያዎች ወደ : capability platforms 
 
 
 
 አነስተኛ ቡድን, የ Modular Responsibilities, በፕሮጀክት ላይ ፈጣን recombination. በዋናነት ውስጥ ማንኛውም ልምድ 
 
 
 
 
 ቡድንዎች "pods" ተዛማጅ ውጤቶች ላይ ይሆናል የ AI መሣሪያዎች የጋራ ኢንዱስትሪ ሊሆን ይችላል ውስጣዊ መተግበሪያዎች (docs, schemes, standards) በጣም አስፈላጊ ይሆናል. ምርጥ አስተዳዳሪዎች በኮምፒውተር, በኮምፒውተር አይደለም ይህ እንዴት ይሰራል በከፍተኛ ፍጥነት የተሻሻለ የአካባቢ ውስጥ, አንድ stabile መዋቅር ለመፍጠር ችሎታ ያደርጋል. the ability to rewire 6) የ Anti-Patterns (የአንድ ሰው በ AI አየር ውስጥ እንዴት ሊሆን ይችላል) 
 
 የ Anti-Pattern 1: “ምጥነት ብቻ, ምንም ኦክሲስትራሽን” እርስዎ ብሩህ ናቸው, ነገር ግን የቴክኒካዊ ልምድ ለሌሎች መተግበሪያዎች ሊሆን አይችልም. 
 
 የ Anti-Pattern 2: “አንድ መሣሪያዎች ብቻ አይደለም” እርስዎ ፈጣን ውፅዓት ለመፍጠር ይችላሉ, ነገር ግን እነርሱም አስፈላጊ ወይም እነርሱም ስህተት ከሆነ መውሰድ ይችላሉ. 
 
 የ Anti-Pattern 3: “የተግበሪያ ብቻ, ምንም አስተያየት” እርስዎ የአትክልት ያደርጋሉ, ነገር ግን በሜትሪክስ, ተጠቃሚዎች ወይም እውነተኛነት ጋር በመርዳት አይችሉም. 
 
 የ Anti-Pattern 4 “Role Identity Lock-in” (አንድ የ role identity lock-in) (አንድ የ role identity lock-in) እርስዎ አንድ የፕላስቲክ ለመፍጠር helyett አንድ ምልክት ያካትታል. 7) አንድ አነስተኛ ቅርጸት: ችሎታ ቅርጸት እዚህ የ komposable ችሎታ መተግበሪያ ለማግኘት አንድ ተስማሚ መንገድ ነው. ደረጃ 1: የእርስዎን ሞዴሎች ለመፍጠር የ 6-10 ሞዴሎች እርስዎ የሚፈልጉትን ቅርጸት ያድርጉ: 
 
 
 
 መኖሪያ ቤት: ክፍያዎች, መላኪያ, የሕክምና, fintech risk... ቴክኖሎጂ: ውሂብ ቧንቧዎች, backend systems, LLM toolchains... የአምላክ: መተግበሪያ, መተግበሪያ, መመሪያ, ምርት መተግበሪያ ... ደረጃ 2: እያንዳንዱ ሞዴል (I / O) መተግበሪያን ያካትታል እያንዳንዱ ሞዴሎች ለ: 
 
 
 
 
 መተግበሪያ: ምን ይፈልጋል ምርት: ምን ያደርጋል ጥራት bar: እንዴት "እናንተ" ይመልከቱ የክፍያ መሣሪያዎች: እንዴት ያነሰ ነው ደረጃ 3: 3 መደበኛ ቅርጸቶች ለመፍጠር በእርግጥ, እርስዎ እያንዳንዱ ጊዜ የኮምፒውተር መተግበሪያ መተግበሪያ መተግበሪያ አይፈልግም. አጠቃላይ ምሳሌዎች: 
 
 
 
 ፈጣን ልምድ: ተጠቃሚው ጥንካሬ → hypothesis → proof → recommendation መላኪያ Sprint: መስፈርቶች → ንድፍ → መፍጠር → መሞከር → መተግበሪያ የኮምፒውተር ማረጋገጫ ማረጋገጫ ማረጋገጫ ማረጋገጫ ማረጋገጫ ማረጋገጫ ማረጋገጫ ደረጃ 4: የእርስዎን stack መሣሪያ ትራክ : 
 
 
 
 
 የክፍያ ጊዜ (Idea → shipped) የይለፍ ፍጥነት (rework, incidents) አግኙን ፍጥነት (እርስዎ ሞዴሎች እንዴት ፍጥነት ማሻሻል) የክፍያ ደረጃ (የአይኤን ጋር ሰዓታት ላይ ውፅዓት) እንደዚህ "ካራሪ ደንበኞች" በካራሪ ስርዓት ውስጥ ይፈጥራል. 8) አንድ ቀላል ኮድ አጠቃቀም እዚህ የ komposable ችሎታ እንደ ሞዴሎች + መተግበሪያዎች ሞዴል ለማግኘት አንድ ተስማሚ መንገድ ነው. from dataclasses import dataclass
from typing import Callable, Dict, Any, List
​
@dataclass
class Module:
    name: str
    run: Callable[[Dict[str, Any]], Dict[str, Any]]  # input -> output
    quality_check: Callable[[Dict[str, Any]], bool]
​
def compose(pipeline: List[Module], context: Dict[str, Any]) -> Dict[str, Any]:
    state = dict(context)
    for m in pipeline:
        out = m.run(state)
        if not m.quality_check(out):
            raise ValueError(f"Module failed quality bar: {m.name}")
        state.update(out)
    return state
​
# Example modules (simplified)
def frame_problem(ctx):
    return {"problem": f"Define success metrics for: {ctx['goal']}", "metric": "time-to-value"}
​
def qc_frame(out):  # cheap check
    return "problem" in out and "metric" in out
​
def ai_draft(ctx):
    return {"draft": f"AI-generated first pass for {ctx['problem']} (needs verification)"}
​
def qc_draft(out):
    return "draft" in out and "verification" not in out.get("draft", "").lower()
​
pipeline = [
    Module("Framing", frame_problem, qc_frame),
    Module("Drafting", ai_draft, qc_draft),
]
​
result = compose(pipeline, {"goal": "reduce checkout drop-off"})
print(result["metric"], "=>", result["draft"])
 ምንድን ነገር ነው, ነገር ግን ምንድን ነገር ነው: 
 
 
 
 
 ሞዴሎች ይመዝገቡ, አጠቃቀም አጠቃቀም ልዩ ነው, ጥራት አቅርቦት ከባድ ከባድ ከባድ ከባድ ከባድ ከባድ ከባድ ከባድ ከባድ ከባድ የፓይፕ መዋቅር ሙሉ ስርዓት ለመቀየር ሊሆን ይችላል. ይህ በ 2026 ውስጥ ተስማሚ ካራሪን (ወደ org) እንደ ምን ይሆናል. መጨረሻው: የፕሮፕላስቲክ መፍጠር, ምልክት አይችልም የ AI ብዙ የግል ችሎታዎች ለሽያጭ, የክፍያ ክፍሎች ይፈጥራል. የእርስዎን ፍላጎት አንድ ክፍሎች አይሆንም. የእርስዎን ፍላጎት የ : composer 
 
 
 
 
 የኮምፒውተር አጠቃቀም አጠቃቀም አጠቃቀም, ትክክለኛ ሞዴሎች ይምረጡ. ያግኙን በይፋ መለያዎች, ከባድ ከባድ ከባድ ከባድ ከባድ ከባድ ከባድ ከባድ ከባድ ነው. አግኝቷል - ነገር ግን እንደ a . ሞዴሎች በኤስ.ኤ.ኤስ. ጊዜ ውስጥ, የፈጠራ ባለሙያዎች አይሆንም. እነርሱም መሐንዲሶች ናቸው.

This story contains AI-generated text. The author has used AI either for research, to generate outlines, or write the text itself. 

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Read My Stories

ይህ ኦዲዮ የተዘጋጀው በታሪኩ የመጀመሪያ ቋንቋ ነው!

በኤምአይ አየር ውስጥ, "እንዴት ጫማዎች" Single Skills: building composable capabilities ይደሰቱ

About Author

አስተያየቶች

ተንጠልጣይ መለያዎች

ይህ ጽሑፍ ቀርቧል

Related Stories

Report Week #28

Community Governed Loans and Mobile Money in Nigeria with Adebola Adeniran on The HackerNoon Podcast

Artificial Intelligence talks with Daniel Jeffries, AMA on August 25th, 10 am EST

AMA with Lina Survila, Women in Tech awards nominee

Report Week #28

Community Governed Loans and Mobile Money in Nigeria with Adebola Adeniran on The HackerNoon Podcast

Artificial Intelligence talks with Daniel Jeffries, AMA on August 25th, 10 am EST

AMA with Lina Survila, Women in Tech awards nominee

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps