Garbage in, Garbage out. Anda telah mendengar frasa ini banyak. Tetapi biasanya, ia adalah orang-orang yang mencipta model AI yang mengambil ia serius. Atau, melainkan jika anda seorang jurutera paip bukan sahaja dalam perisian dan AI, tetapi juga dalam industri lain seperti membuat pupuk, atau bekerja di kilang, anda mungkin bersetuju dengan frasa itu, tetapi tidak pernah mempunyai peluang untuk mengalaminya sendiri. Tetapi tidak lagi. Sebagai pengguna model AI, semua orang kini mempunyai peluang untuk berada di hujung 'pembuangan sampah', dan kerana ia bukan anda yang melatih model, anda bahkan tidak mempunyai peluang untuk mengawal apa sampah untuk dimasukkan ke dalam! Baru-baru ini, seseorang sedang bekerja pada perisian untuk mendeteksi perubahan kepada pangkalan data dan mendorongnya kepada klien dalam 'waktu sebenar'. dan mendorong perubahan ke backend, di mana seseorang kemudian boleh memproses data ke dalam borang yang ingin dilihat sebelum melepaskannya ke frontend.Sekarang, itu adalah sesuatu yang tidak pernah dilakukan sebelum ini. untuk data baru, dan ia berfungsi pada masa itu, kerana tidak ada keperluan untuk 'waktu sebenar', jadi seseorang boleh melakukannya setiap 30 saat atau 1 minit. ping 'tidak kerap' bermakna ia tidak akan membebankan lebar band, baik pada pelayan dan pada pangkalan data. data besar untuk dihantar kembali ke hadapan dan anda menggunakan ping sering dan anda tidak memasang pada localhost, yang mengambil beberapa lebar band. Plus, sering ping pangkalan data untuk memeriksa jika terdapat data baru, walaupun satu yang mudah seperti memeriksa ID terkini, akan mengambil bayaran pada pangkalan data jika ia dalam penggunaan yang berat pada masa yang sama. Bukan untuk mengatakan mereka tidak boleh dilakukan, tetapi tidak akan lebih baik jika anda boleh mempunyai pangkalan data mendengar untuk berubah, memaklumkan anda untuk menjalankan perintah pada pelayan apabila terdapat kemas kini, dan kemudian mendorong kemas kini kepada klien? Simpan lebar band dan bayaran! sesuatu n cukup Cara tradisional untuk mencari penyelesaian adalah untuk mencarinya di web.Sebenarnya, ia tidak sangat tradisional, masih cara mainstream untuk melakukannya, tetapi dengan kedatangan boom AI dan startups bersaing dengan perniagaan yang ditubuhkan untuk menyampaikan terbaru, state of the art (SOTA) model pembelajaran bahasa (LLM) di mana anda boleh mengetik dalam permintaan anda dan mempunyai AI melakukannya untuk anda, sifat carian telah berubah, jadi mempunyai tingkah laku pengguna. enjin carian direka untuk anda fikirkan terlebih dahulu bagaimana anda akan melaksanakan rancangan anda, dan untuk setiap langkah rancangan di mana anda tidak tahu bagaimana untuk melakukannya, anda mencarinya, kemudian menyatukan idea. dan lengkap dengan produk akhir. Pencarian baru akan disiplin dan melengkapkan penggunaan kumulatif 7 hari Perplexity dan mendapatkan Perplexity Pro percuma selama sebulan, kemudian memaksimumkan kelebihan yang anda boleh ambil, alih-alih menggunakan ciri 'carian' percuma, pergi untuk ciri-ciri 'penyiasatan' profesional dan bertanya, "Hei, menggunakan .Net Core 9 dan Angular 19 dan MS SQL Server 2022, bagaimana saya boleh mendorong data dari pangkalan data (DBName.dbo.Table1) kepada klien frontend dalam masa nyata? Senarai untuk saya langkah-langkah yang diperlukan, perpustakaan yang diperlukan untuk memasang, dan tunjukkan saya kod contoh bagaimana untuk melakukannya." Dan sementara ia melakukan sihirnya di latar belakang (yang boleh mengambil beberapa minit - dan jika anda menggunakan 'lab' penyelesaian yang mungkin membuat projek 'kerja' yang bermula diri sendiri Sekarang, jika anda seorang pemrograman atau pengembang perisian dan setara, anda akan tahu bahawa setiap situasi agak unik. Sudah tentu, sesetengah bug yang dikenali dan didokumentasikan dengan baik, tetapi kebanyakan yang lain anda boleh mencari sesuatu di internet, tetapi penyelesaian yang mereka berikan, walaupun mereka mungkin telah menyelesaikan orang yang meminta masalah, mereka mungkin tidak menyelesaikan anda, walaupun masalah itu kelihatan sama. Debugging adalah proses yang sukar dan tidak langsung, dan kod tertentu seperti 400 Not Found boleh disebabkan oleh banyak perkara, setiap mungkin tidak berkaitan satu sama lain, walaupun apabila mereka mengemukakan kesilapan yang sama. menyelesaikannya untuk anda? boleh , jujur, berfikir bahawa penyelesaian datang mudah untuk mereka kelajuan mereka memotong melalui web adalah 100, tidak, 1000 kali daripada anda? dan adakah anda benar-benar fikir penyelesaian abstrak yang dihasilkan oleh AI yang berfungsi dalam kebanyakan (dan sayangnya, anda adalah pengecualian, jika tidak anda tidak akan merasa sakit kepala sekarang) benar-benar tahu apa yang anda mahu dan cocok penyelesaian mereka untuk anda, seolah-olah mereka boleh membaca fikiran anda atau membaca keseluruhan keadaan komputer anda dan menjejakkan tumpukan dalam program dan menyediakan anda dengan penyelesaian segera semasa anda duduk dan berehat, mengejar hobi anda? boleh Sebenarnya Hanya kerana Tetapi tidak semua awak SignalR, yang dikembangkan oleh Microsoft, adalah perpustakaan peringkat tinggi yang diterbitkan oleh Microsoft untuk mendorong kemas kini ke sisi klien. Tidak akrab dengan bagaimana SignalR bekerja, seseorang, tentu saja, mengikuti langkah-langkah yang dikompilasi oleh AI dan, selepas menyambungkan secara manual ke program seseorang, menyalin dan melampirkan kod ke tempat masing-masing di mana seseorang melihat sesuai, menukar 'abstrak' kepada 'spesifik', dan menjalankan program. Satu seterusnya menggunakan kaedah carian tradisional dan melihat ke atas dalam talian, termasuk tutorial yang ditawarkan di laman web Microsoft, dan cuba untuk menyelesaikannya, tanpa faedah. cuba satu demi satu penyelesaian, hari demi hari berlalu, penyelesaian hanya tidak akan berlaku. Ia terus memberitahu saya bahawa "404 Tidak Ditemui", tetapi apa yang tidak dijumpai? Bukankah seseorang telah mengikuti langkah-langkah yang disenaraikan oleh AI dan Microsoft? Kesedaran datang apabila seseorang menggali lebih dalam bagaimana ia berbeza daripada permintaan HTTPS biasa. , seseorang tidak pernah mempunyai peluang untuk memahami bagaimana proxy berfungsi untuk memindahkan data ke backend. Sebelum ini, apabila seseorang menyedari bahawa sesetengah pautan, seperti /api, telah diproses ke backend, manakala yang lain diproses oleh Angular, seseorang berfikir, mungkin jika seseorang mengubah /hub yang digunakan untuk SignalR kepada /api/hub, ia akan berfungsi. kepada sesuatu yang lebih mendalam yang telah menyebabkan QuickApp dikembangkan oleh ebMonney mempunyai Terdapat proxy.conf.js, yang anda dengar tentang ia tetapi lupa tentang ia kerana ia telah dibina untuk satu begitu mudah bahawa anda tidak perlu bimbang tentang ia ... sehingga kemudian, yang membolehkan anda untuk senarai laluan yang anda mahu mengecualikan daripada dianalisis oleh app-routing.module.ts Angular pada asasnya, Angular akan menganalisis semua laluan dalam routing app-nya, dan jika ia tidak boleh didapati, ia akan mengarahkan ke halaman yang dipanggil 404 Not Found, yang merupakan HTML tersuai dibuat oleh ebMonney dan termasuk dalam paket QuickApp. Walau bagaimanapun, jika anda mahu sudut untuk proxy beberapa pautan tertentu ke pelayan belakang anda, anda perlu menambahkannya di dalam proxy.conf.js untuk mengecualikan daripada dianalisis oleh Angular. “Saya terus mendapatkan 404 untuk /hub kerana ia tidak ditambahkan dalam proxy.conf.js untuk SignalR Angular. Bagaimana saya menambahkannya?” Dan kali ini, seseorang perlu bersyukur bahawa seseorang menggunakan AI untuk mewujudkan jawapan. Anda lihat, SignalR tidak menggunakan HTTPS secara lalai, tetapi WebSocket, yang melalui WSS. Dan dalam senarai tertakluk yang telah dimasukkan ke dalam proxy.conf.js lalai, semua pautan ditukar melalui lapisan HTTPS; jika AI tidak memberitahu saya untuk menetapkan Walaupun seseorang tidak cuba, seseorang mencurigai bahawa ia akan menjadi mesej ralat yang sama seperti apabila seseorang menggunakan /api / hub sebelum ini. ws: true Bahagian seterusnya seperti yang dijangka.Karena seseorang lupa untuk menukar /api/hub kembali kepada /hub di frontend, tetapi seseorang telah menukarnya di backend, ia mengembalikan kesilapan 405 kaedah tidak dibenarkan. Kesilapan lain yang membingungkan yang memberitahu saya sesuatu yang lain yang tidak berkaitan dengan apa yang sebenarnya berlaku.Mengubahkannya kembali kepada /hub di frontend menyelesaikan masalah. Oleh itu apabila satu , seseorang mendapat -2 untuk soalan dalam masa 24 jam untuk kurangnya butiran debugging. Orang yang mengedit soalan itu betul, sayangnya. Walaupun apa yang dia tidak tahu ialah bahawa tiada butiran debugging, kerana ia bukan masalah dengan perpustakaan, tetapi dengan setup. - dan Maklumlah, ini ialah butiran debugging.Selengkapnya menyiarkan soalan dan menjawab masalah pada Stack Overflow Disediakan oleh AI yang Baru-baru ini, dalam Stack Overflow “Masalah” (jika anda berlangganan, mereka akan menghantar digest senarai pautan ke e-mel anda apa yang mereka pilih untuk menjadi menarik, dan pautan lain pada apa yang disokong untuk mengiklankan kepada anda), Issue 280, terdapat pautan bertajuk Tajuk, tentu saja, tidak berguna dalam memberitahu seseorang apa itu, jadi seseorang, tentu saja, meminta Perplexity untuk meringkaskannya untuk satu, untuk mengukur sama ada ia layak dibaca atau tidak. , digest yang diberikan oleh pembaca lain biasanya merupakan proxy yang buruk untuk menilai kandungan buku. Begitu juga, kandungan yang disimpulkan oleh AI memotong terlalu banyak kandungan jauh daripada artikel asal. Malah, ia ditandai dengan peluru di bawah beberapa tajuk, seperti digest yang dihantar oleh artikel bantuan diri yang mengumpulkan artikel ke dalam titik bagi mereka yang menganggap diri mereka tidak mempunyai masa untuk membaca asal-usul. Apabila seseorang membaca asal, ia adalah cerita yang menarik tentang pengalaman hidup seorang guru dan frustrasi berurusan dengan kanak-kanak menggunakan AI untuk menyelesaikan tugas rumah mereka, dan dia terpaksa membaca tentang perkara-perkara yang dihasilkan oleh AI, beberapa yang jelas tidak disemak dua kali oleh pelajar dan menghasilkan kepadanya kesedihan, dan pujian yang cuba menggelengkan dia tetapi berakhir membingkan kerana dia Dispatch daripada trenches Jihad Butlerian Bagaimana untuk membaca sebuah buku ... tentang bagaimana saya akan menjadi “bukan hanya seorang guru tetapi seorang mentor” apabila saya tidak pernah melihat mereka pada jam kerja. ... tentang bagaimana saya akan menjadi “bukan hanya seorang guru tetapi seorang mentor” apabila saya tidak pernah melihat mereka pada jam kerja. Ia bukan satu yang tidak mahu memberikan butiran debugging teknikal pada topik ini, tetapi, masalahnya adalah penyalahgunaan AI untuk membantu seseorang mencipta sesuatu langkah demi langkah tanpa pemahaman yang lebih mendalam tentang bagaimana ia sebenarnya berfungsi, daripada menggunakan AI seperti bagaimana anda akan menggunakan enjin carian untuk mencari spesifikasi dan mengumpul maklumat sebelum anda menggunakannya untuk mencipta. Guru mungkin telah melihat skenario yang dimainkan dengan pelajar-pelajarnya, tetapi orang dewasa tidak kurang tergoda untuk menyalahgunakan AI, hanya kerana bagaimana mereka direka bentuk. AI, atau lebih tepatnya, AGI, komputer yang mampu mendengar perintah anda dan melaksanakan apa yang anda mahu hanya dengan memberitahu apa yang anda mahu, perlahan-lahan menjadi kenyataan. Tidak hairanlah hype adalah dalam mencipta LLM, dan manakala model AI lain seperti model prediktif kesepian dan model pembelajaran penguatkuasaan mungkin sama-sama berguna dalam skenario yang berbeza, mereka tidak bermain kepada jangkaan kita tentang utopia futuristik yang sejuk yang cukup untuk bukan sahaja geeks tetapi juga purata. Kami benar-benar mahu menggunakan chatbots yang boleh melakukan segala-galanya, dari menyelesaikan masalah sehari-hari kami, kepada "membantu menyelesaikan pilihan kesepian", mereka mempunyai kita berbual tentang perkara Satu daripada sendiri