شفاف کردن خواسته پروژه با هوش مصنوعی
قبل از نوشتن برنامه یا ساختن یک قابلیت، با چند سوال کوتاه روشن کنید کار برای کیه، چه مشکلی رو حل میکنه و چه نتیجهای برای شما کافیه.
شفاف کردن خواسته پروژه با هوش مصنوعی به درد وقتی میخوره که مثلا میگید «یک داشبورد لازم داریم» و هنوز معلوم نیست قرار بوده تصمیم چه کسی راحتتر بشه. شاید مدیر فروش میخواد صبح بدونه کدوم سفارشها عقب افتادن، یا شاید همکار انبار میخواد فقط یک بار در هفته تعداد سفارشهای ناقص رو گزارش بده. اولی ممکنه با یک فهرست روزانه راه بیفته و دومی با یک خروجی هفتگی.
اسکیل interview-me قبل از پیشنهاد راهحل، برداشت فعلی ایجنتتون رو جلوی شما میذاره. بعد درباره چیزی میپرسه که جوابش واقعا میتونه جهت کار رو عوض کنه. اگر معلوم شد کار سادهتر از چیزیه که اول گفتید، گفتوگو هم میتونه همونجا تموم بشه. نتیجه کمک میکنه نفر بعدی بدونه روی کدوم بخش توافق داشتید و چه چیزی هنوز فرضه.
کاربردها
- هدف کاربر رو از اسمی که برای راهحل انتخاب شده جدا کنید.
- محدودیت اصلی رو پیدا کنید، مثلا اینکه تیم برای اجرای کار چقدر وقت داره.
- نشونه موفقیت رو با یک مثال از نتیجه واقعی توضیح بدید.
- برای دو برداشت متفاوت یک سوال روشنکننده بسازید.
- پیش از تحویل خواسته به تیم، موارد توافق و ابهامهای باقیمونده رو مرور کنید.
نصب و استفاده
- اسکیل رو به ایجنتی اضافه کنید که باهاش گفتوگوی زنده دارید. یک درخواست اولیه و کمی زمینه کافیه. این روش به کسی نیاز داره که بتونه درباره هدف و انتخابها جواب بده.
- مثلا بگید «برای تیم فروش یک داشبورد میخوایم. قبل از اینکه طراحی کنید، ازم بپرسید چه تصمیمی باید باهاش بگیریم و الان برای گرفتن اون تصمیم چیکار میکنیم.»
- برداشت نهایی رو با کار روزمره همکارتون بسنجید. اگر پاسخ یکی از سوالها رو نمیدونید، همون ابهام رو نگه دارید تا کسی موقع اجرا اون رو تصمیم قطعی فرض نکنه.
سوالات متداول
منبع
ساخته Addy Osmani. نام اصلی: interview-me، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub