ပစ်မှတ်ထားသော စာဖတ်သူများ- AI ပရိုဂရမ်ရေးဆွဲရေးကိရိယာများ (ဥပမာ Cursor, Windsurf, trae...) ကိုအသုံးပြုနေသော developer များ နှင့် AI ကုန်ကျစရိတ်ကို သတိမထားမိသော နည်းပညာဆိုင်ရာ မန်နေဂျာများ။

အဓိကအချက်- Token သည် ရိုးရှင်းသော ငွေပေးချေမှုယူနစ်တစ်ခုသာမဟုတ်ဘဲ "အာရုံစူးစိုက်မှုအရင်းအမြစ်" နှင့် "တွက်ချက်မှုဆိုင်ရာငွေကြေး" တစ်ခုဖြစ်သည်။ Agent မော်ဒယ်ကို အလွဲသုံးစားလုပ်ခြင်း၊ ဆက်စပ်အကြောင်းအရာစီမံခန့်ခွဲမှုကို လျစ်လျူရှုခြင်းသည် မဟာဗျူဟာမြောက်ပျင်းရိခြင်း (မိမိကိုယ်တိုင်မစဉ်းစားခြင်း) ကို ဖုံးကွယ်ရန်အတွက် နည်းဗျူဟာမြောက်ကြိုးစားအားထုတ်မှု (AI ကို အဓိပ္ပာယ်မဲ့စွာလုပ်ခိုင်းခြင်း) ကို အသုံးပြုနေခြင်းဖြစ်သည်။

သင်၏ "AI အသုံးစရိတ်" သည် လစာထက်ပင် မြင့်မားနိုင်သည်

လွန်ခဲ့သောရက်အနည်းငယ်က ကျွန်ုပ်၏ Token ဘေလ်ကို စစ်ဆေးခဲ့သည်။ ထိုနံပါတ်ကိုမြင်သောအခါ အနည်းငယ်အံ့အားသင့်သွားသည်- Token ၁၀ သန်း။ ဤသည်မှာ တစ်လစာသုံးစွဲမှုမဟုတ်ဘဲ တစ်ရက်စာ ဖြစ်ကြောင်း သတိပြုပါ။

ကျွန်တော်က ဒါဟာ အလွန်အကျွံဖြစ်တယ်လို့ ထင်ခဲ့တယ်။ နောက်ပိုင်းတွင် Token တွက်ချက်မှုနှင့်ပတ်သက်သော ဗီဒီယိုတိုတစ်ခုကို တင်ခဲ့သည်။

ရလဒ်အနေဖြင့် မှတ်ချက်ကဏ္ဍတွင် "ကောင်းကင်အပြင်ဘက်တွင် ကောင်းကင်ရှိသေးသည်" ဆိုသည်ကို ကျွန်တော်သိမြင်ခဲ့ရသည်။

အောက်ပါပုံသည် အင်တာနက်အသုံးပြုသူ "老K的日常" ၏ တစ်ရက်လျှင် Token သန်း ၂၀၀ သုံးစွဲမှုမှတ်တမ်း၏ ဖန်သားပြင်ဓာတ်ပုံဖြစ်သည်။

ပထမတော့ ဒါဟာ တစ်ဦးချင်းဖြစ်ရပ်တစ်ခုလို့ ထင်ခဲ့ပေမယ့် အင်တာနက်အသုံးပြုသူအများအပြားက တစ်ရက်ကို Token သန်း ၁၀၀ သုံးစွဲတယ်လို့ မှတ်ချက်ပေးလာတဲ့အခါ ဒါဟာ အလွန်အဖြစ်များတဲ့ ဖြစ်ရပ်တစ်ခုဖြစ်ကြောင်း နားလည်ခဲ့ပါတယ်။

Token သန်း ၁၀၀ ဆိုတာ ဘာကိုဆိုလိုတာလဲ။ "အချို့သော အဓိကစီးပွားရေးမော်ဒယ်များ" ၏ အသုံးများသော ငွေပေးချေမှုအဆင့် (ထည့်သွင်းမှု/ထုတ်ယူမှုကို သီးခြားစီကောက်ခံပြီး အကြမ်းဖျင်းအားဖြင့် တစ်သန်း Token လျှင် ၁၀ ဒေါ်လာ ဖြင့် ခန့်မှန်းသည်) အရ တွက်ချက်ပါက တစ်ရက်လျှင် ဒေါ်လာ ၁၀၀၀ သုံးစွဲနေခြင်းဖြစ်သည်။ တစ်ရက်လျှင် ယွမ် ၇၀၀၀ သုံးစွဲနေခြင်းဖြစ်သည်။ အငယ်တန်းပရိုဂရမ်မာများစွာ၏ တစ်လစာလစာသည် AI ၏ "စဉ်းစားတွေးခေါ်မှု" အတွက်ပင် မလုံလောက်နိုင်ပါ။

(မှတ်ချက်- မော်ဒယ်/ပေးသွင်းသူအလိုက် ဈေးနှုန်းကွာခြားမှုကြီးမားပြီး ထည့်သွင်းမှုနှင့် ထုတ်ယူမှု၏ ယူနစ်ဈေးနှုန်းသည်လည်း မကြာခဏကွဲပြားသည်။ ဤနေရာတွင် ရည်ရွယ်ချက်မှာ ဒဿမနောက်တွင် ဂဏန်းနှစ်လုံးအထိ တိကျစွာတွက်ချက်ရန်မဟုတ်ဘဲ "ပမာဏအသိ" ကို ဦးစွာတည်ဆောက်ရန်ဖြစ်သည်။)

သင်ကိုယ်တိုင် ပြန်လည်တွက်ချက်လိုပါက ဤပုံသေနည်းတစ်ခုသာ အသုံးပြုနိုင်သည် (cache/discount စသည့် အထူးစည်းမျဉ်းများကို လျစ်လျူရှုသည်)- ကုန်ကျစရိတ် ≈ (ထည့်သွင်း Token / 1,000,000) × ယူနစ်ဈေးနှုန်း_in + (ထုတ်ယူ Token / 1,000,000) × ယူနစ်ဈေးနှုန်း_out

ဤအရာသည် အလွန်အလိုလိုမသိသာပါ။ AI သည် စျေးသက်သာသည်ဟု ကျွန်ုပ်တို့အမြဲထင်ကြပြီး OpenAI သည်ပင် ဈေးလျှော့ပေးဦးမည်ဖြစ်သည်။ သို့သော် အဘယ်ကြောင့် အမှန်တကယ်အင်ဂျင်နီယာလုပ်ငန်းတွင် Token သုံးစွဲမှုသည် အဆတိုးပေါက်ကွဲ သနည်း။

ယနေ့တွင် ဤ "Token အပေါက်" နောက်ကွယ်ရှိ ယုတ္တိဗေဒကို အသေးစိတ်ခွဲခြမ်းစိတ်ဖြာပြီး ကျွန်ုပ်တို့ မည်သို့ရပ်တန့်နိုင်မည်နည်း။

၁။ အဘယ်ကြောင့် Token သည် "အဆတိုးပေါက်ကွဲ" သနည်း။

ညီအစ်ကိုများစွာသည် Token ၏ပမာဏကို လုံးဝနားမလည်ကြပါ။ သူတို့က "အိုး၊ ကုဒ်အနည်းငယ်လောက်ပဲ ပို့လိုက်တာပဲ။ ဘယ်လောက်များများရှိနိုင်မှာလဲ" လို့ ထင်ကြတယ်။

၁။ ရှင်းလင်းသောစာရင်းတစ်ခုကို တွက်ချက်ပါ

ပထမဦးစွာ အင်ဂျင်နီယာပိုင်းဆိုင်ရာ အသုံးဝင်သော အရေအတွက်အသိတစ်ခုကို တည်ဆောက်ကြပါစို့။ ပထမဦးစွာ အတိအကျပြောပါရစေ- Token သည် စကားလုံးအရေအတွက်မဟုတ်သလို စာလုံးအရေအတွက်လည်း မဟုတ်ပါ။ ၎င်းသည် မော်ဒယ်က စာသားကိုပိုင်းခြားပြီးနောက်ရရှိသော "ကုဒ်အပိုင်းအစ" ဖြစ်ပြီး မော်ဒယ်တစ်ခုနှင့်တစ်ခု tokenizer မတူညီသောကြောင့် အကွာအဝေးကိုသာပေးနိုင်ပြီး "နေရာတိုင်းတွင်အသုံးပြုနိုင်သော" ကိန်းသေတစ်ခုကို မပေးနိုင်ပါ။

အောက်ပါနံပါတ်များကို "ခန့်မှန်းစကေး" အဖြစ်သာ သဘောထားပါ (ရည်ရွယ်ချက်မှာ ပမာဏကိုဆုံးဖြတ်ရန်၊ ကုန်ကျစရိတ်ကိုခန့်မှန်းရန်နှင့် ဆုံးရှုံးမှုကိုရပ်တန့်ရန် ဆုံးဖြတ်ချက်များချရန်ဖြစ်သည်)-

• တရုတ်စာလုံး ၁ လုံး- အများအားဖြင့် Token ၁-၂ ခု (အကြိမ်ရေမြင့်စာလုံးများသည် ၁ နှင့်ပိုနီးစပ်ပြီး ရှားပါးသောစာလုံးများ/ပေါင်းစပ်မှုများသည် ၂-၃ သို့ပိုမိုလွယ်ကူသည်)

• အင်္ဂလိပ်စကားလုံး ၁ လုံး- အများအားဖြင့် Token ၁.၂-၁.၅ ခန့် (အကြမ်းဖျင်းခန့်မှန်းရန် ၁.၃ ကိုလည်းသုံးနိုင်သည်)

• ကုဒ် ၁ ကြောင်း ≈ Token ၁၀-၅၀ (indentation, မှတ်ချက်များ, အမျိုးအစားကြေငြာချက်များပါဝင်သည်)

• ရိုးရှင်းသောလုပ်ငန်းယုတ္တိဗေဒ ≈ Token ၁၂-၂၀

• အမျိုးအစားမှတ်ချက်များ, interface, JSDoc, 4-space indentation ပါဝင်သော ≈ Token ၂၀-၃၅

• import / decorator / မှတ်ချက်များ အများအပြားပါဝင်သော ≈ Token ၃၀-၅၀+

• source file ၁ ခု (၄၀၀-၆၀၀ ကြောင်း, ခေတ်မီ TS/Java ပရောဂျက်) ≈ Token ၄,၀၀၀-၂၄,၀၀၀ သည် အလွန်အဖြစ်များသည် (အလယ်အလတ် ≈ ၁၂,၀၀၀-၁၈,၀၀၀)

• အလယ်အလတ်ပရောဂျက် ၁ ခု (source file ၁၀၀-၂၀၀, src/ ကိုသာရေတွက်သည်, node_modules/ / generated code မပါဝင်ပါ)

• အဓိက source code ကို "တစ်ခေါက်ဖတ်ခြင်း" သည် Token သန်းချီမှစတင်လေ့ရှိသည်

• စမ်းသပ်မှုများ, configuration, script, မှီခိုကြေငြာချက်များ, log များကိုပါ ထည့်သွင်းပါက Token သန်းပေါင်းများစွာသည် မဆန်းတော့ပါ

ယခုခေတ်၏ frontend ပရောဂျက်များသည် TypeScript များဖြစ်ပြီး ရှုပ်ထွေးသော Interface definitions များဖြင့် ပြည့်နှက်နေသည်။ သို့မဟုတ် Java ဖြစ်ပြီး import ကြောင်းရေ ၅၀ ခန့်ပါဝင်သည်။ ဤ "ပုံစံကုဒ်" များသည် Token လူသတ်သမားများဖြစ်သည်။ အလယ်အလတ်ပရောဂျက်တစ်ခုတွင် ဖိုင် ၁၀၀ ပါဝင်ပါက AI ကို "ကုဒ်ကိုဖတ်ခိုင်းခြင်း" ဖြင့်ပင် Token သန်း ၁၀၀ ကို တိုက်ရိုက်ဖျက်ဆီးနိုင်သည်။

၂။ Token ၏ "နှင်းဘောလုံး" အကျိုးသက်ရောက်မှု

Token သုံးစွဲမှုတွင် အဆိုးဆုံးမှာ တစ်ကြိမ်တည်းပြောဆိုခြင်းမဟုတ်ဘဲ အကြိမ်ပေါင်းများစွာပြောဆိုရာတွင် ဆက်စပ်အကြောင်းအရာများ စုပုံလာခြင်းဖြစ်သည်။

LLM ၏ လုပ်ဆောင်မှုပုံစံသည် အခြေအနေမဲ့ ဖြစ်သည်။ AI သည် သင်ယခင်ကပြောခဲ့သည်ကို မှတ်မိစေရန်အတွက် စနစ်သည် များသောအားဖြင့် "စနစ်အချက်ပြစကားလုံး + ယခင်ပြောဆိုမှုမှတ်တမ်း + သင်ကိုးကားထားသော ဖိုင်/ကုဒ်အပိုင်းအစ + ကိရိယာခေါ်ဆိုမှုရလဒ် (ဥပမာ ရှာဖွေမှုရလဒ်များ၊ အမှားမှတ်တမ်းများ)" အားလုံးကို စုစည်းပြီး မော်ဒယ်သို့ ပေးပို့သည်။ သင်သည် တစ်ကြောင်းတည်းသာမေးသည်ဟုထင်သော်လည်း သင်သည် "ဆက်စပ်အကြောင်းအရာအစုအဝေးတစ်ခုလုံး" အတွက် ထပ်ခါထပ်ခါ ငွေပေးချေနေခြင်းဖြစ်သည်။

• ပထမအကြိမ်- Token ၁၀,၀၀၀ ပို့ပြီး AI က ၁,၀၀၀ ပြန်ဖြေသည်။

• ဒုတိယအကြိမ်- (၁၀,၀၀၀ + ၁,၀၀၀ + မေးခွန်းအသစ်) ပို့ပြီး AI က ပြန်ဖြေသည်...

• ၁၀ ကြိမ်မြောက်- သင်၏ Context သည် Token ၂၀၀,၀၀၀ အထိ ကြီးထွားသွားနိုင်သည်။

ထိုအချိန်တွင် သင်သည် "variable အမည်တစ်ခုကို ပြောင်းပေးပါ" ဟု မေးရုံဖြင့်ပင် Token ၂၀၀,၀၀၀ ၏ ကုန်ကျစရိတ်ကို သုံးစွဲနေရသည်။ ထို့ကြောင့် သင်ဘာမှမလုပ်ရသေးဟုထင်သော်လည်း ဘေလ်က အလွန်အမင်းမြင့်တက်နေခြင်းဖြစ်သည်။

ပိုဆိုးသည်မှာ Agent မော်ဒယ်သည် "ဖိုင်များကို တက်ကြွစွာဖတ်ရှုမည်" ဖြစ်သည်။ သင်သည် "user module ကို optimize လုပ်ပေးပါ" ဟုပြောလိုက်သည်နှင့် ၎င်းသည် သက်ဆိုင်ရာ directory ကို အရင်စကင်ဖတ်ပြီး မှီခိုမှုများအထိ လိုက်သွားကာ configuration အထိ လိုက်သွားကာ စမ်းသပ်မှုများအထိ လိုက်သွားသည်... ၎င်းသည် ပျင်းရိနေခြင်းမဟုတ်ဘဲ "ပုံမှန်မူဝါဒအတိုင်း တာဝန်ကျေပွန်စွာလုပ်ဆောင်နေခြင်း" ဖြစ်ပြီး ပုံမှန်မူဝါဒမှာ များသောအားဖြင့် များများဖတ်၊ များများစမ်း၊ များများထပ်လုပ် ဖြစ်သည်။

၂။ ပျင်းရိခြင်းနှစ်မျိုးသည် သင်၏ အင်ဂျင်နီယာစွမ်းရည်ကို ဖျက်ဆီးနေသည်

မှတ်ချက်ကဏ္ဍရှိ "Token ဘီလီယံသုံးစွဲသူ" အချို့ကို ပြန်လည်သုံးသပ်ပြီးနောက် Token မြင့်တက်ရခြင်း၏ အရင်းအမြစ်သည် AI ၏ သုံးစွဲမှုယန္တရားပြဿနာသာမက လူ၏ ပျင်းရိမှု နှင့်လည်း ဆက်စပ်နေကြောင်း တွေ့ရှိခဲ့သည်။

အောက်တွင် ပုံမှန် "အတွေးအခေါ်ပျင်းရိခြင်း" နှစ်မျိုးရှိသည်။

ပျင်းရိခြင်းတစ်မျိုး- လက်လွှတ်စပယ်ပုံစံ

သင်သည် ဤစိတ်ထားမျိုးရှိပါသလား။

• "ဒီပရောဂျက်ဟောင်းက အရမ်းရှုပ်ထွေးနေတာပဲ၊ ယုတ္တိဗေဒကို ကြည့်ဖို့ ပျင်းတယ်၊ AI ကို တိုက်ရိုက်ပေးလိုက်တာပဲ ကောင်းတယ်။"

• "Cursor မှာ Agent မော်ဒယ်ထွက်လာပြီ၊ အရမ်းကောင်းတာပဲ၊ သူ့ဘာသာသူ Bug တွေကို ပြင်ခိုင်းလိုက်တာပဲ ကောင်းတယ်။"

ထို့ကြောင့် သင်သည် src ဖိုင်တွဲတစ်ခုလုံးကို Agent သို့ ပေးပို့ပြီး ညွှန်ကြားချက်တစ်ခုကို ပေးလိုက်သည်- "user module ကို optimize လုပ်ပေးပါ။" Agent က စတင်လုပ်ဆောင်သည်-

• ၎င်းသည် ဖိုင် ၅၀ ကို ဖတ်ရှုသည် (Token ၅၀၀,၀၀၀ သုံးစွဲသည်)။

• ၎င်းသည် utils ကို ကိုးကားထားကြောင်း တွေ့ရှိပြီး tool class ကို သွားဖတ်သည် (Token ၂၀၀,၀၀၀ သုံးစွဲသည်)။

• ၎င်းသည် ပြင်ဆင်ရန် ကြိုးစားသော်လည်း အမှားပေါ်လာပြီး အမှားမှတ်တမ်းကို ဖတ်ရှုသည် (Token ၁၀၀,၀၀၀ သုံးစွဲသည်)။

• ၎င်းသည် ပြန်လည်ပြုပြင်ရန် ကြိုးစားသော်လည်း အမှားထပ်ပေါ်လာသည်...

၎င်းသည် အမှားရှာဖွေခြင်းကို အဆက်မပြတ်ကြိုးစားနေပြီး Token ကို အဆက်မပြတ်သုံးစွဲနေသည်။ သင်ကော? သင်သည် ဖုန်းကိုပွတ်ဆွဲနေပြီး သင်၏ထိရောက်မှုသည် အလွန်မြင့်မားသည်ဟု ခံစားနေရသည်။ အမှန်တရားမှာ သင်သည် ငွေကြေးဖြင့် "အတုအယောင်ထိရောက်မှု" ကို လဲလှယ်နေခြင်းဖြစ်ပြီး နောက်ပိုင်းတွင် သင်ထိန်းသိမ်းနိုင်စွမ်းမရှိသော ကုဒ်များကို ထုတ်လုပ်နေခြင်းဖြစ်သည်။

ပိုမိုတိကျစွာပြောရလျှင် ဤတွင် ဆုံးရှုံးမှုအလွှာနှစ်ခုရှိသည်။

• ကုန်ကျစရိတ်အလွှာ- ထည့်သွင်း Token ကြီးမားလာခြင်း၊ ထပ်တလဲလဲလုပ်ဆောင်မှုများ များပြားလာခြင်း၊ ကုန်ကျစရိတ်များ တဖြည်းဖြည်းမြင့်တက်လာခြင်း

• အင်ဂျင်နီယာအလွှာ- သင်သည် ဆက်စပ်အကြောင်းအရာနှင့် ဆုံးဖြတ်ပိုင်ခွင့်ကို ဆုံးရှုံးသွားပြီး နောက်ဆုံးတွင် "အလုပ်လုပ်လျှင်ပြီးရော" ဟူသော ထိန်းချုပ်မရသောစနစ်သာ ကျန်တော့သည်

ပျင်းရိခြင်းနှစ်မျိုး- ရောထွေးပုံစံ

Bug တစ်ခုတွေ့သောအခါ AI သို့ မည်သို့ပေးပို့သနည်း။ အမှား console တစ်ခုလုံးကို Ctrl+A ဖြင့် တိုက်ရိုက်ကူးယူပါသလား သို့မဟုတ် AI ကို ကိုယ်တိုင်ရှာဖွေခိုင်းရန် @Codebase ကို တိုက်ရိုက်သုံးပါသလား။

ဤသည်ကို "ရောထွေးခြင်း" ဟုခေါ်သည်။ သင်သည် ပြဿနာ၏အဓိကအချက်ကို ရှာဖွေရန် ပျင်းရိပြီး အဓိကကုဒ်အပိုင်းအစများကို စစ်ထုတ်ရန် ပျင်းရိသည်။ သင်သည် ၉၉% သော အသုံးမဝင်သောအချက်အလက်များ (ဆူညံသံ) နှင့် ၁% သော အသုံးဝင်သောအချက်အလက်များ (အချက်ပြ) ကို AI သို့ တစ်ပြိုင်နက်တည်း ပေးပို့သည်။

AI သည် ချဲ့ထွင်ကိရိယာတစ်ခုနှင့်တူသည်။

• သင်သည် ၎င်းအား ရှင်းလင်းသောယုတ္တိဗေဒ (အချက်ပြ) ကိုပေးပါက ၎င်းသည် သင်၏ဉာဏ်ပညာကို ချဲ့ထွင်ပေးပြီး Token ကို အနည်းငယ်သာသုံးစွဲကာ ရလဒ်ကောင်းများရရှိသည်။

• သင်သည် ၎င်းအား ရှုပ်ထွေးပြီး မရေရာသောအရာများကို ပေးပါက ၎င်းသည် သင်၏ရှုပ်ထွေးမှုကို ချဲ့ထွင်ပေးပြီး Token သည် အလွန်အမင်းမြင့်တက်ကာ အမှိုက်များကို ထုတ်လုပ်သည်။

၃။ ဖြေရှင်းနည်း- AI ကို ထိရောက်စွာအသုံးပြုနည်း၊ Token သုံးစွဲမှုကို လျှော့ချနည်း

သင်၏ပိုက်ဆံအိတ်ကို ကာကွယ်လိုပါက သင်၏ အင်ဂျင်နီယာထိန်းချုပ်ပိုင်ခွင့် ကို ထိန်းသိမ်းရန် ပိုအရေးကြီးပြီး AI နှင့် သင်၏ပူးပေါင်းဆောင်ရွက်မှုပုံစံကို ပြောင်းလဲရမည်ဖြစ်သည်။

၁။ အနည်းဆုံးဆက်စပ်အကြောင်းအရာမူ

ဤသည်မှာ AI ပရိုဂရမ်ရေးဆွဲခြင်း၏ ပထမဆုံးမူဖြစ်သည်။ AI အား လက်ရှိပြဿနာကို ဖြေရှင်းရန် သက်ဆိုင်ရာ အနည်းဆုံးကုဒ်အစုကိုသာ အမြဲပေးပါ။

Cursor တွင် ဤလုပ်ဆောင်ချက်များကို ကောင်းစွာအသုံးပြုပါ-

• @File- ဖိုင်တွဲတစ်ခုလုံးအစား သက်ဆိုင်ရာဖိုင်များကိုသာ ကိုးကားပါ။

• Ctrl+L ကုဒ်ကိုရွေးချယ်ပါ- ဖိုင်တစ်ခုလုံးအစား cursor ဖြင့်ရွေးချယ်ထားသော ကုဒ် ၅၀ ကြောင်းကိုသာ Chat သို့ ပေးပို့ပါ။

• @Docs- ပြင်ပစာကြည့်တိုက်များအတွက် မှန်းဆခိုင်းမည့်အစား စာရွက်စာတမ်းများကို ကိုးကားပါ။

ဤသည်မှာ ကျွန်ုပ်အမြဲအသုံးပြုသော ဖွဲ့စည်းတည်ဆောက်ထားသော၊ ပြန်လည်အသုံးပြုနိုင်သော SOP ဖြစ်သည် (သင်လိုက်နာပါက Token သည် မျက်စိဖြင့်မြင်နိုင်လောက်အောင် ကျဆင်းသွားမည်ဖြစ်သည်)-

ဤစကား၏ဆိုလိုရင်းမှာ AI နှင့် ပူးပေါင်းဆောင်ရွက်သောအခါ ထိရောက်မှုနှင့် တိကျမှုကို ဂရုပြုရမည်ဖြစ်သည်။ အသေးစိတ်လုပ်ဆောင်ပုံမှာ အောက်ပါအတိုင်းဖြစ်သည်။

• ဦးတည်ချက်ကို ရှင်းလင်းပါ- AI အား လက်ရှိပြဿနာနှင့် လိုချင်သောရလဒ်ကို တိုတိုနှင့် တိတိကျကျပြောပြပါ၊ ၎င်းအား မှန်းဆခိုင်းခြင်းမပြုပါနှင့်။

• ပြဿနာကို အနည်းဆုံးဖြစ်အောင် ပြန်လည်ဖော်ထုတ်ပါ- ပြဿနာကို အလွယ်ကူဆုံးနည်းလမ်းဖြင့် ပြန်လည်ဖော်ထုတ်နိုင်ပါက ရှုပ်ထွေးသောနည်းလမ်းကို အသုံးမပြုပါနှင့်၊ အနည်းဆုံးနှင့် အရေးကြီးသောကုဒ်ကို ကူးထည့်ပါ၊ မသက်ဆိုင်သောအကြောင်းအရာများစွာကို မထည့်ပါနှင့်။

• အနည်းဆုံးလိုအပ်သောအချက်အလက်ကို ပေးပါ- သက်ဆိုင်ရာဖိုင် ၁-၃ ခု၊ အဓိကလုပ်ဆောင်ချက်များနှင့် အမှားအစု၏ ပထမဆုံးအတန်းအနည်းငယ်ကိုသာ ပေးပါ၊ အချက်အလက်အားလုံးကို မပေးပါနှင့်။

• ပြောင်းလဲမှုအမှတ်ကို ပြန်ပေးရန် တောင်းဆိုပါ- AI အား မည်သည့်နေရာကို ပြောင်းလဲရမည်၊ အဘယ်ကြောင့်ပြောင်းလဲရမည်ကိုသာ ပြောပြခိုင်းပါ၊ ကုဒ်တစ်ခုလုံးကို အကျယ်တဝင့်ပြန်ရေးခိုင်းခြင်းမပြုပါနှင့်။

• နောက်ဆုံးတွင် သင်ကိုယ်တိုင်စစ်ဆေးပါ- ပြောင်းလဲမှုသည် အခြားနေရာများကို မထိခိုက်စေကြောင်း သေချာစေရန် အတိုဆုံးအတည်ပြုချက်ကို ပြုလုပ်ပါ။

အတိုချုပ်ပြောရလျှင် အနည်းဆုံးနှင့် အရေးကြီးဆုံးအချက်အလက်ကို အသုံးပြု၍ AI အား လုပ်ဆောင်ခိုင်းပြီး နောက်ဆုံးထိန်းချုပ်ပိုင်ခွင့်နှင့် ဆုံးဖြတ်ပိုင်ခွင့်ကို ထိန်းသိမ်းထားပါ။

၂။ အရေးကြီးဆုံးမှာ- စဉ်းစားပါ၊ ထို့နောက် Prompt လုပ်ပါ၊ စီစဉ်ပါ၊ ထို့နောက် လုပ်ဆောင်ပါ

Enter ခလုတ်ကို မနှိပ်မီ ၁၀ စက္ကန့်ကြာ ရပ်တန့်ပြီး မိမိကိုယ်ကို မေးခွန်းသုံးခုမေးပါ-

• ကျွန်ုပ်သည် မည်သည့်ပြဿနာကို ဖြေရှင်းနေသနည်း။ (နယ်နိမိတ်ကို သတ်မှတ်ပါ)

• ဤပြဿနာသည် မည်သည့်အဓိက module များနှင့် သက်ဆိုင်သနည်း။ (Context ကို စစ်ထုတ်ပါ)

• ကျွန်ုပ်ကိုယ်တိုင်ရေးမည်ဆိုလျှင် မည်သို့ရေးမည်နည်း။ (အကြံဥာဏ်ပေးပါ)

သင်သည် ၁ ဖြစ်ပြီး AI သည် နောက်ကွယ်မှ ၀ ဖြစ်သည်။ ၁ သည် မခိုင်မာပါက နောက်ကွယ်မှ ၀ မည်မျှများပြားစေကာမူ အဓိပ္ပာယ်မဲ့သော သုံးစွဲမှုသာဖြစ်လိမ့်မည်။

ရင်ထဲကစကားအနည်းငယ်

"တစ်ရက်လျှင် Token ဘီလီယံသုံးစွဲခြင်း" ဇာတ်လမ်းသည် လူတိုင်းတွင် ဖြစ်ချင်မှဖြစ်မည်။ သို့သော် Token ကို ဖြုန်းတီးသောလုပ်ရပ်ကို AI ပရိုဂရမ်ရေးဆွဲခြင်းကို အသုံးပြုသော ပရိုဂရမ်မာတိုင်းနီးပါး ကြုံတွေ့ဖူးကြသည်။

AI သည် ပရိုဂရမ်ရေးဆွဲခြင်းကို ပိုမိုလွယ်ကူစေသော်လည်း အတားအဆီးများရှိနေသေးသည်။ အမှန်တကယ်အသုံးပြုတတ်သူများသည် အားသာချက်ကို ရရှိလိမ့်မည်။

ယခင်က သင်ရေးသားခဲ့သော ညံ့ဖျင်းသောကုဒ်သည် လုပ်ဖော်ကိုင်ဖက်များကိုသာ "ရွံရှာစေမည်" ဖြစ်သည်။ ယခု သင်၏ပျင်းရိမှုသည် တိုက်ရိုက်ဘေလ်ပေါ်ရှိ ဂဏန်းများအဖြစ် ပြောင်းလဲသွားပြီး မြင့်တက်လာသောကုန်ကျစရိတ်ဖြင့် သင့်ကိုယ်သင် အပြစ်ပေးလိမ့်မည်။ ဒါကြောင့် "လက်ရှောင်နေသူ" မဖြစ်ပါစေနဲ့။ နက်နက်ရှိုင်းရှိုင်းစဉ်းစားပါ၊ တိကျစွာဖော်ပြပါ၊ စီစဉ်ပြီးမှလုပ်ဆောင်ပါ AI ဗိသုကာပညာရှင်တစ်ဦးဖြစ်ပါစေ။ ဒါကလည်း ဒီခေတ်မှာကျွန်တော်တို့ရဲ့ အကြီးမားဆုံး အစားထိုးမရနိုင်တဲ့အရာပါ။