注: 以下の翻訳の正確性は検証されていません。AIPを利用して英語版の原文から機械的に翻訳されたものです。
システムの整合性を維持し、結果を最適化しながら AI FDE を効果的に活用するために、以下のベストプラクティスを確認してください。
生成されたリソースを本番環境に導入する前に、必ず検証してください。この検証プロセスでは、生成されたすべてのコードをレビューし、正確性と組織の標準への準拠を確認する必要があります。
代表的なサンプルデータを使って変換ロジックをテストし、さまざまな条件下で期待どおりに動作することを確認します。AI FDE はデフォルトでブランチ上で変更を行い、レビューのために Global Branch の提案またはコードリポジトリのプルリクエストで変更を提案します。
使用するツールとその設定によっては、AI FDE はアクションを実行する前にツールの使用承認を求める場合があります。承認する前に、モデルが実行しようとしているアクションを理解し、使用するツールを確認してください。
特定のタスクに不可欠なコンテキストとツールのみをモデルに渡すことを推奨します。不要なコンテキストやツールを渡すと、最適ではないアクションや誤ったアクションにつながる可能性があります。利用可能なツールを特定のタスクに必要なものだけに制限し、最も関連性の高いコンテキストだけを含めることで、混乱やエラーの可能性を減らせます。ツールとコンテキストを制限すると、AI FDE の効率と精度が向上するだけでなく、機密性の高い操作や情報へのアクセスを最小限に抑えることで、セキュリティも強化できます。
複雑な操作は、より小さく管理しやすいステップに分解する必要があります。基本的な構造から始め、コンポーネントを検証するごとに段階的に複雑にしていくことを推奨します。
AI FDE は迅速なプロトタイピングに特に効果的で、さまざまなアプローチをすばやく探索できます。本番環境で使える品質の実装を作成するには、AI が生成した基盤と手動での開発を組み合わせて、微調整と最適化を行います。
AIP Evals を使用して、AI FDE が作成または変更した関数のパフォーマンスを評価し、追跡します。LLM を利用する関数の評価スイートを作成すると、変更の影響を経時的に測定し、さまざまなアプローチを比較できます。これは、AI FDE を使って関数を反復的に開発する際に特に役立ちます。変更によってパフォーマンスが向上したか低下したかについて、定量的なフィードバックが得られるためです。
AI FDE を使用する際は、人間の開発者との操作パターンの違いを認識することが重要です。人間の開発者は通常、操作を1つずつ実行し、操作の合間に考える時間を取ったり、休憩したりします。一方、AI FDE は操作の間隔をわずか数秒にとどめ、立て続けに操作を実行できます。その結果、数分で数十件の操作が実行され、タスクが完了するまで継続的に動作することがあります。複数の AI FDE セッションが並列で動作する場合、インフラストラクチャへの全体的な影響はさらに大きくなります。これにより、人間の操作のように、よりゆっくりと順番に進むペースでは対処できていたインフラストラクチャのボトルネックが顕在化する可能性があります。
次の項目を慎重に検討してください。
AI FDE の使用には、高頻度の並列操作、継続的なコンピューティング負荷、ネットワーク活動の増加、ストレージ需要の拡大に対応できるインフラストラクチャが必要になる場合があります。