मैं AI ब्रेन फ्राय से कैसे लड़ता हूँ
AI कोडिंग एजेंट्स पर बढ़ती निर्भरता कई डेवलपर्स को संज्ञानात्मक रूप से बोझिल महसूस करा रही है, क्योंकि उन्हें कई लंबे चलने वाले सत्र, लगातार कॉन्टेक्स्ट स्विचिंग, और समीक्षा के लिए बड़े AI-जनित कोड परिवर्तन संभालने पड़ते हैं। टिप्पणीकार तरह-तरह की coping strategies सुझाते हैं—कानबन-शैली queues, सख़्त task scoping, समानांतर काम सीमित करना, या generation के बजाय AI का उपयोग मुख्यतः explanation या review के लिए करना—जबकि दूसरे लोग बस अधिक idle time और breaks को स्वीकार करने की सलाह देते हैं। AI-लिखी prose और “slop” सामग्री पर skepticism की एक मजबूत धारा भी दिखती है, जो गहरी समझ के क्षरण, एकरूप लेखन-शैली, और ऐसी संस्कृति को लेकर व्यापक चिंताओं को दर्शाती है जो विचारशील काम की बजाय गति और automation को प्राथमिकता देती है.
“AI ब्रेन फ्राय” की वास्तविकता
- कई टिप्पणीकार कहते हैं कि AI-भरे वर्कफ़्लो से होने वाली संज्ञानात्मक थकावट वास्तविक है, खासकर अनुभवी प्रोग्रामरों के लिए जो अब पारंपरिक इंटरव्यू या गहरे काम के लिए तैयार महसूस नहीं करते।
- दूसरे लोग तर्क देते हैं कि घबराहट बढ़ा-चढ़ाकर बताई जा रही है: समस्या-समाधान की क्षमताओं का अभ्यास कई तरीकों से किया जा सकता है, और मुख्य रूप से जो चीज़ मुरझाती है वह कोडिंग फ्लुएंसी है, न कि सामान्य बुद्धि।
- कई लोग कच्ची संज्ञानात्मक क्षमता और सोचने-समझने की उच्च-स्तरीय आदतों के बीच फर्क करते हैं, जिन्हें वे एजेंट्स को बहुत अधिक आउटसोर्स करने पर अधिक जोखिम में देखते हैं।
मल्टीटास्किंग, कॉन्टेक्स्ट स्विचिंग, और उत्पादकता
- मुख्य तनाव: कई एजेंट सत्र समानांतर चलाना बनाम एक ही काम पर ध्यान देना।
- कुछ लोग 10–30 समवर्ती एजेंट चलाते हैं, इसे एक टीम मैनेज करने या एक साथ कई शतरंज खेल खेलने जैसा बताते हैं; उनका कहना है कि ध्यान बड़े संदर्भ को थामे रखने के बजाय तेज, स्थानीय निर्णयों पर टिकता है।
- दूसरे लोग खुद को 1–3 सक्रिय कार्यों तक सीमित रखते हैं, और बेहतर फोकस, कम थकान, तथा अक्सर समान या अधिक प्रभावी थ्रूपुट की रिपोर्ट करते हैं।
- कई लोग नोट करते हैं कि कॉन्टेक्स्ट स्विचिंग उत्पादक लगती है, लेकिन अक्सर कुल डिलीवरी धीमी कर देती है, खासकर बड़े PRs और समीक्षा-भार के कारण।
वर्कफ़्लोज़, टूल्स, और “एजेंट्स के लिए कानबन”
- सामान्य पैटर्न: एजेंट्स को टिकट, कानबन बोर्ड, या git में रहने वाली issue files के जरिए प्रबंधित टीम-मेंबर्स की तरह ट्रीट करना।
- लोग विशेष टूल बनाते हैं (TUI/GUI बोर्ड, लोकल issue trackers, “your turn / AI’s turn” queues) या GitHub/Jira/markdown/org-mode को सत्र, निर्णयों, और स्थिति को ट्रैक करने के लिए अपनाते हैं।
- कई लोग छोटे, अच्छी तरह सीमित कार्यों, स्पष्ट स्पेसिफिकेशन्स, और काम शुरू होने से पहले “ग्रिलिंग” (Q&A) पर ज़ोर देते हैं ताकि बीच के व्यवधान कम हों।
AI लेखन शैली और बैकलैश
- ब्लॉग की आंशिक रूप से AI-जनित गद्य-शैली पर तीखी नकारात्मक प्रतिक्रिया; कई लोग कहते हैं कि वे मॉडल-शैली को “सूँघ” सकते हैं और उसे लंबा, घिसा-पिटा, और अमानवीय पाते हैं।
- कुछ लोग तर्क देते हैं कि AI-लिखे ब्लॉग पोस्ट कम मेहनत का संकेत हैं और भरोसा कम करते हैं; कुछ तो कहते हैं कि वे “AI slop” पहचानते ही पढ़ना बंद कर देते हैं।
- दूसरे लोग उदासीन हैं: अगर पाठ विचार पहुँचा देता है, तो उन्हें फर्क नहीं पड़ता कि उसे किसी मॉडल ने ड्राफ्ट किया था या नहीं, खासकर गैर-साहित्यिक लेखन के लिए।
कोड की गुणवत्ता, गति, और मानवीय समझ
- LLMs ड्राफ्टिंग कोड, टेस्ट्स, और रिफैक्टरिंग को बहुत तेज़ कर देते हैं, लेकिन समीक्षक brittle abstractions और tech-debt seams की रिपोर्ट करते हैं, जिन्हें अभी भी पर्याप्त मानवीय छँटाई की ज़रूरत होती है।
- एक बार-बार उठने वाली चिंता: आप AI-लिखे कोड को अपने कोड की तरह आत्मसात नहीं करते, जिससे दीर्घकालिक समझ कमजोर होती है।
- तेज़ मॉडल समानांतरकरण की इच्छा कम करते हैं, लेकिन बाहरी bottlenecks (builds, tests, CI, tools) “agent wait time” को फिर भी महत्वपूर्ण बनाए रखते हैं।
मानवीय सीमाएँ और सांस्कृतिक सवाल
- कई टिप्पणियाँ सुझाव देती हैं कि “agent thinking time” को एक ब्रेक की तरह उपयोग किया जाए—पढ़ना, टहलना, संगीत, चिंतन—न कि और काम शुरू करने के लिए।
- कुछ लोग उद्योग की हर कीमत पर गति वाली संस्कृति का प्रतिरोध करने का आह्वान करते हैं, गहरे फोकस, किताबें पढ़ने, और कम लेकिन बेहतर करने पर ज़ोर देते हैं।