Written with AI assistance from the source video. The video is the authority.
Log in to leave a comment
No posts yet
एक सीनियर इंजीनियर के रूप में, Claude Code जैसे AI एजेंटों को अपनाते समय सबसे बड़ी बाधा नियंत्रण खोना है। जिस क्षण AI प्रोडक्शन वातावरण के जटिल लॉजिक को अपनी मर्जी से संशोधित करता है या अनपेक्षित फाइलों में बदलाव करता है, रिकवरी की लागत तेजी से बढ़ती जाती है। मैं AI की दक्षता का लाभ उठाते हुए कोडबेस की अखंडता बनाए रखने के लिए एक विशिष्ट रक्षा तंत्र साझा कर रहा हूँ।
आपको AI एजेंट को पूरे कोड में मनमानी करने से रोकना होगा। प्रोजेक्ट रूट में एक्सेस प्रतिबंध सेटिंग्स को स्पष्ट करके AI की पहुंच को जबरन भौतिक अलगाव (physical isolation) के दायरे में रखें।
--no-verify जैसे बाध्यकारी कमांड का उपयोग न किया जा सके।यह पूर्व-रोकथाम दृष्टिकोण AI द्वारा अनजाने में मुख्य व्यावसायिक लॉजिक को छूने से होने वाले रिग्रेशन बग को कम करता है, और परिणामस्वरूप वार्षिक कोड संशोधन प्रयासों को लगभग 20% कम करता है।
यदि मानव द्वारा लिखा गया कोड और AI द्वारा बनाया गया कोड आपस में मिल जाते हैं, तो भविष्य में रखरखाव असंभव हो जाता है। Git नोट्स का उपयोग करके लेखन के स्रोत को अलग करने से समीक्षा दक्षता में भारी सुधार होता है।
इस तरह AI द्वारा छोड़े गए काम को वास्तविक समय में ट्रैक करने से, कोड समीक्षा के दौरान AI द्वारा उत्पन्न क्षेत्रों को प्राथमिकता के आधार पर अलग किया जा सकता है, जिससे समीक्षा समय में 30% की कमी आती है।
यदि आप AI को सभी फाइलें दिखाते हैं, तो लागत केवल बेतहाशा बढ़ेगी। यदि आप संदर्भ को डोमेन लॉजिक इकाइयों में विभाजित करते हैं और इसे पास करते हैं, तो अनावश्यक टोकन खपत को रोका जा सकता है।
यह संरचनात्मक दृष्टिकोण AI को संदर्भ समझने के लिए आवश्यक टोकन लागत को 40% तक कम कर देता है।
आपको यह जांचना होगा कि AI द्वारा सुझाया गया कोड सुरक्षा नीतियों का उल्लंघन तो नहीं करता है। बाहरी हस्तांतरण से पहले एक स्थानीय सैंडबॉक्स में सत्यापन लूप पास करने की संरचना बनाएँ।
सुरक्षा की दृष्टि से यह अधिक सुरक्षित है कि जिस कोड ने स्वचालित गेटवे को पास नहीं किया है, उसे कमिट करने से ही रोक दिया जाए।