Το γεγονός αυτό με δυσκόλευε να αλλάξω από την καθιερωμένη πεπατημένη, γνωστή και ως Django ή, για πιο low-level projects, C++, που είχα στο μυαλό μου. Το αποτέλεσμα ήταν να μην αλλάζω τόσο συχνά framework ή, όταν το έκανα, να μου φαίνεται βουνό.
Και αυτό το βουνό οδηγούσε πολλές φορές και στη μη εκπλήρωση του στόχου ή της ιδέας μου.
Όχι επειδή η ιδέα δεν άξιζε.
Αλλά επειδή η αρχή ήταν κουραστική.
Πριν καν φτάσω στο ενδιαφέρον κομμάτι του project, έπρεπε να περάσω από dependencies, configuration files, errors.
Όσες φορές και όσα template και να είχα έτοιμα πάντα έκανα λάθη και μου κατανάλωναν χρόνο.
Αυτό πολλές φορές σκότωνε τον motivation.
Γιατί άλλο είναι να έχεις μια ιδέα στο μυαλό σου και να θέλεις να τη δεις να παίρνει μορφή, και άλλο να περνάς δύο μέρες διαβάζοντας documentation.
Εκεί ακριβώς θεωρώ ότι το AI βοηθάει.
Δεν μου δίνει απαραίτητα την τελική λύση.
Μου δίνει όμως μια αρχή.
Και πολλές φορές, η αρχή είναι το πιο δύσκολο κομμάτι ή όπως έλεγαν κάποτε “Αρχή ήμισυ παντός”.
Σήμερα, μπορώ να περιγράψω μια ιδέα σε ένα AI εργαλείο και να ζητήσω μια αρχική δομή. Μπορώ να πω:
“Θέλω να φτιάξω ένα μικρό web app με Next.js, TypeScript, Tailwind και ένα απλό backend API.”
Ή:
“Θέλω ένα real-time chat με Socket.IO και responsive UI.”
Και μέσα σε λίγα λεπτά μπορώ να έχω μια πρώτη εικόνα του τι θα ανεβάσω στο git.
Με αυτό το τρόπο και με την καθογήση του AI δημιουργώ και η δημιουργία προσφέρει πίσω σε projectakia για ένταξη στο portofolio
Γιατί το portfolio δεν εμπλουτίζεται μόνο με τεράστιες εφαρμογές. Εμπλουτίζεται και με μικρότερα projects που δείχνουν σκέψη, πειραματισμό, τεχνολογική ποικιλία και ικανότητα επίλυσης προβλημάτων. Επίσης στις μέρες μας δεν υπάρχει ντροπή να λέμε ότι κάνουμε χρήση AI . Αντιθέτως πρέπει . Παλαιότερα περνάμε λύσεις από το StackOverFlow τώρα από το ΑΙ
Κανένα project ( ειδικά ολοκληρωμένο ) δεν είναι μικρό , δείχνει επιμονή και στοχοπροσήλωση.
Μπορεί να δείχνει ότι ξέρεις να δουλεύεις με APIs.
Ότι καταλαβαίνεις από databases , system distribution κλπ.
Ότι μπορείς να κάνεις deploy σε ένα VPS.
Γενικά δείχνει την σφαιρικότητα της σκέψεις.
Με το ΑΙ βέβαια πρέπει να προσέχεις διπλά για τα bugs.
Ένα χαρακτηριστικό παράδειγμα για μένα είναι το WeatherChat ( open-source στο github ).
Η ιδέα ήταν απλή στην αρχή: ένα public chat όπου οι χρήστες εμφανίζονται μαζί με τον καιρό της περιοχής τους. Κάτι σαν συνομιλία ανθρώπων από διαφορετικά μέρη, κάτω από διαφορετικούς ουρανούς.
Ακούγεται απλό.
Αλλά στην πράξη άγγιζε αρκετά τεχνικά κομμάτια.
Geolocation API, weather API, reverse geocoding, manual location search, Socket.IO, responsive layout, privacy consent, localStorage, deployment με PM2 και Nginx, SSL, mobile fixes και αρκετό debugging.
Με τη βοήθεια του AI, μπόρεσα να επιταχύνω την υλοποίηση του.
Το πέτυχα σπάζοντας σε μικρά tasks που με βοήθησε το AI ( κυρίως UI γιατί στο backend μας αρεσουν τα κουτάκια )
Και αυτό είναι κάτι που το AI κάνει πολύ καλά: βοηθάει να μετατρέψεις μια γενική ιδέα σε συγκεκριμένα tasks.
Το σημαντικό όμως είναι ότι δεν πρέπει να το χρησιμοποιείς σαν “φτιάξ’ το όλο μόνο του”.
Αυτό συνήθως οδηγεί σε χάος.
Πολύ καλύτερα λειτουργεί όταν το αντιμετωπίζεις σαν συνεργάτη σε μικρά κομμάτια και ως δάσκαλο σε ότι δεν ξέρεις , καταλαβαίνεις.
Και όσο πιο συγκεκριμένο είναι το πρόβλημα, τόσο καλύτερη είναι και η βοήθεια που μπορεί να δώσει το AI.
Εδώ βρίσκεται και η διαφορά ανάμεσα στο να χρησιμοποιείς το AI απλώς για copy-paste και στο να το χρησιμοποιείς σαν εργαλείο έρευνας.
Στην πρώτη περίπτωση, παίρνεις κώδικα χωρίς να καταλαβαίνεις πάντα τι κάνει.
Στη δεύτερη περίπτωση, χτίζεις σταδιακά ένα project και μαθαίνεις μέσα από τη διαδικασία.
Για εμένα, το δεύτερο είναι το πιο σημαντικό.
Γιατί το portfolio δεν πρέπει απλώς να δείχνει ότι έχεις πολλά repositories.
Πρέπει να δείχνει ότι έχεις καταλάβει τι έφτιαξες.
Ένα γεμάτο GitHub με projects που δεν μπορείς να εξηγήσεις δεν έχει την ίδια αξία με λίγα projects στα οποία μπορείς να μιλήσεις για τις αποφάσεις, τα προβλήματα και τις λύσεις σου.
Αν κάποιος σε ρωτήσει:
“Γιατί χρησιμοποίησες Socket.IO;”
“Γιατί επέλεξες ephemeral chat χωρίς database;”
“Πώς έκανες deploy πίσω από Nginx;”
Τότε πρέπει να μπορείς να απαντήσεις.
Και εκεί φαίνεται αν το project είναι πραγματικά δικό σου.
Όχι επειδή έγραψες κάθε γραμμή μόνος σου.
Αλλά επειδή κατάλαβες τη λογική πίσω από κάθε βασική επιλογή.
Αυτό είναι και το σημείο που θεωρώ ότι το AI βοηθάει περισσότερο στο GitHub και στο portfolio building.
Μειώνει το friction της αρχής.
Σε βοηθά να δοκιμάσεις frameworks και γλώσσες που ίσως παλαιότερα απέφευγες.
Σε σπρώχνει να κάνεις μικρά πειράματα.
Σε βοηθά να περάσεις από το “έχω μια ιδέα” στο “έχω ένα πρώτο working version”.
Και μετά, από εκεί και πέρα, αρχίζει η πραγματική δουλειά.
To project εν ζωή :
https://weather.solorak.xyz/
Το git:
https://github.com/iSolorak/weatherappchat