Como utilizar assistentes de IA para a integração do Tenjin SDK: Um guia para programadores

Enquanto programadores de aplicações móveis, habituámo-nos a recorrer a assistentes de IA. Basta abrir o Claude, o ChatGPT ou o GitHub Copilot, descrever o que se pretende criar e, em poucos segundos, já se tem código funcional. Mas essa conveniência tem um custo oculto: alucinação.

Eis o problema. Quando se pede a um LLM para integrar um SDK para dispositivos móveis, está a pedir-lhe que se baseie em dados de treino que podem ter meses ou anos. O SDK que tem como alvo pode ter evoluído significativamente desde a data de corte dos conhecimentos do modelo. As APIs mudaram, alguns métodos foram descontinuados e surgiram novos padrões. A IA, no entanto, não tem conhecimento disso. Ela apresenta-lhe com confiança o código que aparências é razoável, mas é fundamentalmente incompatível com a versão atual do SDK. 

Este é o principal desafio que estamos a enfrentar de frente. Integrar o Tenjin, ou qualquer SDK em rápida evolução, através de um assistente de IA não deve implicar depurar um método fantasma ou procurar chamadas obsoletas. É por isso que criámos uma solução melhor.

A realidade: os LLMs e os SDKs não se combinam bem

Vamos analisar isto num cenário concreto. 

Está a iniciar um novo projeto React Native e pretende integrar o Tenjin para análise de dados e atribuição. Abre o Claude e faz uma pergunta direta: “Adiciona o SDK do Tenjin ao meu projeto React Native.”

Com base nos seus dados de treino, que podem incluir o Tenjin SDK versão 1.4.0 do início de 2024, gera algo semelhante a isto: 

import { NativeModules } from 'react-native';
const Tenjin = NativeModules.Tenjin;
Tenjin.initialize('YOUR_API_KEY');
Tenjin.connect();

import { NativeModules } from 'react-native';
const Tenjin = NativeModules.Tenjin;
Tenjin.initialize('YOUR_API_KEY');
Tenjin.connect();

Parece razoável, mas há um senão. A versão atual do SDK do React Native Tenjin (digamos, a 1.8.0) introduziu alterações que causam incompatibilidades. O método `initialize` requer agora um objeto com parâmetros de configuração específicos, pelo que a abordagem simples baseada em cadeias de caracteres já não funciona. O seu código compila sem problemas, mas, em tempo de execução, a inicialização falha silenciosamente. Pode passar horas a depurar, sem nunca perceber que o SDK nunca chegou a ser inicializado.

A mesma armadilha existe no Android. Se pedires a um LLM para explicar como funciona o Tenjin, ele poderá sugerir o método obsoleto tenjinSDK.init()method. Este é o que foi substituído por um padrão «builder» na versão 1.17.0. O código parece estar correto, compila com sucesso, mas quando se testa, nada é registado porque a chamada de inicialização é código morto. 

Isto não é uma falha da IA, mas sim uma limitação estrutural. O LLM não dispõe de conhecimento em tempo real sobre a versão mais atualizada da superfície de API do Tenjin. Não tem conhecimento das notas de lançamento deste mês, muito menos de alterações futuras. O modelo está a funcionar exatamente como foi treinado: comparando padrões com o seu corpus e produzindo código que, superficialmente, se assemelha ao código correto.

Pode colmatar esta lacuna utilizando um assistente de IA para integrar um SDK.

A solução: guias estruturados para assistentes de IA

A Tenjin previu este problema e começou a publicar guias de assistentes de IA para o nosso SDK, denominados «Guias do LLM SDK».  

• O que é um Guia de Assistente de IA?
  Um Guia do Assistente de IA é uma documentação (frequentemente designada por «skills») elaborada para modelos de linguagem, que fornece ao assistente de IA uma fonte de referência legível por máquina. Pode conter assinaturas de API, regras de integração e armadilhas conhecidas. 

Estas não foram concebidas para seres humanos, são instruções criadas para serem processadas por modelos de linguagem. Estão repletas de regras explícitas, atuais API assinaturas e os antipadrões a evitar. Mais importante ainda, são atualizados em simultâneo com o próprio SDK, pelo que refletem sempre a versão atual. Sem discrepâncias. Sem suposições. 

Cada Guia do SDK do Tenjin LLM inclui: 

Quando se introduz um destes guias num LLM antes Ao pedir ajuda, o contexto do modelo muda. Em vez de se basear em dados de treino desatualizados, dispõe agora de uma fonte de informação fidedigna a que pode recorrer. 

Embora as alucinações não desapareçam por completo, tornam-se significativamente menos prováveis. O LLM já não está a interpolar entre exemplos de treino contraditórios; dispõe agora de uma fonte de verdade.

É isso que faz a diferença entre código que parece correto e código que está correto.

Como utilizar um assistente de IA: Guia do SDK LLM da Tenjin

Eis um fluxo de trabalho real que utiliza o Guia LLM da Tenjin no processo de integração do SDK.

Acabaste de criar um novo projeto React Native e queres adicionar o Tenjin Analytics. Embora o procedimento habitual possa ser dar uma vista de olhos no ficheiro README ou perguntar diretamente ao teu assistente de IA, queres agir de forma mais deliberada. 

Passo 1: Preparar o Guia do SDK do LLM 

Antes mesmo de abrir o Claude (ou um programa semelhante), descarregue o guia de deteção da plataforma do repositório do Tenjin. Trata-se do guia de introdução que fornece instruções ao assistente. 

Passo 2: Forneça ao Claude ou a outro assistente de IA o contexto do seu projeto 

Abra o Claude e cole a estrutura do seu projeto e as dependências. Com base no guia, o Claude identifica o guia específico da plataforma mais adequado para a sua configuração. 

Passo 3: Fornecer orientações específicas para cada plataforma

Nesta fase, o Claude solicita-lhe ou você fornece de forma proativa o guia específico da plataforma. O Claude lê-o, assimilando as assinaturas exatas dos métodos atuais e o código de inicialização para a sua plataforma.

Passo 4: Deixar o Claude gerar código para integração

Com o Guia do SDK do LLM como referência, o Claude gera o seu código de integração. Não inventa uma API antiga. Com um guia, não inventará métodos que não existem.

O Claude e outros assistentes de IA já podem: 

• Explique por que razão esta é a abordagem correta 
• Consulte o guia para justificar cada passo 
• Alerto-vos para os erros mais comuns

O resultado é um código de integração em que pode confiar. Baseia-se no SDK e no âmbito mais recentes, e não em suposições.

Exemplo: Utilização do Guia de Integração do SDK com injeção de dependências

Eis um exemplo concreto do Android, sobre como integrar o Tenjin na sua arquitetura existente: 

Suponha que esteja a desenvolver uma aplicação Android com Kotlin e Dagger2 para injeção de dependências, e que pretenda inicializar o Tenjin como parte do arranque da sua aplicação. Com o guia de integração do LLM SDK, o Claude pode fornecer as informações mais atualizadas e indicar-lhe qual a dependência do Gradle que deve adicionar. Mostra-lhe até a sequência exata de inicialização a seguir. 

Detetar erros subtis com o Guia do SDK

Uma das vantagens menos conhecidas de utilizar um assistente de IA é a deteção de erros de integração subtis. n No que diz respeito ao rastreio de eventos, a diferença entre passar um String e um Int é um erro pequeno, mas crucial. Quando se consulta um Guia do Assistente de IA, o Claude sabe exatamente qual é a assinatura do método correta e gera código que funciona com precisão.

Adicionar o seu próprio contexto aos guias do assistente de IA

Os Guias do Assistente de IA são poderosos, mas genéricos por natureza, uma vez que foram concebidos para funcionar em qualquer projeto. Como cada projeto tem as suas próprias especificações, contexto e âmbito, convém adaptá-los a cada caso específico. 

Como? Basta perguntar ao Claude como integrar o Tenjin na sua configuração e nos seus serviços atuais, ou como otimizar a inicialização de acordo com os seus requisitos específicos. Obtém o melhor dos dois mundos: uma fonte de verdade fidedigna e adaptada à sua base de código. 

Guia de utilização do SDK para depuração

O guia de integração do SDK não serve apenas para a criação de aplicações. Torna-se também de grande utilidade quando a integração corre mal.

Em vez de adivinhar, indicas ao Claude a lista de verificação e a secção de verificação do guia. Com uma referência do manual à mão, o Claude pode assinalar erros comuns de configuração e guiar-te metodicamente pelas etapas de verificação, até descobrires exatamente onde é que as coisas correram mal. 

A transição para SDKs preparados para IA

A Tenjin não é a única a repensar a documentação para a era da IA. A RevenueCat publica guias centrados na IA para que os LLMs utilizem corretamente os seus SDKs de subscrição. A OneSignal mantém prompts de IA para os SDKs, de modo a evitar que os modelos «alucinem» em relação às APIs de notificações push. As equipas mais perspicazes neste domínio já perceberam que a documentação tem agora dois públicos-alvo: um deles não é humano. 

Isso muda tudo. Durante anos, “boa documentação” significava documentos que as pessoas conseguissem compreender. Agora, uma biblioteca bem mantida tem de dominar o Markdown, comunicando com os assistentes de IA que escrevem metade do código de integração que existe por aí. Embora os ficheiros README e os tutoriais não vão desaparecer, já não desempenham um papel central nesta história. 

Dentro de um ano, os Guias Assistentes de IA serão um produto de primeira classe, fornecidos juntamente com todos os SDK, documentação e exemplos de código. 

Principais conclusões

A principal conclusão é simples: Nunca confies num LLM para integrar um SDK sem material de referência atualizado. Os dados de treino do modelo estão desatualizados por predefinição, e o custo da utilização de uma API desatualizada raramente é óbvio. Normalmente, trata-se do tipo de erro que compila sem problemas, falha silenciosamente e faz perder horas. Os guias do LLM da Tenjin não são documentação opcional, mas tornaram-se uma ferramenta essencial no seu fluxo de trabalho de integração.

Antes de pedir a um assistente de IA para te ajudar com o Tenjin, faz estas três coisas: 

1. Vai buscar o guia e entrega-o.

Este único passo reduz drasticamente as alucinações e faz com que o modelo passe de adivinhar para raciocinar com base numa fonte fidedigna. 

2. Incorpore o contexto específico do seu próprio projeto.

O guia trata do SDK, enquanto o utilizador apresenta as restrições arquitetónicas, as necessidades de desempenho e os pontos de integração que fazem parte das especificações e do âmbito geral do projeto. 

3. Verifique sempre o resultado, comparando-o com o guia.

Mesmo quando se confia no LLM, uma verificação rápida com base nas suas referências e fontes poupa horas de depuração e resolução de problemas. 

O futuro das ferramentas para programadores está a tornar-se cada vez mais claro: os seres humanos definem as regras, as máquinas seguem-nas e os programadores beneficiam de ambas.

Na Tenjin, estamos a dar o primeiro passo e a dar o exemplo. Aqui pode encontrar um ficheiro de competências que pode utilizar em conjunto com o seu Assistente de IA para integrar o nosso SDK.

Este artigo foi escrito por Enrique López-Mañas, engenheiro sénior de SDK na Tenjin.