Escolar Documentos
Profissional Documentos
Cultura Documentos
Sobre mim
desenvolvimento
Monorepo utilizando Lerna hospedado no GitHub. Contém a
aplicação de Backend e de Frontend, ambas baseadas em
TypeScript.
Frontend
Client baseado em ReactJS utilizando Vite com SWC. Módulo
React Markdown do NPM para exibir a saída do markdown
escrito. Faz requisições ao backend utilizando Axios.
Backend
API Restful feita em Express.js. Recebe a requisição do
frontend com a descrição da mudança de arquitetura,
adiciona o prompt pré-definido e utiliza o módulo do NPM
openai para fazer a requisição. O modelo selecionado é o
gpt-3.5-turbo.
Client
Prompt
You are a staff engineer responsible for
creating Architecture Decision Records.
Description:\n\n
Coleta de dados Experimento com os usuários
Os profissionais utilizavam a aplicação e ao terem o ADR
gerado, era pedido que editassem o resultado até estarem
satisfeitos. Nisso era avaliado o quanto estavam editando e
por quais motivos.
Foram entrevistados na pesquisa 12 profissionais, de
graduando a doutor e de 2 a 14 anos de experiência.
Entrevista
Após cada experimento, foram feitas perguntas ao
profissional da vez para avaliar a solução. O objetivo principal
era avaliar se a solução apresentada era preferível às
alternativas existentes.
Formulário de Pesquisa
1. Nota de 0 a 10 do quão relevante foi o ADR gerado
2. Nota de 0 a 10 sobre o quão intuitiva é a ferramenta
3. Você acredita que a ferramenta economizou seu tempo em relação à
criação manual de um ADR?
4. Você usaria essa ferramenta em seus projetos futuros? Por quê?
5. Quais foram os principais pontos fortes e fracos que você identificou no
ADR gerado?
6. Gostaria que alguma funcionalidade fosse adicionada à ferramenta?
7. Como você compara essa ferramenta com outros métodos que você já
usou para criar ADRs?
Resultados
Avaliação Geral da Relevância dos ADRs gerados
Média 9.1
Menor nota 7.5
Usuário sentiu falta de uma análise mais profunda e insights mais completos do impacto
da mudança de arquitetura na empresa
Avaliação Geral da Intuição da Interface de Uso
Média 9.4
Menor nota 8
Reclamações mais comuns: poderia ter uma descrição melhor do que era esperado no
input e faltam labels
Economia de tempo em relação a produção manual de
um ADR
Foi unânime que a ferramenta economizou tempo dos usuários em relação a produção
manual de um ADR
Foi recorremente destacado que além do conteúdo textual gerado, a formatação gerada
também foi um fator impactante.
Uso da ferramenta em seus projetos futuros
Uma das sugestões mais repetidas foi a capacidade de manter uma conversa com a AI para
direcioná-la para melhores outputs.
E-mail
kbm@cin.ufpe.br