WeGrow

🎮 Are you ready for Code and Coffee?

Code & Coffeeမှာ ဘာactivitiesတွေပါမလဲစိတ်ဝင်စားနေကြပြီလား ✨

🌟 What’s waiting for you?

🤝 Networking: Tech Professionals တွေ၊ Mentors တွေနဲ့ ရင်းနှီးကျွမ်းဝင်နိုင်ခြင်း

💼 Job Opportunities: လုပ်ငန်းရှင်တွေနဲ့ တိုက်ရိုက်ချိတ်ဆက်နိုင်မယ့် အခွင့်အရေး။

🎮 Games Activities: Team Debug Wars နဲ့ Programming Charades လိုမျိုး ပျော်စရာ Challenges များ။

✅ Free Registration: စိတ်ပါဝင်စားသူ မည်သူမဆို အခမဲ့ တက်ရောက်နိုင်ခြင်း။

🍱 Lunch Included: (Limited)

📅 Date: 14th Feb 11 AM - 3 PM
Venue : MICT Building 11

🔗 Register Here:

https://code-coffee-website.vercel.app/

Single Developers တွေအတွက်
Valentine Coffee Date ကြမယ့်အစီအစဉ်☕️💌

ဖေဖော်ဝါရီရဲ့ ပန်းစည်းတွေ၊ လက်ဆောင်တွေနဲ့ လူတွေအလုပ်ရှုပ်နေကြမယ့် အဲဒီတစ်ရက်မှာ ကျွန်တော်တို့ WeGrow Community ကနေ ထူးထူးခြားခြား အစီအစဉ်တစ်ခု စီစဉ်ထားပါတယ်။ 🔥

ဒီနှစ် Valentine's မှာ Single Developer တွေ တစ်ယောက်တည်း အထီးကျန်စရာ မလိုတော့ဘူးနော်…

အခန်းထဲအောင်းပြီး တစ်ယောက်တည်း Code ရေးနေမယ့်အစား အပြင်ထွက်ပြီး Coffee တူတူသောက်ရင်း Activities လေးတွေ လုပ်ကြရအောင်။

ဘယ်လိုပွဲမျိုးလဲ…ဘာတွေပါဝင်သွားမလဲ

Activities Spoiler Alert 🚨🤫

🎯Team-based Challenges
Registration မှာ ရထားတဲ့ Team color တွေအလိုက် စိတ်လှုပ်ရှားစရာ Logic ပြိုင်ပွဲတွေ ရှိမယ်။ (Award လည်း ပါမယ်နော်)

🤝Tech Networking Games
Developer အချင်းချင်း သိကျွမ်းမိတ်ဆွေဖွဲ့ရင်း Networking လေးတွေအတွက် စကားမပြောဘဲ Logic နဲ့ ချိတ်ဆက်ရမယ့် အစီအစဉ်တွေကနေစလို့ အတွေ့အကြုံသစ်တွေ ဝေမျှမယ့် Sharing session တွေအထိ ပါဝင်ဦးမှာပါ။

🎤Panel Discussion & Marketplace Talk
နယ်ပယ်စုံက ဝါရင့် Speaker တွေ၊ Mentor တွေနဲ့ Product Owners တွေဆီကနေ Tech journey နဲ့ Product experience အသစ်တွေသာမက Tech products တွေကို ဘယ်လို Market လုပ်မလဲဆိုတဲ့ စီးပွားရေးအမြင်သစ်တွေကိုပါ ရရှိမှာပါ။

🤍Our Partners & Sponsors🤍

1) Venue Sponsor - Concordia Myanmar
2) In kind Sponsor - Nova Education Academy
3) In kind Sponsor - Technortal
4) In Kind Sponsor - Ficolo Fun in School
5) Media partner - Talkware

ဒီပွဲလေး အောင်မြင်ဖို့အတွက် အဖက်ဖက်ကနေ ကူညီပံ့ပိုးပေးထားတဲ့ Partner များကိုလည်း အထူးကျေးဇူးတင်ရှိပါတယ်။ ✨

Event Details:
Date: 14th February (Saturday)
Time: 11:00 AM - 3:00 PM
Venue: MICT Building 11 (လှိုင်မြို့နယ်)

Single Developer တစ်ယောက်လား…
ပွဲတက်ရောက်ဖို့အတွက် အောက်ပါ Website မှာ စာရင်းပေးသွင်းထားလိုက်ပါတော့🧑‍💻

Website Link:
https://code-coffee-website.vercel.app/

လာမယ့် ဖေဖော်ဝါရီ ၁၄ ရက် မနက် 'Code & Coffee' မှာ ဆုံကြမယ်နော်✨

ပိုကောင်းမွန်တဲ့ Digital Future ကို WeGrow Myanmar ရဲ့ WeTech နဲ့အတူ အခုပဲ စတင်လိုက်ပါ။

From General to Specific: Input Engineering 🚀

ကျွန်တော်တို့ မေးသမျှကို AI က တန်းပြီး ကွက်တိဖြေပေးလိမ့်မယ်လို့ မျှော်လင့်နေတုန်းပဲလား

ကိုယ်လိုချင်တဲ့အဖြေရအောင် ဘယ်လိုလုပ်မလဲ?

ကဲ - ဒီနေ့ အဖြေရှာကြည့်ရအောင်

ဘာလို့ Prompt Engineering လို့ မပြောဘဲ Input Engineering လို့ ပြောတာလဲ? ဘာလို့ဆို ကျွန်တော်တို့ AI ဆီ ပေးလိုက်တဲ့ အရာတိုင်းမှာ Prompt တစ်ခုတည်းတင် မကဘဲ Context နဲ့ Constraints တွေပါ ပေါင်းစပ်ပါဝင်နေလို့ပါပဲ။ အဲဒီတော့ Input = Context + Prompt + Constraints ဆိုတဲ့ Formula အတိုင်း နားလည်ထားတာ ပိုပြီး ပြည့်စုံပါတယ်ဗျ။

အခုနောက်ပိုင်း ကျွန်တော်တို့အားလုံး AI ကို နေ့တိုင်းလိုလို သုံးနေကြပြီ။ ဒါပေမဲ့ ကျွန်တော်တို့ မေးသမျှကို AI က တန်းပြီး ကွက်တိဖြေပေးလိမ့်မယ်လို့ မျှော်လင့်နေလို့ မရဘူးလေ။ အဲလိုဆိုရင် ဘယ်လိုလုပ်မလဲ?

ကျွန်တော်တို့တွေ AI ဘက်ကနေ အဖြေကောင်းထွက်လာမှာကိုပဲ ထိုင်မျှော်လင့်နေတာမျိုး မဟုတ်ဘဲ ကိုယ်တိုင် ဘာတွေလိုချင်လဲဆိုတာကို နည်းနည်းလေး ပိုပြီး ပုံဖော်ပေးလိုက်တာမျိုး လုပ်ကြည့်ကြမယ်။ အဲဒီလို လုပ်ပေးလိုက်မှသာ AI က လူတိုင်းအတွက် ပေးနေကျ General အဖြေတွေ မဟုတ်ဘဲ ကျွန်တော်တို့ တကယ်လိုအပ်တဲ့ Specific အဖြေကိုပဲ ထွက်လာဖို့ ပိုနီးစပ်သွားမှာပါ။

Gemini တို့လို AI တွေဆိုတာ မြို့ထဲက ကြိုက်တဲ့နေရာကို လိုက်ပို့ပေးနိုင်တဲ့ Taxi Driver တစ်ယောက်လိုမျိုးပါပဲ။ ကျွန်တော်တို့က "စားစရာကောင်းကောင်းလေး စားချင်တယ်" လို့ပဲ ပြောလိုက်ရင် သူကတော့ သူ့အထင်နဲ့သူ Fine Dining ဆိုင်ကြီးကို ပို့ပေးလိုက်မှာပဲ။ ဒါပေမဲ့ ကျွန်တော်တို့ တကယ်တမ်း စားချင်နေတာက လမ်းဘေးက အာပူလျာပူကောင်းကောင်း ဖြစ်နေတတ်တာမျိုးပေါ့။ အဲဒီနေရာမှာ ကျွန်တော်တို့က "အာပူလျာပူစားချင်တယ်၊ ကျွန်တော့်မှာ Budget ဘယ်လောက်ပဲ ရှိတယ်၊ ငါးမိနစ်အတွင်း ရောက်ချင်တယ်၊ ဘယ်လိုလက်ရာ စားချင်တယ်၊ လူများတဲ့ဆိုင်မကြိုက်ဘူး" လို့ ပိုပြီး တိတိကျကျ ပြောပြလိုက်မယ်ဆိုရင် သူ့ဆီက Output ကောင်းထွက်လာဖို့ ထိုင်မျှော်လင့်နေစရာ မလိုတော့ဘူးလေ။ ကျွန်တော်တို့ ဘာလိုချင်တာလဲ၊ ဘယ် Parameter တွေ မကြိုက်ဘူးလဲဆိုတာကို ကြိုပြောပြပြီး မလိုအပ်တဲ့ လမ်းကြောင်းတွေကို အကုန်ပိတ်ထားလိုက်တာပါ။ အဲဒီတော့မှ ကိုယ်လိုချင်တဲ့ ခရီးလမ်းအတိုင်း ကွက်တိရောက်သွားဖို့ ပိုသေချာသွားမှာပါ။

ကျွန်တော်တို့အများစုက Prompt ဆိုတာကို မေးခွန်းတွေလို့ပဲ ထင်နေကြတာ။ တကယ်တော့ Prompt ဆိုတာ Boundary လို့ခေါ်တဲ့ စည်းဝိုင်းလေးတွေ ဆွဲပေးတာနဲ့ တူပါတယ်ဗျ။ နောက်ထပ်က Context Engineering မှာ ပိုပြီး အဆင်ပြေချင်တယ်ဆိုရင် မေးခွန်းတွေပဲ မေးနေမယ့်အစား AI အတွက် Route လမ်းကြောင်းလေးတွေ သေချာဆွဲပေးလိုက်ရင် ပိုကောင်းပါတယ်။

ပထမဆုံး ကိုယ်က ဘယ်သူလဲ ဘာကို လိုချင်တာလဲဆိုတာကို အရင်လေး ပြောပြရမယ်။ ဒါကို Persona လို့ ခေါ်ပြီး ဥပမာအနေနဲ့ "မင်းက အတွေ့အကြုံရှိတဲ့ Senior တစ်ယောက်အနေနဲ့ Pair-programming လုပ်ပေးပါ၊ Overview အပိုင်းကို သေချာ Focus ပေးပါ" ဆိုတာမျိုးပေါ့။ ဒီနေရာမှာ Context က Environment တစ်ခုကို ဖန်တီးပေးတာဆိုရင် Prompt Engineering ကတော့ အဲဒီအခြေအနေထဲမှာ AI ကို ဘယ်လိုလေး စနစ်တကျ အမိန့်ပေးမလဲဆိုတဲ့ Instruction ပေးတဲ့ နည်းလမ်းလေးပါပဲ။

တက္ကစီမောင်းတဲ့သူကို "မောင်းပါ" လို့ပဲ မပြောဘဲ "ဒီလမ်းကကွေ့၊ ဟိုနားမှာ မီးပွိုင့်မိရင် ခေတ္တရပ်" ဆိုပြီး အဆင့်ဆင့် ပြောပြသလိုမျိုးပေါ့။ "အရင်ဆုံး လိုအပ်တဲ့ Ingredients တွေကို စာရင်းလုပ်ပေးပါ၊ ပြီးရင် Process ကို အဆင့်လိုက် ရှင်းပြပေးပါ၊ ပြီးတော့မှ သိထားသင့်တဲ့ Tip & Trick ပြောပေးပါ" ဆိုပြီး အစဉ်လိုက်လေး ချပေးလိုက်ရင် ပိုပြီးတော့ အဆင်ပြေသွားပါလိမ့်မယ်။

နောက်တစ်ခုက Style နဲ့ Constraint ပါပဲ။ ဥပမာ "သူငယ်ချင်း အချင်းချင်း ရှင်းပြသလိုမျိုးလေး ရေးပေးပါ" ဒါမှမဟုတ် "ဝတ္ထုတစ်ပုဒ်လိုမျိုးလေး ရှင်းပြပေးပါ" ဆိုတာမျိုးပေါ့။ ဒါက AI ကို ကျွန်တော်တို့ နားလည်တဲ့ ဘာသာစကားထဲရောက်အောင် ဆွဲခေါ်လိုက်တာပါ။ နောက်ပြီး Example ပြပေးတာကလည်း အရမ်းထိရောက်တယ်ဗျ။ "ဒီလိုပုံစံ ရေးချင်တာ၊ အရင်က ရေးဖူးတဲ့ ပုံစံက ဒီမှာ..." ဆိုပြီး နမူနာလေး တစ်ခုလောက် ပြပေးလိုက်ရင် AI က ကျွန်တော်တို့ စိတ်ကြိုက် Style ကို ချက်ချင်း ပိုနားလည်သွားပါလိမ့်မယ်။

ဒါတွေတင်မကဘဲ Negative Engineering ဆိုတာကိုလည်း သုံးလို့ရပါသေးတယ်။ ဒါကတော့ သူ မဖြေခင်ကတည်းက ကျွန်တော်တို့ အချိန်မကုန်ရအောင် မလိုအပ်တဲ့ အဖြေမျိုးတွေ မထွက်လာဖို့ ကြိုပြီး ကန့်သတ်ထားတာမျိုးပါပဲ။ ဥပမာ "ကျွန်တော် မမေးမချင်း Basic တွေ အကျယ်ဖြန့်ပြီး လျှောက်မရှင်းနဲ့" ဆိုတာမျိုးပေါ့။

အနှစ်ချုပ်ရရင်တော့ Context Engineering နဲ့ Prompt Engineering (Input Engineering) ဆိုတာ AI ကို မေးခွန်းမေးတာထက် သူ ဘယ်လိုစဉ်းစားပြီး ဘယ်လိုဖြေရမလဲဆိုတဲ့ လမ်းကြောင်းကို ကျွန်တော်တို့က သေချာလေး Control လုပ်လိုက်တာပါပဲ။

What I've shared today is just the tip of the iceberg when it comes to prompt and context engineering

ဒီအကြောင်းအရာတွေက Input Engineering ရဲ့ သဘောတရား အခြေခံလေးတွေပဲ ရှိပါသေးတယ်။ ဒါကြောင့် ဒီထက်ပိုပြီး လက်တွေ့နယ်ပယ်မှာ ဘယ်လိုအသုံးချရမလဲဆိုတာကို အတူတူ လေ့လာဆွေးနွေးနိုင်ဖို့ ကျွန်တော်တို့ Wegrow Community ကနေပြီး Way Myah Knowsharing Session (Webinar) လေးတစ်ခုကို ဖိတ်ခေါ်ချင်ပါတယ်။

ဒီအစီအစဉ်မှာ Speaker အဖြစ် Min Thu Khaing ကနေပြီးတော့ "Input Engineering" နဲ့ ပတ်သက်လို့ သူလေ့လာထားသမျှနဲ့ ကြုံတွေ့ခဲ့ရတဲ့ အတွေ့အကြုံလေးတွေကို အားလုံးအတွက် အကျိုးရှိအောင် ပွင့်ပွင့်လင်းလင်း ပြန်လည်မျှဝေပေးသွားမှာပါ။

ဒီ Knowsharing Session လေးကို ဘယ်သူမဆို အခမဲ့ (Free) တက်ရောက်နိုင်မှာဖြစ်လို့ အချင်းချင်း ဗဟုသုတတွေ ဖလှယ်ရင်း အတူတူ လေ့လာချင်တယ်ဆိုရင်တော့ အောက်က Link လေးမှာ အခုပဲ စာရင်းပေးသွင်းလို့ ရပါတယ်ဗျ။

စာရင်းပေးသွင်းရန် Link - https://docs.google.com/forms/d/e/1FAIpQLSeO7CyIUpYQKnANP7LpcVlV3c-qC0H4OruNQ9fnAcy65rQmYA/viewform?usp=header