فصل ۱ — درک مدلها و پرامپت
مدلهای زبانی چطور کد میفهمند؟ مهندسی پرامپت پایه: نقش، زمینه، خروجی مشخص پرامپت پیشرفته: مثالمحور، تفکر مرحلهای و زنجیره پنجره زمینه: چقدر مدل میبیند؟ توهم (Hallucination): وقتی مدل با اطمینان دروغ میگوید نقش و هدف: سهسطر که پاسخ را میسازند مثالمحوری: input/output نمونه بدهید تفکر مرحلهای و زنجیره وظایف نسخهها و مستند: زمینه واقعی بدهید چرخه پرسشوپاسخ: اصلاح سریع مدلهای لوکال: Ollama و حریم کامل طراحی system prompt حرفهای پرامپت اینجکشن: دفاع در پرامپت چندنوبتی: تاریخچه و خلاصهسازی temperature و top_p: تنظیم خلاقیتفصل ۲ — ابزارهای کدنویسی با AI
دستیارهای درونادیتور: Copilot و امثال آن AI برای بازبینی کد و دیباگفصل ۳ — گردش کار حرفهای
ساخت محصول با AI: فراخوانی API، جریان و هزینه گردش کار حرفهای: حدود مسئولیت و یادگیری با AI فراخوانی API مدل: ساختار درخواست پاسخ استریم: تجربه زنده کاربر هزینه و توکن: اقتصاد ویژگی AI گاردریل: محدود کردن خروجی مدل RAG مقدماتی: پاسخ از مستندات شما Embeddingها: متن به بردار داده و حریم خصوصی در AI ایجنتها: مدل با ابزار ارزیابی کیفیت: از حس به داده PR و commit حرفهای با AI استخراج ساختیافته از متن جستجوی معنایی سایت با AI خلاصه جلسات و مستندات تیمیفصل ۲ — ابزارهای کدنویسی
دستیار ادیتور: autocomplete با مسئولیت چت در برابر ادیتور: کدام ابزار برای کدام کار؟ AI بهعنوان reviewer: دومین چشم دیباگ با AI: از پیام خطا به علت یادگیری با AI: tutor شخصی مستندسازی خودکار: README و comment رفاکتور با AI: بدون تغییر رفتار تولید تست با AI: پوشش سریع مهاجرت نسخه با AI آشنایی با codebase جدید با AIفصل ۴ — سناریوهای عملی
تولید محتوا: از پرامپت به انتشار چتبات پشتیبانی با منابع ربات review در CI ترجمه و بومیسازی محتوا دستیار سئو: کلیدواژه و متا بات تلگرام/اسلک با AIفصل ۵ — پروژه پایانی
پروژه: معماری دستیار پرسشوپاسخ پروژه: پیادهسازی گامبهگام پروژه: ارزیابی و بهبود دستیار اخلاق و سیاست استفاده مسیر ادامه: از کاربر به سازندهپروژه عملی پایان دوره
پروژه پایانی — دستیار پرسشوپاسخ برای سایت خودتان
AI for Developers Tutorial
فصل ۵ — پروژه پایانی
درس آموزشی
پروژه: ارزیابی و بهبود دستیار
دستیار زنده را بسنجید و بهتر کنید: دیتاست سؤال، نرخ پاسخ و بهبود منابع — چرخه بهبود.
مراحل قدمبهقدم
-
۱
دیتاست سؤال
۵۰ سؤال واقعی کاربران + پاسخ درست؛ مرزیها (تایپی، بیربط) — پایه ارزیابی.
-
۲
متریکها
نرخ پاسخ درست، نرخ «یافت نشد» صحیح، تأخیر p95، هزینه سؤال — داشبورد ساده هفتگی.
-
۳
بهبود منابع
سؤالهای فالبک → مستند جدید؛ chunk بهتر — RAG با داده بهتر زنده میماند.
-
۴
چرخه انتشار
تغییر پرامپت/منابع → اجرای دیتاست → سبز → انتشار — مثل تست کد.
نکات مهم
- ◆ ۵۰ سؤال واقعی + پاسخ درست.
- ◆ متریکها هفتگی؛ فالبکها به مستند تبدیل.
- ◆ تغییر با دیتاست سبز منتشر شود.
کد یا مسیر نمونه
eval دستیار:
| سؤال | نتیجه | یادداشت |
|--------------------------|-------|------------------|
| چطور SSL نصب کنم؟ | ✓ | منبع [2] |
| قیمت plugin؟ | ✗ → مستند قیمت لازم |
| (تایپی) sssl | ✓ | normalize کمک کرد |
پرسش و پاسخ این درس (۰)
هنوز دیدگاهی ثبت نشده؛ اولین نفر باشید!