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 ۱ — درک مدلها و پرامپت
درس آموزشی
مثالمحوری: input/output نمونه بدهید
یک مثال ورودی/خروجی، توضیح سهپاراگرافی میکُشد؛ برای فرمتها و تبدیلها مثالها بهترین مشخصهاند.
مراحل قدمبهقدم
-
۱
مثال جفتی
ورودی نمونه + خروجی مورد انتظار؛ دو سه مثال با حالتهای مرزی (خالی، بزرگ) — مدل الگو را میگیرد.
-
۲
مثال منفی
«این نه: … چون …» — جلوگیری از الگوی اشتباه رایج؛ فرمتهای حساس (تاریخ، عدد) با counter-example.
-
۳
ساختار خروجی
JSON schema یا نمونه خروجی دقیق — خروجی قابل parse برای pipeline؛ «فقط JSON بده» با نمونه.
-
۴
سنجش
پاسخ را با مثالها diff کنید؛ ناهماهنگی = پرامپت را ویرایش نه قبول.
نکات مهم
- ◆ ورودی/خروجی نمونه؛ مرزیها را هم بدهید.
- ◆ مثال منفی برای فرمتهای حساس.
- ◆ خروجی JSON با schema نمونه.
کد یا مسیر نمونه
ورودی:
[{"n":"علی","s":18}]
خروجی:
"علی - ۱۸"
مثال منفی: "علی:18" غلط است (بدون خط تیره فاصلهدار).
پرسش و پاسخ این درس (۰)
هنوز دیدگاهی ثبت نشده؛ اولین نفر باشید!