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 خلاقیت

فصل ۲ — ابزارهای کدنویسی با AI

دستیارهای درون‌ادیتور: Copilot و امثال آن AI برای بازبینی کد و دیباگ

فصل 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 تیمی

فصل 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 AI

فصل 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 AI

فصل ۵ — پروژه پایانی

پروژه: معماری دستیار پرسش‌وپاسخ پروژه: پیاده‌سازی گام‌به‌گام پروژه: ارزیابی و بهبود دستیار اخلاق و سیاست استفاده مسیر ادامه: از کاربر به سازنده

پروژه عملی پایان دوره

پروژه پایانی — دستیار پرسش‌وپاسخ برای سایت خودتان
AI for Developers Tutorial فصل ۲ — ابزارهای کدنویسی درس آموزشی

تولید تست با AI: پوشش سریع

تست‌های unit با AI سریع نوشته می‌شوند؛ caseهای مرزی را خودتان اضافه کنید — AI پایه می‌ریزد، شما مرزها.

مراحل قدم‌به‌قدم

  1. ۱

    پرامپت تست

    تابع + فریم‌ورک تست + «caseهای موفق، مرزی، خطا» — سه‌دسته استاندارد؛ mockها هم بخواهید.

  2. ۲

    مرزی‌های شما

    null، رشته فارسی، عدد بزرگ، هم‌زمانی — دانش دامنه شماست؛ AI عمومی حدس می‌زند.

  3. ۳

    بازبینی

    تست‌های بی‌معنا (همیشه سبز) را حذف؛ assertionهای واقعی چک — تست بدتر از بی‌تست.

  4. ۴

    ادغام CI

    تست‌های تولیدی سبز در CI؛ coverage گزارش — رشد پوشش اندازه‌گیری.

نکات مهم

  • ◆ سه‌دسته: موفق/مرزی/خطا.
  • ◆ مرزی‌های دامنه را خودتان بدهید.
  • ◆ تست بی‌معنا را حذف کنید.

کد یا مسیر نمونه

پرامپت:
برای این تابع با Vitest تست بنویس:
- موفق: ورودی عادی
- مرزی: رشته خالی، ارقام فارسی
- خطا: ورودی NaN
mock دیتابیس با vi.mock.

پرسش و پاسخ این درس (۰)

هنوز دیدگاهی ثبت نشده؛ اولین نفر باشید!

دیدگاه خود را بنویسید

کپچا

دیدگاه شما پس از تأیید مدیر نمایش داده می‌شود.