توسعه مبتنی بر مشخصات - از وایب کدینگ تا مهندسی هوش مصنوعی

آنچه یاد خواهید گرفت:

• ساخت یک گردش‌کار تکرارپذیر توسعه مبتنی بر مشخصات (تعیین مشخصات - برنامه‌ریزی - وظایف - پیاده‌سازی) برای ارائه قابلیت‌های مبتنی بر هوش مصنوعی، بدون کدهای شکننده و ناپایدار
• نوشتن نیازمندی‌های قابل تفسیر توسط ماشین با EARS، معیارهای پذیرش شفاف و محدودیت‌های صریح، برای جلوگیری از حدس‌زدن و انحراف عامل‌ها
• راه‌اندازی حاکمیت پروژه برای عامل‌های هوش مصنوعی با یک قانون اساسی، فایل‌های دستورالعمل عامل و مرزهای سه‌سطحی (همیشه انجام بده، اول بپرس، هرگز انجام نده)
• تبدیل مشخصات به فهرست وظایف اتمی و قابل بازبینی و اجرای دروازه‌های اعتبارسنجی human-in-the-loop برای همسو نگه داشتن پیاده‌سازی با هدف اصلی
• به‌کارگیری مشخصات مبتنی بر تست، دروازه‌های اعتبارسنجی و تست مبتنی بر ویژگی‌ها برای اثبات رفتارهای حیاتی و شناسایی زودهنگام انحراف

پیش‌نیازهای دوره

• آشنایی اولیه با مفاهیم توسعه نرم‌افزار (APIها، مدل‌های داده و گیت) مفید است، اما الزامی نیست.
• لازم نیست در هیچ زبان خاصی متخصص باشید - این دوره بر هدف، مشخصات و فرایند تمرکز دارد و به یک پشته مشخص محدود نیست.
• اگر بخواهید این گردش‌کارها را به‌صورت عملی تمرین کنید، داشتن یک ویرایشگر کد و یک حساب گیت‌هاب را توصیه می‌کنیم.
• اختیاری: دسترسی به یک ابزار کدنویسی هوش مصنوعی (Copilot، Cursor، Claude Code یا مشابه آن) برای تمرین گردش‌کارهای عاملی

توضیحات دوره

این دوره شامل استفاده از هوش مصنوعی است.

یک دوره کاربردی و غنی از تصویر که به شما یاد می‌دهد چگونه با عامل‌های هوش مصنوعی نرم‌افزار بسازید، بدون اینکه یک پایگاه کد شکننده و شبیه «خانه‌ای کاغذی» ایجاد کنید.

اگر تا به حال با یک دستیار هوش مصنوعی یک نمونه اولیه سریع ساخته‌اید و بعد دیده‌اید که به محض تلاش برای مقیاس‌دادن، یکپارچه‌سازی یا نگهداری، از هم می‌پاشد، این دوره برای شماست. توسعه مبتنی بر مشخصات، رویکردی است که هوش مصنوعی را از یک تولیدکننده هوشمند کد به یک قابلیت مهندسی قابل پیش‌بینی تبدیل می‌کند. یاد می‌گیرید چگونه نیت را به‌عنوان منبع اصلی حقیقت در سیستم قرار دهید، چگونه آن نیت را به برنامه‌ها و وظایف اجرایی تبدیل کنید و چگونه عامل‌های هوش مصنوعی را با معماری، استانداردها و سطح کیفیت موردنظر خود همسو نگه دارید.

آنچه دریافت می‌کنید:

• توضیحات ویدئویی: حدود 3 ساعت و 45 دقیقه محتوا با تصویرسازی‌های مرتب که مستقیماً از محتوای درس‌ها ساخته شده‌اند.
• آزمون‌ها: هر درس شامل یک آزمون (8 تا 10 سؤال) است تا مفاهیم تثبیت شوند و بلافاصله به کار گرفته شوند.

پس از پایان دوره چه کارهایی می‌توانید انجام دهید؟

یاد می‌گیرید چگونه پرامپت‌نویسی بداهه را با یک گردش‌کار چهارمرحله‌ای (تعیین مشخصات - برنامه‌ریزی، وظایف - پیاده‌سازی) جایگزین کنید که کدی تولید می‌کند که واقعاً می‌توانید آن را بررسی، تست و نگهداری کنید.

• نوشتن مشخصات: مشخصاتی ایجاد کنید که هوش مصنوعی بتواند دقیقاً از آن‌ها پیروی کند.
• تعریف محدودیت‌ها: با مرزهای صریح، از زیاده‌روی عامل جلوگیری کنید.
• راه‌اندازی حاکمیت: تبدیل کیفیت به حالت پیش‌فرض، نه یک عملیات نجات در مراحل پایانی
• گسترش SDD: توسعه مبتنی بر مشخصات را برای عملیات‌های واقعی مانند عیب‌یابی ران‌تایم، شناسایی رانش و مدرن‌سازی سامانه‌های قدیمی به کار ببرید، بدون اینکه بدهی‌های قدیمی را به ارث ببرید.

چرا این دوره متفاوت است؟

بیشتر دوره‌های «کدنویسی با هوش مصنوعی» فقط پرامپت‌های بهتر را آموزش می‌دهند. این دوره کنترل مهندسی را آموزش می‌دهد. یاد می‌گیرید چگونه یک سیستم پایدار واقعی بسازید (SPEC.md ،plan.md ،tasks.md ،constitution.md و فایل‌های دستورالعمل عامل)، چگونه دروازه‌های بررسی را اعمال کنید، چگونه نیازمندی‌ها را به تست‌ها و ناورداها تبدیل کنید و چگونه ارکستراسیون چندین عامل تخصصی را بدون آشفتگی انجام دهید.

این دوره به شما کمک می‌کند از چه چیزهایی دوری کنید؟

• ارائه کدی که نمی‌توانید توضیحش دهید.
• اشکال‌زدایی «رفتار مرموزی» که از فرضیات بیان‌نشده آمده است.
• از دست دادن زمینه بین سشن‌های عامل
• اجازه دادن به عامل‌ها برای معرفی وابستگی‌های تأییدنشده یا ضدالگوهای معماری
• پرداخت مالیات نگهداری بلندمدت خروجی سریع، اما شکننده هوش مصنوعی

اگر می‌خواهید هوش مصنوعی سرعت تحویل شما را بالا ببرد، بدون اینکه استانداردهایتان را پایین بیاورد، این دوره نقشه راه را در اختیارتان می‌گذارد که شامل مشخصات به‌عنوان منبع حقیقت، حاکمیت به‌عنوان تضمین در زمان طراحی و اعتبارسنجی به‌عنوان یک محافظ داخلی، نه چاره‌اندیشی در آخر کار است.

این دوره برای چه کسانی مناسب است؟

• توسعه‌دهندگان (از سطح تازه‌کار تا ارشد) که به‌جای پرامپت‌نویسی موردی، یک روش ساختار یافته و قابل‌اعتماد برای کار با عامل‌های هوش مصنوعی می‌خواهند، به‌علاوه مدیران فنی محصول، سرپرستان فنی که به یک گردش‌کار مشترک برای مشخصات، برنامه‌ها، وظایف، حاکمیت و نتایج قابل‌اندازه‌گیری تحویل در سراسر تیم‌ها نیاز دارند.