یافتن مقصد عالی در 24 ساعت: تجربه 1 روزه چالش ساخت GitHub Copilot من

این ارسالی برای چالش GitHub Copilot: Transitions and Transformations است

چیزی که من ساختم

NextCompass یک برنامه وب است که برای کمک به کاربران برای یافتن مقصد ایده آل برای جابجایی خود با پاسخ دادن به یک سری سؤالات ساده طراحی شده است. کاربران می‌توانند گزینه‌های جابه‌جایی را بر اساس ترجیحات خود کاوش کنند و حتی به داده‌های آب و هوا و پیشنهادات جستجوی Google برای مقصد انتخابی خود دسترسی داشته باشند. این پروژه انتقال نرم و تعاملات پویا با کاربر را به نمایش می‌گذارد که کاملاً با موضوع “انتقالات و تحولات” هماهنگ است.

نسخه ی نمایشی

برنامه زنده و کاملاً کاربردی است! اینجا را بررسی کنید:

https://next-compass.vercel.app/

اسکرین شات ها

1. صفحه بالا
   صفحه شروع NextCompass. از کاربران دعوت می شود تا به یک سری سوالات پاسخ دهند تا مقصد جابجایی ایده آل خود را پیدا کنند.

1. صفحه پرسشنامه
   یک رابط کاربری ساده و شهودی که در آن کاربران می توانند به سوالات مربوط به ترجیحات و سبک زندگی خود پاسخ دهند.

1. صفحه نمایش نتایج (فهرست شهر)
   بر اساس پاسخ های کاربر، لیستی از مقاصد پیشنهادی جابجایی نمایش داده می شود. کاربران می توانند برای مشاهده جزئیات بیشتر بر روی هر شهر کلیک کنند.

1. صفحه نمایش جزئیات (اطلاعات شهر)
   اطلاعات دقیق در مورد یک شهر انتخاب شده، از جمله شرایط آب و هوایی فعلی و داده های مرتبط، نمایش داده می شود تا به کاربران کمک کند گزینه های خود را ارزیابی کنند.

مخزن

کد منبع را در اینجا کاوش کنید:

مخزن GitHub

تجربه کمک خلبان

GitHub Copilot با خودکار کردن بخش قابل توجهی از تولید کد، به ویژه برای ادغام های API، به طور قابل توجهی روند توسعه را تسریع کرد.

نکات مهم استفاده از Copilot:

1. یکپارچه سازی API کارآمد با نظرات:

   من از نظرات برای تعیین نقاط پایانی API استفاده کردم و Copilot بیشتر کدهای مورد نیاز را برای من تولید کرد. به عنوان مثال:

   • من یک کامنت لایک نوشتم // https://api.unsplash.com/search/photos و Copilot منطق درخواست شامل مدیریت پارامتر و تجزیه پاسخ را تولید کردند.
   • به طور مشابه، مشخص کردن نقاط پایانی برای داده های آب و هوا و جستجوهای جستجوی گوگل منجر به اجرای تقریباً کامل Copilot شد.

2. اتوماسیون توسعه Backend:

   برای کنترل‌کننده‌ها و سرویس‌ها، پیاده‌سازی اولیه عمدتاً توسط Copilot بر اساس نظرات نقطه پایانی به‌طور خودکار ایجاد شد. این به من اجازه داد به جای نوشتن کد دیگ بخار، روی آزمایش و تنظیمات جزئی تمرکز کنم.

3. گردش کار Front-End و Back-End ساده شده:

   Copilot ساختار APIها را از نظرات و تعاریف نوع استنباط کرد و امکان تراز یکپارچه بین اجزای جلویی و منطق باطن را فراهم کرد.

با ترکیب راهنمای پروژه مفصل خود (project-guide.md) با قابلیت های قدرتمند تولید کد Copilot، توانستم بیشتر بر روی بهبود تجربه کاربری و عملکرد برنامه تمرکز کنم.

مدل های GitHub

من از مدل های GitHub برای این پروژه استفاده نکردم.

نتیجه گیری

این پروژه در عرض 24 ساعت به راحتی تکمیل شد. من با ایجاد یک راهنمای دقیق برای هوش مصنوعی شروع کردم، که ثابت کرد برای صاف و کارآمد نگه داشتن فرآیند توسعه مبتنی بر هوش مصنوعی بسیار مفید است.

و البته، برای انسان ها نیز فوق العاده مفید است!

چیزی که در طول این پروژه برای من رضایت بخش بود این بود که چگونه هوش مصنوعی و من مکمل یکدیگر بودیم. من شخصاً از کارهایی مانند تنظیم دقیق جلوه های انیمیشن لذت می برم و این کار به خوبی انجام شد زیرا Copilot در این زمینه ها عالی نیست. تعادلی ایجاد کرد که در آن می‌توانم روی قسمت‌هایی که بیشتر دوست دارم تمرکز کنم، در حالی که هوش مصنوعی کارهای تکراری یا خسته‌کننده را انجام می‌داد.

با این حال، بیایید صادق باشیم – احتمالاً به زودی هوش مصنوعی در آن مناطق از من پیشی خواهد گرفت. اما تا آن زمان، من از این همکاری لذت می برم!