برنامه نویسی

چگونه من یک ژنراتور ایده پروژه AWS را با استفاده از AI ساختم

من به عنوان کسی که دائماً در مورد AWS یاد می گیرد و می نویسد ، من خودم را اغلب می پرسیدم:

“چه چیزی باید بعدی بسازم؟”

نه فقط به خاطر یادگیری بلکه برای به چالش کشیدن خودم ، رشد حرفه ای و ایجاد پست های وبلاگ که در واقع به دیگران کمک می کند.

اما این چیزی است که … ایده های پروژه سخت است.


🧭 مشکل: ابزارهای زیادی ، بدون جهت

با 200 خدمات AWS، احساس غرق شدن آسان است.

من اغلب می نشینم که فکر می کنم:

  • آیا باید چیزی با لامبدا بسازم؟
  • ممکن است خط لوله ETL بدون سرور را امتحان کنید؟
  • چه راه خوبی برای ترکیب AI و AWS است؟

اما به جای شروع ، من مارپیچ می کنم:

فلج با تجزیه و تحلیل.

معلوم است که من تنها نبودم. بسیاری از زبان آموزان و متخصصان AWS با همین چالش روبرو هستند. این زمانی است که یک ایده به وجود آمد:


💡 اگر خود AWS بتواند به من بگوید چه چیزی را بسازد؟

چه می شود اگر بتوانم توصیف کنم:

  • من سطح تجربه
  • در خدمات AWS من می خواهم یاد بگیرم یا به نمایش بگذارم

… و یک هوش مصنوعی می تواند پیشنهاد کند ایده پروژه خیاطی کامل با:

✅ یک مشکل در دنیای واقعی
✅ معماری با خدمات منتخب
✅ ارتباط شغلی
✅ ستون های خوب در عمل

این زمانی است که تولید کننده ایده پروژه AWS متولد شد


🧠 چشم انداز

من می خواستم احساس هوشمندی اما ساده داشته باشد.

🗨 “من یک کاربر متوسط ​​AWS هستم و می خواهم با توابع Lambda ، DynamoDB و مرحله کار کنم.”

و ژنراتور با چیزی مانند: پاسخ می دهد:


🧩 بیانیه مشکل: سیستمی را ایجاد کنید تا به طور خودکار از داده ها از جداول DynamoDB نسخه پشتیبان تهیه کنید و در صورت لزوم آن را بازیابی کنید.

🧰 خدمات AWS مورد استفاده: Lambda ، Dynamodb ، توابع مرحله

🛠 برنامه گام به گام: برای صادر کردن داده ها از جداول DynamoDB یک تابع Lambda ایجاد کنید. → برنامه های Lambda را برای اجرای دوره ای با استفاده از AWS Lambda Event Bridgers برنامه ریزی کنید – داده های صادر شده را در یک جدول DynamoDB دیگر یا یک سرویس پشتیبان ذخیره کنید. → از توابع مرحله برای ارکستر کردن نسخه پشتیبان و بازیابی فرآیندها استفاده کنید. → اجرای یک فرآیند بازیابی با استفاده از یک عملکرد لامبدا دیگر که عملکردهای مرحله ای ایجاد شده است

🧑‍💼 رزومه/ارتباط شغلی: درک مدیریت داده ها ، اتوماسیون و ارکستراسیون را نشان می دهد.

🧱 ستون های خوب معماری: تعالی عملیاتی


در حال حاضر این که ایده پروژه ای است که من واقعاً می سازم.


🚀 جرقه: بستر آمازون

کی بستر آمازون راه اندازی شد ، من هیجان زده شدم که مدل های بنیادی قدرتمند مانند تیتانبا کلود، بدون نیاز به مدیریت زیرساخت ها یا آموزش هر چیزی.

بنابراین من از Bedrock برای تجزیه و تحلیل انتخاب کاربر و تولید ایده های شخصی و کامل پروژه AWS استفاده کردم. این ابزار فقط یک حیله هوش مصنوعی نبود – این خودم شد مربی شغلیبشر


🛠 نحوه عملکرد آن

در اینجا چقدر ساده است:

  1. 🎯 سطح مهارت خود را انتخاب کنید – مبتدی ، متوسط ​​یا متخصص
  2. 🧰 خدمات AWS را انتخاب کنید شما می خواهید با
  3. 🤖 هوش مصنوعی تولید می کند یک ایده پروژه با:

    • بیانیه مشکل
    • خدمات AWS استفاده شده
    • برنامه گام به گام
    • رزومه/ارتباط شغلی
    • ستون های خوب AWS خطاب شده است
  4. 💾 آن را به صورت زنده امتحان کنید: 👉 ژنراتور ایده پروژه AWS را راه اندازی کنید

  5. 🖼 آن را در عمل مشاهده کنید:

صفحه اصلی

صفحه اصلی

صفحه نتیجه

صفحه نتیجه


🧪 آنچه من آموختم

این فقط مربوط به ساختن یک ابزار نبود – این در مورد اعتماد به نفس بود.

در طول راه ، من:

  • ✅ استفاده شده بستر آمازون برای نسل AI متناسب
  • با استفاده از یک پس زمینه بدون سرور ساخته شده است دروازه Lambda + API
  • ✅ عمیقاً در مورد مسیرهای یادگیری متمرکز شغلی در AWS
  • ✅ تحقق یافته AI می تواند یک باشد مربی، نه فقط یک چت بابات

🙌 چرا باید سعی کنید چیزی شبیه به این را بسازید

اگر تعجب می کنید:

  • 🤔 چه پروژه AWS باید برای رشد بسازم؟
  • 📄 چه چیزی را می توانم در رزومه خود به نمایش بگذارم؟
  • 🧠 چگونه می توانم خدماتی را که آموخته ام اعمال کنم؟

سپس چیزی بسازید شخصی– این موانع جاده ای خود را حل می کند.

این پروژه معدن را حل کرد: نمی دانم چه چیزی را بعدی بسازیمبشر

حالا ، من فقط نمی نشینم و تعجب نمی کنم.

من از برنامه خود می پرسم – و مانند یک مربی پاسخ می دهد.


thoughts افکار نهایی

ابر عظیم است. AI همه جا است.

اما جادوی واقعی هنگامی که از هر دو برای حل یک مشکل ساده و شخصی استفاده می کنید ، اتفاق می افتد.

اینجاست که رشد شروع می شود.

از آنجا شروع کنید


💬 بازخورد خوش آمدید!

این پروژه با یک طرز فکر اول پس زمینه ساخته شده است-با تمرکز عمیق بر منطق ، معماری و ادغام AWS.

UI/UX ممکن است کامل نباشد (من هنوز در آنجا یاد می گیرم!) ، اما هدف عملکرد + ارزش بود.

اگر شما دارید:
💡 پیشنهادات برای بهبود
🧠 ایده هایی برای گسترش ابزار
🐛 هرگونه اشکالی پیدا کرد
🎨 بازخورد ui (به راحتی روی یک پسر پس زمینه بروید)

من واقعاً از آن قدردانی می کنم! ورودی شما به من کمک می کند تا بهتر یاد بگیرم و بسازم.


نوشته شده با ❤ از ابر

– Utkarsh Rastogi | سازنده جامعه AWS

🔗 همچنین در Awslearner.hashnode.dev نوشتن

🔗 به LinkedIn وصل شوید

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا