بیایید ابتدا بفهمیم چگونه برنامه نویسی (همانطور که در حال حاضر گرایش دارد) کار می کند:
- کد را لمس نکنید.
- صفحه کلید را لمس نکنید – فقط صحبت کنید.
- کورکورانه همه چیز را بپذیرید.
می توانید از هر یک از ابزارهای زیر استفاده کنید:
- پیچ[dot]سحر کردن
- دوست داشتنی
- مکان نما که دارید
- Windsurf Ai
اغلب اوقات ، شما حتی مطالب را نمی نویسید. شما از Chatgpt یا Claude استفاده می کنید ، به این معنی که هیچ کنترل یا درک واقعی از کد خود ندارید – یا حتی محصولی که می خواهید بسازید. شما فقط روی یک چیز تمرکز می کنید: حس درونی، و بگذارید هرج و مرج آشکار شود … تا زمانی که پول خود را تمام نکنید.
نظر من: این یکی از بدترین رویکردهای ساخت نرم افزار است.
بنابراین چگونه می توانم نزدیک شوم برنامه نویسی؟
- همیشه مطمئن شوید که من دقیقاً درک می کنم چه باید انجام شود و چگونه باید انجام شود
- دیگهای بخار و گردش کار خودم هستند.
- حداکثر و حداکثر زمینه مورد نیاز برای اجرای یک ویژگی خاص را برای آنها فراهم کنید.
- یک چیز در یک زمان
- قوانین و دستورالعمل های مناسب را برای LLM تنظیم کنید تا هنگام نوشتن کد دنبال شود.
- قبل از پذیرش هر چیزی ، همه چیز را مرور کنید.
- وقتی احساس می کنم هوش مصنوعی گیر کرده یا از مسیر خارج می شود ، مسئولیت آن را می گیرم.
IDES ، پسوند و ابزارهای CLI که من استفاده می کنم:
- مکان نما AI (IDE اولیه)
- CLINE/ROO CODE (پسوند کدگذاری عامل)
- کد کلود (عامل ، ابزار مبتنی بر CLI)
- chatgpt 4o با جستجوی فعال (برای تحقیق)
مدلهای هوش مصنوعی من استفاده می کنم:
- Claude Sonnet 3.5 و 3.7 (اولیه)
- Claude Sonnet 3.7 با تفکر گسترده (برای نمودارها ، معماری و طراحی سیستم)
- Gemini 2.0 Pro (برای کارهای طولانی متن)
- Openai O3 Mini و GPT-4O (برای طوفان مغزی)
- Deepseek V3 و R1 (هنگام استفاده از کد Cline/Roo)
مزایای این گردش کار “رمزگذاری واقعی” واقعی:
- من را صرف وقت می کند – کارهایی که ممکن است روزها طول بکشد می تواند در ساعت ها انجام شود.
- به من اجازه می دهد تا روی تصویر بزرگتر و جنبه های عمیق تر مانند زیرساخت ها و معماری سیستم تمرکز کنم.
- من از طریق آن یاد می گیرم – گاهی اوقات هوش مصنوعی راه حل هایی را که هرگز ندیده ام پیشنهاد می کند ، بنابراین در مورد “چرا” با آن بحث می کنم و عمیق تر حفر می کنم.
- دیگر از طریق مستندات کثیف نمی پیچید – ایه آن را به خوبی انجام می دهد.
- با گذشت زمان ، آن را با سبک من – الگوهای طراحی من ، رویکرد برنامه نویسی من – سازگار می کند و حتی به اصلاح آنها نیز کمک می کند.
منفی؟ بله ، چند:
- این می تواند احساس گران کند ، اما نسبت ارزش به هزینه بیش از توجیه پذیر است.
- بعضی اوقات توهم می شود – ناشی از سوابق بد ، کاهش مدل ، اشکالات یا زمینه های ضعیف.
حال بیایید به یک تصور غلط رایج بپردازیم:
این که برنامه نویسی برای مبتدیان خطرناک است زیرا ممکن است عادت نوشتن کد را از بین ببرد – که برای مهندسی نرم افزار بسیار مهم است.
چرا می گویم این یک تصور غلط است؟
بگذارید مثال خود را بیان کنم.
هنگامی که من شروع به برنامه نویسی کردم ، سخت ترین ترس برای غلبه بر نوشتن کد – قسمت نحو بود. چرا؟ چون اعتماد به نفس نداشتم
اگرچه سرانجام بر این ترس غلبه کردم ، اما خودم هنوز کد زیادی ننوشتم. من راه حل های چسباندن را از وبلاگ های Overflow ، GitHub و فناوری کپی می کنم-نه کورکورانه ، بلکه با هدف درک آنها: Hows and Whys.
امروز به جلو بروید: همه چیز تغییر نکرده است – آنها تکامل یافتهبشر
اکنون ، به جای جستجوی پشته Overflow یا GitHub ، از AI می پرسم. این همه چیز را به من می دهد – از خود راه حل تا یک شکست جامع چرا این کار می کند ، چگونه برای بهینه سازی آن ، و چه گزینه های دیگر وجود دارند.
نوشتن کد با دست هدف نهایی مهندسی نرم افزار نیست.
این فقط ابزاری برای حل مشکلات است.
تا زمانی که دقیقاً درک کنیم که چه کاری انجام می دهیم ، من این مسئله را مشکل ساز نمی دانم که اجازه دهید AI کد را برای ما بنویسد.
