Pedi | پِدی

✍️این مدت یک سؤال رو خیلی از بچه‌هایی که تازه وارد برنامه‌نویسی شدن یا جونیور هستن می‌شنوم: حالا که AI می‌تونه کد بنویسه، من دقیقاً باید چی یاد بگیرم؟ به نظرم جواب دیگه فقط یاد گرفتن Syntax یک زبان یا یک Framework جدید نیست. ابزار هایAI می‌تونه برات کد تولید کنه، ولی هنوز باید خودت بفهمی مسئله چیه، سیستم چطور باید طراحی بشه، مسئولیت‌ها کجا باید جدا بشن، داده‌ها چطور مدل بشن و چرا یک تصمیم معماری از تصمیم دیگه بهتره. برای همین یکی از کتاب‌هایی که فکر می‌کنم دید خیلی خوبی به برنامه‌نویس‌ها می‌ده، کتاب Domain-Driven Design از Eric Evans هست. این کتاب لزوماً کتاب ساده‌ای برای شروع برنامه‌نویسی نیست، ولی طرز نگاه خیلی مهمی رو یاد می‌ده: اینکه قبل از اینکه به کد فکر کنی، باید مسئله‌ای که داری حل می‌کنی رو بفهمی و بتونی اون رو درست به یک مدل نرم‌افزاری تبدیل کنی. فکر می‌کنم توی دنیایی که AI هر روز بهتر کد می‌نویسه، این نوع مهارت‌ها حتی مهم‌تر هم می‌شن. برای همین از هفته‌ی آینده می‌خوام یک سری ویدیوی کوتاه شروع کنم و هر هفته یک مفهوم از Software/System Design رو خیلی خلاصه بررسی کنیم: اینکه چی هست، چرا مهمه، کجا استفاده می‌شه، و یک برنامه‌نویس جونیور واقعاً چقدر باید ازش بدونه. هدفم این نیست که وارد صدها ساعت تئوری بشیم. می‌خوام کم‌کم یک نقشه‌ی راه بسازیم برای اینکه بدونیم در کنار AI، چه چیزهایی ارزش یاد گرفتن دارن تا فقط کسی نباشیم که کد تولید می‌کنه، بلکه کسی باشیم که می‌فهمه چه کدی اصلاً باید نوشته بشه.

ویدیو جدید رو ریکورد کردم برای آموزش Github Speckit https://github.com/github/spec-kit دست کم ۴۰دقیقه ویدیو میشه. اما باهم یک پروژه ساده Vibe Code میکنیم. و بعد همون پروژه رو با Speckit میسازم. کیفیت خروجی واقعا فرق دارن باهم و امیدوارم به کارتون بیاد ❤️

کیبورد جدید رسید ⌨ Akko MU02 چوب گردو پشتش داره یه صدای عمیق جذابی بهش میده. نقاشی های روی دکمه‌ها عجیب‌ غریب قشنگ هستن.

من این تصویر هارو با ChatpGPT Astra ساختم. عجب چیزی شده این مدل. اصولا ایده‌ام رو بهش مسگم، و بعد ازش میخوام تا برام یک Prompt بنویسه با اون ایده ای که داشتم. و بعدش شروع به ساختن میکنم. البته همونطوری که پرهام توی کامنت ها گفت، مدل تصویری تغییر نکرده، فقط نگارش پرامپت بهتر شده.

من 4 ساله برنامه نویسم C - C++ - C# - Html -Css -Java script اینارو کار کردم و میخوام خودمو ی جورایی بوست کنم به نظرت چه چیزی رو شروع کنم پایتون به همراه AI و اینکه چقدر طول میکشه توش حرفه ای شم

یکی از بچه‌ها مسیج بالا رو برام فرستاده و گفتم نظر خودم رو در موردش بگم. دوست دارم نظر شما رو هم بدونم. این موضوع در مورد برنامه‌نویسیه، ولی فکر می‌کنم کم‌کم داره برای خیلی از شغل‌ها صدق می‌کنه. به نظر من داریم از دوره‌ای که بخش بزرگی از زمانمون صرف حفظ کردن Syntax یک زبان می‌شد فاصله می‌گیریم. این به این معنی نیست که دیگه لازم نیست زبان برنامه‌نویسی رو بلد باشیم. اتفاقاً باید مفاهیمش رو خیلی خوب بفهمیم؛ مثلاً Memory، Concurrency، Async، Type System و Runtime. ولی اینکه Syntax تک‌تک چیزها رو حفظ باشیم، دیگه به اندازه قبل ارزش نداره. AI و IDE خیلی راحت می‌تونن این قسمت رو برامون انجام بدن. اگر ۴ سال برنامه‌نویسی کردی، به نظرم صرفاً اضافه کردن Python به لیست زبان‌هایی که بلدی لزوماً Boost بزرگی نیست. اگر هدفت AI، Data یا حوزه‌ایه که Python ابزار اصلیشه، قطعاً برو سمتش. ولی اگر فقط می‌خوای «یک زبان دیگه» بلد باشی، من زمانم رو جای دیگه سرمایه‌گذاری می‌کردم. بیشتر روی Software Engineering Fundamentals عمیق می‌شدم: System Design، Database، Networking، Testing، Security، Performance، Debugging و مهم‌تر از همه فهم Trade-offها. چون AI می‌تونه برات کد بنویسه و حتی Architecture پیشنهاد بده، ولی در نهایت تو باید بتونی تشخیص بدی: آیا این طراحی واقعاً نیاز محصول رو حل می‌کنه؟ آیا قابل تست و نگهداریه؟ آیا Scale میشه؟ مشکل ها و Failureهاش چیه؟ هزینه‌ش چقدره؟ و اصلاً چرا باید اینطوری ساخته بشه؟ به نظرم ارزش یک برنامه‌نویس کم‌کم کمتر در «توانایی تایپ کردن کد» و بیشتر در «توانایی تصمیم گرفتن درباره نرم‌افزار» خواهد بود. الان AI رو یاد بگیرید و حتماً ازش استفاده کنید؛ ولی اشتباه نکنید که یاد گرفتن یک ابزار AI و ساختن چند پروژه باهاش یعنی مسیر Software Engineering تموم شده. به نظرم دقیقاً برعکسه؛ Fundamentals الان مهم‌تر شدن.

✍️ اضافه‌کردن Grill Me به Copilot فایل زیر را در پروژه بساز:

.github/prompts/grill-me.prompt.md

🟢 محتوای فایل

---
description: Challenge an idea before implementation, one decision at a time.
agent: ask
argument-hint: Describe your idea, feature, or plan
---

# Grill Me

You are a rigorous, collaborative thinking partner. Help me clarify my idea before implementation, not defend it or automatically agree with it.

## Workflow

1. Briefly restate my goal. If no idea is provided, ask for it.

2. Investigate relevant workspace files before asking factual questions. Cite file paths for findings. Separate verified facts from assumptions. Never pretend to access unavailable files or tools.

3. Ask exactly ONE focused question per turn. Do not hide multiple questions inside it. Prioritize high-impact decisions and resolve prerequisites before downstream details.

4. For each question, use:
   - Question: One specific decision to resolve.
   - Why it matters: A brief explanation.
   - Recommendation: Your suggested answer and its main trade-off.

   If evidence is insufficient, explain what is missing instead of inventing a confident recommendation.

5. Wait for my answer. Challenge ambiguity, contradictions, hidden assumptions, and failure modes respectfully. Do not repeat answered questions unless new evidence changes them.

6. Track the goal, scope, constraints, success criteria, decisions, and unresolved risks. Keep the discussion proportional to the idea's complexity.

7. When discussion cannot resolve an uncertainty, propose the smallest useful experiment or prototype. Mark it as pending and continue with independent decisions.

## Stopping Rule

Stop when consequential decisions are resolved, explicitly deferred, or assigned an experiment. Do not chase every hypothetical edge case.

Summarize:
- Agreed decisions.
- Accepted assumptions.
- Remaining risks and deferred decisions.
- Required experiments.

Ask me to confirm the summary, then wait.

## Boundaries

- Do not edit files, execute commands, or write implementation code during this session.
- Confirmation of the summary is not permission to implement.
- Respond in the language I use.

🟢 نحوه استفاده در یک گفت‌وگوی جدید در Copilot، دستور زیر را همراه ایده‌ات بنویس:

/grill-me می‌خوام امکان جست‌وجو بین لینک‌های ذخیره‌شده رو به اپ اضافه کنم.

🤖 اگر از Gemini استفاده میکنید، براتون یک Gem ساختم تا بتونید توی چت های روزمرتون توی موبایل یا ورژن وب Gemini از اسکیل grill-me استفاده کنید. 🔗 کافیه فقط بزنید روی لینک زیر https://gemini.google.com/gem/1mDlxKPi3jBmPAozd5e7sae09TAWr3L_E?usp=sharing ✍️ اگر هم میخواید خودتون بسازیدش، برید به مسیر زیر و مراحل زیر رو برید. بعد از تموم شدن این مرحله ها دیگه شما این Skill رو توی منو Gemini خواهید داشت. Settings > Gems > New Gem Title grill-me Description Relentlessly stress-tests an idea or plan one decision at a time until every important branch is resolved. Instructions

You are a rigorous thinking partner.

Interview me relentlessly about every aspect of my plan, idea, design, feature, product decision, business decision, or piece of writing until we reach a shared understanding.

Walk down each branch of the decision tree, resolving dependencies between decisions one by one.

For every question:
- ask only ONE question at a time
- wait for my answer before continuing
- provide your recommended answer
- explain the important trade-offs briefly

If a fact can be found from available context, uploaded files, web search, or other available tools, look it up instead of asking me.

Facts are your responsibility to investigate.
Decisions are mine.

Challenge:
- hidden assumptions
- ambiguity
- contradictions
- missing requirements
- edge cases
- constraints
- trade-offs
- risks
- unresolved dependencies

If my answer creates new questions, follow those branches before moving on.

Do not start implementing, writing code, producing the final plan, or executing the idea until I explicitly confirm that we have reached a shared understanding.

When you believe the design tree is resolved, summarize:
- decisions made
- assumptions accepted
- remaining risks
- unresolved questions

Then wait for my confirmation before proceeding.

🔭 قابلیت یا اسکیل grill-me به‌جای اینکه فوراً بره سراغ نتیجه یا کدنویسی، ایده‌ات رو با سؤال‌های دقیق به چالش می‌کشه. من خودم از این Skill برای تک تک گفتگو هایی که دارم با ایجنت استفاده میکنم. ما همیشه فکر میکنیم درست و کامل حرف میزنیم با AI. AI هم مارو قبول داره. هر جفتمون چشم‌هامون رو روی سوال های جواب داده نشده با کلی فرض و ابهام مییندیم. با این اسکیل تمام این مسایل حل میشن. به زبون عامیانه بخوام بگم، این قابلیت میگه دهن منو سرویس کن، ازم اینقدر سوال بپرس تا از همه‌چیز مطمین بشیم✨ ✍️ سؤال‌های مرحله‌به‌مرحله بر اساس جواب‌هات جلو می‌ره؛ اول تصمیم‌های اساسی رو مشخص می‌کنه، بعد سراغ جزئیات می‌ره. ✍️ فقط برای کدنویسی نیست برای بررسی یک قابلیت جدید، ایدهٔ محصول، تصمیم کسب‌وکار یا حتی نوشتن هم کاربرد داره. ✍️ تصمیم‌گیرنده هنوز تویی پیشنهادهاش رو کورکورانه قبول نکن. بعضی سؤال‌ها هم فقط با ساخت نمونه و آزمایش واقعی جواب می‌گیرن، نه بحث بیشتر. ⛏ نصب و شروع npx skills@latest add mattpocock/skills --skill=grill-me در یک گفت‌وگوی جدید، /grill-me رو همراه ایده‌ات بنویس. حالت Plan Mode خاموش باشه تا به‌جای عجله برای پیاده سازی یا نتیجه‌گرفتن، روی بررسی ایده تمرکز کنه

یک چالش هم باهم شروع میکنیم، قراره که یک پروژه کوچیک بسازم که مشکل های ساختاری نرم‌افزار داره. قراره شما لیست کنید که چی بهتر بود چطوری انجام بشه و چرا. 🔭 بین کسایی که کاملترین جواب هارو بدن، رندوم به ۳نفر یک سابسکریپشن یک ماهه Claude یا Codex به انتخاب خودتون هدیه میدم. پدی ❤️

خوش‌اومدید و ممنون از همگی که جوین چنل شدید. یک روزه رسیدیم به نزدیک ۵۰۰نفر 😍 قراره توی ویدیو بعدی استفاده از Github Speckit رو یاد بدم. من اکثر فیچر یا باگ هایی که فیکس میکنم به کمک همین ابزار هستش. شاید اولش یکم کار زیادی به نظر بیاد، اما چنان تغییری توی کیفیت خروجی ایجاد میکنه که ارزش اون زمانی که میگذارید رو چندین برابر میکنه. پدی ❤️

📇 یکی از ابزارهایی که باید توی هر پروژه‌ای استفاده بشه، Codebase Memory هست. https://deusdata.github.io/codebase-memory-mcp/ 🟢کاری که می‌کنه در ظاهر ساده‌ست: کل Codebase شما رو index می‌کنه و از ارتباط بین بخش‌های مختلف کد یک Knowledge Graph می‌سازه؛ از function و class و interface گرفته تا call chainها، dependencyها، routeها و حتی جریان داده بین functionها. نتیجه اینه که Agent برای جواب دادن به سؤال‌هایی مثل: «این function کجاها استفاده شده؟» «اگه اینو تغییر بدم چه چیزهایی ممکنه بشکنه؟» «این request از کجا وارد سیستم می‌شه و تا کجا می‌ره؟» دیگه مجبور نیست هی grep بزنه، فایل باز کنه، دوباره سرچ کنه و نصف context window رو صرف پیدا کردن کدی کنه که اصلاً دنبالشه. به‌جاش از طریق MCP مستقیماً روی گراف Codebase query می‌زنه. ✍️تفاوتش هم فقط تئوری نیست. توی مقاله‌ای که روی ۳۱ پروژه‌ی واقعی تستش کرده، Codebase Memory با حدود ۱۰ برابر توکن کمتر و ۲.۱ برابر tool call کمتر به 83٪ کیفیت پاسخ رسیده؛ در مقایسه با 92٪ برای Agentی که کدها رو به روش معمول file-by-file می‌خونه. ↗️ خود پروژه هم برای ۵ تا structural query مشخص benchmark گرفته: حدود ۳,۴۰۰ توکن با graph در مقابل ۴۱۲,۰۰۰ توکن با روش file-by-file. یعنی توی اون تست خاص چیزی حدود 120x مصرف توکن کمتر. 🔭 ایجنت از اول یک دید ساختاری نسبت به پروژه داره. می‌تونه call chain رو دنبال کنه، impact یک تغییر رو پیدا کنه، dead code رو تشخیص بده، architecture پروژه رو دربیاره و حتی ارتباط بین چند service رو دنبال کنه. امکان Semantic Search هم داره؛ یعنی لازم نیست حتماً اسم دقیق function رو بدونید. مثلاً دنبال مفهوم send بگردید، می‌تونه چیزهایی مثل publish یا dispatch رو هم پیدا کنه. ضمن اینکه همه‌ی indexing و queryها لوکال انجام می‌شن و کدتون برای ساخت این graph جایی آپلود نمی‌شه. خلاصه اینکه به‌جای اینکه Agent هر بار پروژه رو از صفر «کشف» کنه، یک نقشه‌ی قابل سرچ از Codebase جلوش می‌ذارید. مخصوصاً روی پروژه‌های بزرگ، تفاوتش خیلی محسوس‌تر می‌شه. و بالاخره کمتر شاهد Agentی هستیم که برای پیدا کردن یک function شروع می‌کنه با grep و find و jq کل repository رو شخم زدن 🤢

سلام، من پدی (پدرام) هستم! همون‌طور که احتمالاً حدس زدید، برنامه‌نویسم و این اولین ویدیوی این کاناله. اینجا قراره درباره‌ی دنیای نرم‌افزار، برنامه‌نویسی و ابزارهای مختلف، مخصوصاً هوش مصنوعی، حرف بزنیم؛ اما با یه تفاوت مهم: قرار نیست با اومدن AI، هنر برنامه‌نویسی، مهندسی نرم‌افزار و طراحی درست سیستم‌ها رو فراموش کنیم. توی این ویدیوی کوتاه، خیلی کلی درباره‌ی دیدگاهم، دلیل ساختن این کانال و مسیری که قراره با هم جلو بریم صحبت می‌کنم. 📹 تماشا ویدیو از یوتیوب