fa
Feedback
آخرین کد نویس

آخرین کد نویس

رفتن به کانال در Telegram

دوران برنامه‌نویسی سنتی به پایان رسیده؛ یا با هوش مصنوعی هم‌مسیر می‌شی یا جا می‌مونی. اینجا یاد می‌گیریم چطور با اهرمِ AI، ده برابر سریع‌تر کد بزنیم و مهندسِ آینده باشیم. به جمع آخرین کدنویس‌ها خوش اومدی. گروه: https://t.me/lastcoderworldg

نمایش بیشتر
452
مشترکین
+324 ساعت
+107 روز
+5130 روز
آرشیو پست ها
photo content

4️⃣ تا از متد های مهم آرایه در جاوااسکریپت📱 🟫push()
javascript
const arr = [1, 2];
arr.push(3); // [1, 2, 3]
🟫pop()
javascript
const arr = [1, 2, 3];
arr.pop(); // [1, 2]
🟫shift()
javascript
const arr = [1, 2, 3];
arr.shift(); // [2, 3]
🟫unshift()
javascript
const arr = [2, 3];
arr.unshift(1); // [1, 2, 3]
جوین شو برا پست فردا😣❤

Prompt Engineering for LLMs

کتاب Prompt Engineering for LLMs نویسندگان: John Berryman & Albert Ziegler انتشارات: O'Reilly این کتاب یک راهنمای کاربردی و مهندسی برای ساخت برنامه‌های واقعی با تمامی مدل‌های زبانی بزرگ (مثل Claude، Gemini، Llama و GPT) است. نویسندگان کتاب با تکیه بر تجربه خلق GitHub Copilot، یاد می‌دهند که چطور مدل‌های زبانی را به لایه‌ای قابل اتکا از معماری نرم‌افزار خود تبدیل کنید؛ لایه‌ای که مسائل سیستم را بفهمد، ابزارها را فراخوانی کند و اکشن‌های واقعی انجام دهد.
سرفصل‌های اصلی: • نحوه کارکرد زیرکاپوت ترنسفورمرها و توکن‌سازی • تکنیک‌های چندنمونه‌ای (Few-Shot) و زنجیره افکار (Chain-of-Thought) • پیاده‌سازی معماری بازیابی اطلاعات (RAG) • فراخوانی ابزارها (Tools) و ساخت ایجنت‌های هوشمند • ارزیابی و تست خروجی مدل‌ها در محیط واقعی
 سطح: متوسط تا پیشرفته زمان پیشنهادی: ۴ تا ۶ هفته فایل PDF کتاب در پیام بعدی قرار گرفته است. نکات کلیدی و کاربردی این کتاب را به‌زودی در کانال بررسی می‌کنیم.

photo content

اگر می‌خواهید به یک مهندس نرم‌افزار همه‌چی‌تمام تبدیل شوید، خواندن این ۱۲ کتاب را حتماً در برنامه خود بگذارید:
ء1️⃣ The Pragmatic Programmer ↳ آموزش فرآیند و هسته اصلی توسعه نرم‌افزار و ذهنیت یک مهندس واقعی. ء2️⃣ Designing Data-Intensive Applications ↳ مرجع اصلی درک سیستم‌های توزیع‌شده (Distributed Systems) و معماری داده. ء3️⃣ The Mythical Man-Month ↳ توصیه‌های کاربردی برای مدیریت پروژه‌ها و تیم‌های نرم‌افزاری بزرگ. ء4️⃣ Refactoring ↳ تکنیک‌های عملی برای بازنویسی ساختار کد و بهبود قابلیت نگهداری آن. ء5️⃣ Software Architecture: The Hard Parts ↳ نحوه ارزیابی بده‌بستان‌ها (Trade-offs) و گرفتن بهترین تصمیمات معمارانه. ء6️⃣ Working Effectively with Legacy Code ↳ استراتژی‌های رام کردن و ریفکتور کردن کدهای قدیمی و پیچیده. ء7️⃣ A Philosophy of Software Design ↳ فلسفه و دیدگاه عمیق برای کاهش پیچیدگی و نوشتن کدهای تمیز. ء8️⃣ Clean Code ↳ اصول و تمرین‌های پایه‌ای برای نوشتن کدهای خوانا و قابل فهم. ء9️⃣ Why Programs Fail ↳ آموزش روش‌های سیستماتیک و اصولی برای دیباگ کردن برنامه‌ها. ء🔟 Never Split the Difference ↳ تاکتیک‌های مذاکره از زبان مذاکره‌کننده ارشد FBI (مهارت نرم حیاتی برای مهندسان ارشد). ء1️⃣1️⃣ 7 Rules of Power ↳ درک نحوه جریان قدرت، نفوذ و مدیریت ارتباطات در سازمان‌ها. ء1️⃣2️⃣ On Writing Well ↳ تکنیک‌های نوشتن متن‌های شفاف و ساده (برای داکیومنت‌نویسی و ارتباطات متنی قوی).

photo content

مسیر شغلی‌تان شلوغ و پر از تغییر است؟ این متن را بخوانید: وقتی به فید لینکدین نگاه می‌کنیم، مسیر شغلی همه بی‌نقص و مثل یک خط مستقیم به سمت موفقیت به نظر می‌رسد. اما همه ما خیلی چیزها را پنهان می‌کنیم: - پروژه‌هایی که شکست خوردند - تغییر مسیرهای ناگهانی - لحظاتی که با خودمان می‌گوییم «پیش خودت چه فکری می‌کردی؟» واقعیت این است که همه ما در حال یادگیری و آزمون و خطا هستیم و این اتفاق کاملاً طبیعی است. حتی پذیرش این موضوع یک مزیت محسوب می‌شود؛ چون جذاب‌ترین فرصت‌ها دقیقاً از جاهایی غیرمنتظره پیدا می‌شوند و مهارت‌هایی که امروز غیرمرتبط به نظر می‌رسند، ممکن است فردا برگ برنده شما باشند. با این حال هنوز هم: - شکست‌هایمان را پنهان می‌کنیم. - عنوان‌های شغلی قدیمی را پاک می‌کنیم. - وانمود می‌کنیم هر تغییری کاملاً استراتژیک بوده است. کافی است! این نکات را یادمان باشد: - هر تغییر مسیری، ابزار جدیدی به جعبه‌ابزار مهندسی و کاری شما اضافه می‌کند. - هر شکست، تاب‌آوری شما را بالاتر می‌برد. - هر پیچیدگی در مسیر، یادگیری عمیق‌تری به همراه دارد. افراد موفق، کارهایشان را بی‌نقص انجام نداده‌اند؛ بلکه از هر پیچ‌وخمی درس گرفته‌اند، موقع شک بقیه ساخته‌اند و نقاطی را به هم وصل کرده‌اند که دیگران ندیده‌اند. مسیر شغلی غیرمستقیم و شلوغ شما یک Bug نیست، دقیقاً یک Feature است!

photo content

یک دوره کامل و ۴۳۵ درسِ مهندسی هوش مصنوعی روی گیت‌هاب رایگان شد! تفاوت اصلی این دوره با بقیه دوره‌ها در یک قانون ساده است: هر الگوریتم قبل از ایمپورت کردن هرگونه فریم‌ورکی، ابتدا از روی ریاضیات پایه پیاده‌سازی می‌شود. شما مفاهیمی مثل Backpropagation، Tokenizer، Attention Mechanism و Agent Loop را کاملاً از صفر کد می‌زنید؛ بنابراین وقتی سراغ PyTorch می‌روید، دقیقاً می‌دانید زیر لایه نرم‌افزار چه خبر است. ساختار ۵ مرحله‌ای هر درس: 1️⃣ خواندن مسئله 2️⃣ استخراج و حل فرمول‌های ریاضی 3️⃣ کدنویسی از صفر 4️⃣ اجرای تست‌ها 5️⃣ ذخیره خروجی کاربردی در انتهای مسیر، شما فقط «دانش تئوری» ندارید؛ بلکه خروجی‌های قابل دیپلوی و واقعی ساخته‌اید: از فایل‌های SKILL.md و تعاریف ایجنت‌ها گرفته تا سرورهای MCP که خودتان از صفر پیاده کرده‌اید. این دوره با ۴ زبان جلو می‌رود: ◽️ پایتون برای پایپلاین‌های یادگیری ماشین ◽️ تایپ‌اسکریپت برای ابزارهای ایجنتی ◽️ راست (Rust) برای بخش‌های حساس به پرفورمنس ◽️ جولیا (Julia) برای محاسبات عددی پوشش مباحث هم کاملاً جامع است؛ از جبر خطی شروع می‌شود و تا سیستم‌های ایجنتی خودمختار (Autonomous Swarms)، معماری Multi-Agent، زیرساخت پروداکشن و ایمنی هوش مصنوعی جلو می‌رود.

photo content

همه دارند نحوه کار با هوش مصنوعی را یاد می‌گیرند، اما مزیت رقابتی واقعی جای دیگری است! مهارت‌های فنی کار با AI هر روز ارزان‌تر و عمومی‌تر می‌شوند، اما قدرت تحلیل و تصمیم‌گیری درست (Good Judgment) روزبه‌روز باارزش‌تر می‌شود. وقتی مجمع جهانی اقتصاد از کارفرمایان پرسید چه مهارت‌هایی در این دهه بیشترین اهمیت را دارند، هوش مصنوعی و Big Data در صدر قرار گرفتند؛ اما مهارت‌های بعدی را ببینید، همه‌شان کاملاً انسانی هستند: ◽️ تفکر تحلیلی و خلاقانه ◽️ حل مسئله و تفکر سیستمی ◽️ رهبری و خودآگاهی ◽️ تاب‌آوری و کنجکاوی هوش مصنوعی فقط یک ابزار است و ابزارها به تنهایی نتیجه نمی‌سازند. مزیت اصلی شما داشتن پیشرفته‌ترین مدل AI نیست، بلکه توانایی شما در این سه بخش است: 1️⃣ اجرای سریع‌تر و باکیفیت‌تر (Execution) 2️⃣ تصمیم‌گیری با شفافیت کامل در شرایط مبهم 3️⃣ هدایت تیم و سیستم در میان تغییرات مداوم ابزارهای هوش مصنوعی هر روز قدرتمندتر می‌شوند، اما لایه اصلی که تعیین می‌کند خروجی نهایی یک سیستم چه باشد، هنوز هم لایه تصمیم‌گیری انسانی است.

photo content

انتخاب بین Claude Code یا Codex، صورت‌مسئله اشتباهی است؛ شما در واقع می‌توانید از هر دو استفاده کنید. به جای آن، این ۴ سوال کلیدی را از خود بپرسید. هر دو ابزار ریپازیتوری شما را می‌خوانند، فایل‌ها را ادیت می‌کنند و دستورات را می‌نویسند؛ اما تنظیمات پیش‌فرض و معماری آن‌هاست که مرزها را مشخص می‌کند:
1️⃣ محیط کاری شما کجاست؟ ◽️ ابزار Claude Code کاملاً روی ترمینال متمرکز است. ◽️ ابزار Codex به صورت پیش‌فرض بین اپلیکیشن، IDE، کلود و گیت‌هاب در جریان است. 🚀 محیطی را انتخاب کنید که همین حالا هم بیشتر وقت خود را در آن می‌گذرانید. 2️⃣ تقسیم کارها به چه شکل انجام می‌شود؟ ◽️ ابزار Claude Code کارها را در یک سشن واحد به ساب‌ایجنت‌ها واگذار می‌کند (ساختار تو در تو). ◽️ ابزار Codex تسک‌ها را به تِردها می‌فرستد تا شما بر آن‌ها نظارت کنید (ساختار موازی و خطی). 3️⃣ قوانین جریان کاری را کجا کدگذاری می‌کنید؟ ◽️ ابزار Claude Code به صورت پیش‌فرض فایل CLAUDE.md را می‌خواند. ◽️ ابزار Codex به صورت پیش‌فرض فایل AGENTS.md را ملاک قرار می‌دهد. 🔌 البته هر دو پروتکل MCP را کاملاً پشتیبانی می‌کنند. قوانینی را بنویسید که تیم شما توانایی نگهداری‌اش را داشته باشد. 4️⃣ تسک‌های طولانی‌مدت کجا اجرا می‌شوند؟ ◽️ ابزار Claude Code به صورت Headless در شل و CI شما اجرا می‌شود. ◽️ ابزار Codex بیشتر به جاب‌های کلود و صف‌های کامنت و بررسی (Review Queue) متکی است. 💻 کارهای سنگین و طولانی را به CI یا کلود بسپارید، نه لپ‌تاپ خودتان.
🎯 خلاصه سناریوهای انتخاب: ← اگر در ترمینال زندگی می‌کنید: Claude Code ← اگر به محیط‌ها و پلتفرم‌های بیشتری نیاز دارید: Codex ← اگر قابلیت Pairing و اجرای هم‌زمان در بک‌گراند را می‌خواهید: هر دو! ترکیب پیشنهادی: استفاده هم‌زمان از هر دو ابزار؛ Claude Code سیستم را می‌سازد و Codex آن را به چالش می‌کشد. با افزونه رسمی Codex در کلود کد، به راحتی با دستورات زیر می‌توانید آن را فعال کنید: /plugin marketplace add openai/codex-plugin-cc /plugin install codex@openai-codex

photo content

اگر می‌خواهید در بحث طراحی سیستم (System Design) به شدت قوی شوید، این ۸ پروتکل شبکه را عمیقاً یاد بگیرید:
ء1️⃣ HTTPS (Hypertext Transfer Protocol Secure) ◽️ کاربرد: ارتباطات امن در بستر اینترنت. 🔹 ترافیک HTTP را با استفاده از TLS رمزنگاری می‌کند؛ اما به مدیریت گواهی‌های TLS و فرآیند دست‌تکانی (Handshake) اولیه نیاز دارد. ء2️⃣ UDP (User Datagram Protocol) ◽️ کاربرد: بازی‌های آنلاین، ویدیوکال و استریم‌های زنده. 🔹 بسته‌ها را بدون منتظر ماندن برای تاییدیه (ACK) و با حداکثر سرعت می‌فرستد؛ اما ریسک گم شدن یا جابه‌جا رسیدن داده‌ها را دارد. ء3️⃣ TCP (Transmission Control Protocol) ◽️ کاربرد: وب‌سایت‌ها، ایمیل و دانلود فایل. 🔹 یک اتصال پایدار ایجاد کرده و سلامت و ترتیب تحویل تک‌تک بسته‌ها را تضمین می‌کند؛ اما تاخیر (Latency) و اورهد بالاتری دارد. ء4️⃣ IP (Internet Protocol) ◽️ کاربرد: مسیریابی و ارسال بسته‌های داده در اینترنت. 🔹 آدرس مبدا و مقصد را به هر بسته اضافه می‌کند؛ سریع است اما خودش به تنهایی تحویل یا ترتیب درست بسته‌ها را تضمین نمی‌کند. ء5️⃣ SFTP (Secure File Transfer Protocol) ◽️ کاربرد: انتقال امن فایل بین سیستم‌ها. 🔹 بر بستر SSH اجرا می‌شود و کل سشن را رمزنگاری می‌کند؛ اما با ابزارهای FTP معمولی سازگار نیست. ء6️⃣ SMTP (Simple Mail Transfer Protocol) ◽️ کاربرد: ارسال ایمیل بین میل‌سرورها. 🔹 وظیفه هدایت و انتقال ایمیل را دارد؛ اما کارهایی مثل مدیریت و دسترسی به اینباکس (مثل IMAP/POP3) را انجام نمی‌دهد. ء7️⃣ SSH (Secure Shell) ◽️ کاربرد: دسترسی و مدیریت امن سرورهای راه دور. 🔹 یک کانال رمزنگاری‌شده با استفاده از کلیدها یا پسوردها باز می‌کند؛ اما نیاز به مدیریت دقیق و امن کلیدها (Key Management) دارد. ء8️⃣ DNS (Domain Name System) ◽️ کاربرد: نگاشت نام دامنه‌ها به آدرس‌های IP. 🔹 با کوئری زدن به سرورهای DNS، اینترنت را برای انسان‌ها قابل‌فهم می‌کند؛ اما به اولین درخواست کمی تاخیر (Latency) اضافه می‌کند.
به نظر شما چه پروتکل‌های کلیدی دیگری باید به این لیست اضافه شوند؟ مثلاً بحث‌های مربوط به WebSocket برای ارتباطات دوطرفه، یا gRPC/HTTP2 برای میکروسرویس‌ها؟

photo content

من ابزارهای هوش مصنوعی (AI Stack) خودم را برای سال ۲۰۲۶ کاملاً بازسازی کردم. ۱۴ تسک مختلف و ابزارهایی که در هر بخش برنده شدند؛ ابزارهایی که در سال ۲۰۲۵ برنده بودند، دیگر گزینه‌های اول نیستند:
✦ جستجو: Google ← Gemini ← AI Mode ✦ مرورگر: Chrome ← Arc ← Claude for Chrome ✦ نگارش و متن: Gemini ← ChatGPT ← Claude ✦ توسعه و کدنویسی: Claude ← Cursor ← Claude Code ✦ تحقیق و پژوهش: Google ← ChatGPT ← Perplexity ✦ اتومیشن: Make ← n8n ← Claude Routines ✦ طراحی: Canva ← Figma ← Claude Code ✦ تصویر: Nano Banana ← GPT Image 2.0 ← Higgsfield ✦ ادیت ویدیو: CapCut ← Premiere ← HyperFrames ✦ آواتار: Captions ← Synthesia ← HeyGen ✦ صداگذاری و گویندگی: Murf ← Fish Audio ← ElevenLabs ✦ نوت‌برداری: Otter ← Fireflies ← Granola ✦ اسلاید و پرزنت: PowerPoint ← Gamma ← Claude in PowerPoint ✦ ایمیل: Gmail ← Superhuman ← Gmail Connector
ابزارهای قدیمی از بین نرفته‌اند؛ فقط گزینه‌های جدید با سرعت و بازدهی بیشتری جلو افتاده‌اند. کافی است در این هفته فقط یکی از ابزارهای جریان کاری خود را تغییر دهید تا تأثیرش را در خروجی نهایی ببینید.

photo content