uk
Feedback

Не попадись на ботовода! Telemetrio знаходить і позначає такі канали мітками 👉 Хочеш бачити мітку, оформляй підписку

Learning With M

Learning With M

Відкрити в Telegram

سلام. من مسعود دانش پور هستم. همسر، پدر، پسر، برادر، انسان و مهندس نرم افزار.👻 اینجا جایی هست که من تلاش می کنم موضوعاتی که برای یک مهندس نرم افزار مهم و لازمه رو بازگو کنم. آکادمی یادگیری با M : https://academy.daneshpour.ir

Показати більше
2 289
Підписники
Немає даних24 години
Немає даних7 днів
+530 днів
Архів дописів
کتاب جدید Sam Newman هم منتشر شد 🚀 اگه کتاب Building Microservices رو خونده باشید، می‌دونید ایشون چقدر خوب موضوع‌های پیچیده
کتاب جدید Sam Newman هم منتشر شد 🚀 اگه کتاب Building Microservices رو خونده باشید، می‌دونید ایشون چقدر خوب موضوع‌های پیچیده رو ساده و کاربردی توضیح می‌ده. این بار رفته سراغ resilience و تاب‌آوری سیستم، و چیزی که برام جالبه اینه که فقط از الگوهای فنی حرف نمی‌زنه. کنارش به تیم فنی هم پرداخته، یعنی اینکه تیم با incident چطور کنار میاد، ازش چی یاد می‌گیره و غیره... چون نمی‌شه انتظار سیستم تاب‌آور داشت بدون تیم تاب‌آور! اینم در نظر بگیرید که با اومدن AI agentها کد خیلی سریع‌تر از قبل نوشته می‌شه، ولی هزینه‌ی خراب شدن سیستم عملاً فرقی نکرده و شاید بدتر هم شده باشه. ضمناً وقتی بخش زیادی از کد رو خودمون ننوشتیم، شناخت تیم از سیستم کمتر می‌شه و تاب‌آوری تیم بیشتر به چشم میاد. Building Resilient Distributed Systems https://samnewman.io/books/building-resilient-distributed-systems/ @gocasts
17 лист, 04:19

در همین راستا در شب گفتار کتاب Thinking in systems هم قابل گوش دادنه. البته که شب گفتار جالبه کلا.
15 лист, 20:03

سیستم داینامیک یاد بگیرید. اونم فقط از دکتر مشایخی. وای از این استاد
15 лист, 18:43

پس به نظر میاد خودرو های ما تاثیری در آلودگی هوا ندارند. اینجا تفکر سیستمی و بررسی پدیده ها میاد وسط. یک پدیده از عوامل زیادی تشکیل شده که برهم کنش اونها باعث رخداد یک پدیده میشه. ما توی تفکر سیستمی، علاقه داریم اجزا رو پیدا کنیم و تاثیرشون رو هم رو پیدا کنیم. حالا برگردیم سر داستان خودمون. آیا مشکل تحریم تنها مشکله آلودگی هواست؟ لزوما نه، خودرو بی کیفیت هم ممکنه باشه. حالا بریم بررسی کنیم: چرا خودرو ها بی کیفیت هستن؟ چون صنعت خودرو ما قدیمیه و مطالعه و تحقیق روی فناوری های جدید در دانشگاه انجام‌نمیشه. چرا تحقیق نمیشه؟ چون دانشجو ها و استید علاقه ای به ماندن در کشور رو ندارن. چرا علاقه ای به ناندن ندارن؟ چون اقتصاد نابوده. چرا اقتصاد نابوده؟ چون تحریمیم. ای بابا، باز شد تحریم 😒 اگر دقت کنید توی هر سوال میشه یه پاسخ دیگه هم داد، مثلا چرا دانشجو ها مهاجرت میکنن، میشه دلیلش این باشه که آینده شغلی ندارن، چرا ندارن؟ چون فلان و چون بهمان و احتمالا تهش تحریم ! حالا بریم سر وقت اینکه این کامنت دوستمون چی میگه. اینجا با یک پدیده پیچیده اجتماعی طرفیم(جدا از اینکه متن بهش میخوره کار هوشواره باشه)، این دوست رباتیمون کل نگر نیست، یعنی تفکر سیستمی نداره. چرا؟ چون حواسش نیست که وقتی زوج و فرد میشه، کرایه بالا میره، منمی که مجبورم پرداخت کنم، خوشحال نیستم و برای چبران گرونی، میرم خدمات خودمو گرون میکنم. خدمات من گرون میشه، دیجی کالا سودش میاد پایین، سود دیجی کالا بیاد پایین، برای جبرانش ممکنه کمیسیون رو بیشتر کنه، اون بیشتر بشه، سلر خسارت میخوره، سلر خسارت بخوره، جنسشو گرون می کنه، اون موقع هست که این دوستمون که ۲ تمون پول در اورده باید یه جنس یک تومنی رو دو تومن بخره. بازی مجموع صفر همینه. هیچکس سود نکرده. پول اندازش بالا رفته ولی سودی ایجاد نشده. میخوام کلا بگم که تفکر در پدیده ها رو سطحی نگیریم، بامزاست تحلیل پدیده ها. تو نوشتن این متن، از اولش قیافه امید جلو چشمم بود که چندتا گیر قراره به کلماتم بده. امیدوارم زیر ۳ صفحه جمع بشه نکاتش که بخونم. راستی با دوست عزیزم، AI، وبلاگ و آکادمی رو باز نویسی کردم. دوست داشتید سر بزنید و فیدبک بدید: https://masoud.daneshpour.ir https://academy.daneshpour.ir @learning_with_m
14 лист, 18:58

سلام سلام. خیلی وقته چیزی ننوشتم و دلیلش شلوغی و ... هم نیست، تنبلی و برنامگی خودمه که خوب برش میدارم و پشتش قایم نمیشم. بیخو
سلام سلام. خیلی وقته چیزی ننوشتم و دلیلش شلوغی و ... هم نیست، تنبلی و برنامگی خودمه که خوب برش میدارم و پشتش قایم نمیشم. بیخوابی زده به سرم و داشتم میگشتم ببینم جریمه زوج و فرد چه قدره که آیا ماشین ببرم یا نه. تا رسیدم به یک سایت خبری و این کامنت. به ذهنم رسید که کمی در مورد تفکر سیستمی و requirement engineering میشه سرش صحبت کرد. هم منو خسته می کنه که بخوابم و هم شاید جوهر قلمم مجدد راه بیوفته. خب بریم سر وقت این کامنت. قبلش میتونیم حتی ایده خود زوج و فرد از درب منزل رو هم بررسی کنیم. خب ما یه ابزاری داریم به اسم، 5why. چی میگه؟ میگه اگر ۵ تا سوال در مورد یک پدیده بپرسی، احتمالا به ریشش میرسی. حالا بیایم اپلای کنیم روی این ماجرا: چرا زوج و فرد از درب منزل؟ چون هوا آلودست. چرا هوا آلودست؟ چون مازوت می سوزونیم. چرا مازوت می سوزونیم؟ چون گاز برای پالایشگاه نداریم. چرا گاز برای پالایشگاه نداریم؟ چون به روز نشدن و سرمایه گذاری نکردیم روش. چرا سرمایه گذاری نکردیم؟ چون تحریم بودیم و سرمایه خارجی نیومده. دیگه ادامش منشوری میشه. ولی مشخصه کاری از کسی بر نمیاد. @learning_with_m
14 лист, 18:42

Repost from tech-afternoon
🐘🐟 فیل، ماهی قرمز، گوگل، AI و ریویو نرم‌افزار! گوگل یه پروژه کدباز به اسم Elephant-Goldfish Model (EGM) منتشر کرده که برخلاف اسمش، مدل زبانی جدیدی نیست! یه مجموعه Plugin و Agent Skill برای بهبود فرایند طراحی نرم‌افزاره. ایده اصلیش ساده ولی هوشمندانه‌ست: وقتی با AI درباره معماری سیستم صحبت می‌کنیم، مدل کم‌کم کلی اطلاعاتی درباره پروژه، تصمیم‌های قبلی، محدودیت‌ها و نیازمندی‌ها جمع می‌کنه. این می‌شه فیل! چون حافظه و context بزرگی داره. اما همین ویژگی می‌تونه مشکل‌ساز هم بشه؛ مدلی که از اول در شکل‌گیری یه ایده مشارکت داشته، ممکنه موقع نقد کردنش هم ناخودآگاه از همون فرضیات اشتباه دفاع کنه! اینجاست که goldfish (ماهی قرمز) وارد می‌شه! که برخلاف فیل، کم‌حافظه است و هیچ اطلاعی از گفت‌وگوهای قبلی نداره. EGM چند تا subagent مستقل با context تازه ایجاد می‌کنه و فقط سند طراحی و منابع مرتبط، مثل سورس‌کد پروژه، رو بهشون می‌ده. هرکدوم هم از زاویه متفاوتی طراحی رو بررسی می‌کنن. مثلاً آیا نیازمندی‌ها واضح‌اند؟ آیا فرضیات پنهانی وجود داره؟ آیا طراحی با کد موجود سازگاره؟ آیا می‌شه صرفاً با خوندن این سند، سیستم رو پیاده‌سازی کرد؟ در واقع تلاش می‌کنه جلوی همون اتفاق آشنا رو بگیره که نویسنده و منتقد یک طرح، هر دو گرفتار یک سوءتفاهم مشترک می‌شن! فرایندش هم بر اساس Spec-Driven Development طراحی شده. مثلاً می‌خواید قابلیت ارسال Webhook به محصول اضافه کنین. با /egm-brainstorm ایده رو بررسی می‌کنید؛ اینکه اگه درخواست شکست خورد چی؟ اگه یه ایونت دوبار رسید چی؟ بعد با /egm-draft خروجی بحث‌ها رو به یه Design Document تبدیل میکنه. با /egm-review چند تا ایجنت مستقل سند رو بررسی می‌کنن و ایرادهاش رو پیدا می‌کنن. شما تصمیم می‌گیرین کدوم پیشنهادها پذیرفته بشن و در نهایت، بعد از تأیید طراحی، سراغ پیاده‌سازی می‌رین. یعنی به جای اینکه از AI بخوایم فوراً کد رو تولید کنه، اول سعی می‌کنیم مسئله و راه‌حل رو درست بفهمیم. چند تا قابلیت دیگه هم داره که به نظرم کاربردی‌ان. مثلاً Bootstrap برای مستندسازی پروژه‌های موجود، Review Loop برای اجرای ریویوهای تخصصی و Drift Report برای پیدا کردن اختلاف بین کد فعلی و سند طراحی. این آخری رو چیز کاربردی‌ای است؛ چون همه‌مون دیدیم که گاهاً مستندات معماری یه سیستم بیشتر شبیه کتاب تاریخ می‌شن تا توضیح وضعیت فعلیش! البته EGM قرار نیست جای تست، code review انسانی یا تصمیم‌گیری مهندسی رو بگیره. ضمن اینکه برای ریویو واقعاً به ایجنت‌هایی با context مستقل نیاز داره، نه اینکه همون مدل در همون گفت‌وگو نقش منتقد رو بازی کنه. به نظرم جذابیت EGM بیشتر از خود ابزار، توی رویکردش به Context Engineering و طراحی فرایند همکاری ایجنت‌هاست. مسئله فقط این نیست که مدل قوی‌تری داشته باشیم؛ اینکه کدوم ایجنت چه اطلاعاتی دریافت کنه، چه چیزی رو ندونه و چجوری خروجی ایجنت‌های دیگه رو نقد کنه هم مهمه. مجوز پروژه، Apache 2.0 است و با ابزارهایی مثل Claude Code، Codex و Antigravity قابل استفاده‌ست. البته با وجود اینکه ریپازیتوریش متعلق به Google است، خود پروژه صریحاً می‌گه پشتیبانی رسمی گوگل رو نداره. به نظرم ارزش امتحان کردن داره، به‌خصوص برای تیم‌هایی که می‌خوان AI رو از یه ابزار تولید کد، به بخشی از فرایند واقعی مهندسی نرم‌افزار تبدیل کنن. سایتش: https://egm.dev گیت‌هابش: https://github.com/google/elephant-goldfish-model
08 лист, 21:00

شش نفر در هر دیدار دونفره‌ عملاً شش نفر حضور دارند: تصوری که هر یک از طرفین از خود دارد تصوری که هر یک از طرفین از طرف مقابل دارد واقعیت هر یک از دو طرف ویلیام جیمز پی‌نوشت: به‌ نظرم این نگاه، در دوستی و رابطه، مدیریت تعارض، و همین‌طور مذاکره‌های فردی و سازمانی و ملُی معنا داره و مفیده.
07 лист, 20:49

Repost from N/a
کتاب ارزشمند Thinking in Systems یا همان تفکر سیستمی معروف هم با موتور جدید بازسازی شد و از 40 و چند دقیقه به 1 ساعت 52 دقیقه
کتاب ارزشمند Thinking in Systems یا همان تفکر سیستمی معروف هم با موتور جدید بازسازی شد و از 40 و چند دقیقه به 1 ساعت 52 دقیقه رسید . پیشنهاد ما برای مطالعه این کتاب ها یک تا دو اپیزود صبح ، و نهایتا یک تا دو اپیزود عصر هست به این شکل خیلی ذهن خسته نمی شه و در تقریبا یک هفته ، یک کتاب عالی رو مرور کردیم. https://shabgoftar.ir/programs/book-summaries/thinking-in-systems/ #شبگفتار @ShabGoftar
31 жовт, 13:44

Repost from .NET Fun
یادش بخیر… یه زمانی غرق بحث‌های تکنیکال بودیم. می‌نشستیم بحث می‌کردیم که چرا GC نمیاد LOH رو Compact کنه! سر پارتیشن‌بندی‌های کافکا و انواع‌واقسام Partition Assignment حرف می‌زدیم. سر روش‌های مختلف پیاده‌سازی Idempotency با هم بحث می‌کردیم، گاهی حتی دعوامون می‌شد! الان اما همه‌چی شده AI. گاهی فکر می‌کنم همون‌طور که ما آخرین نسلی بودیم که توی کوچه‌خیابون بازی می‌کردیم، شاید آخرین نسلی هم باشیم که از ساعت‌ها بحث و کلنجار رفتن سر جزئیات تکنیکال، از خودِ تکنولوژی و از یاد گرفتن چیزهای جدید لذت می‌بردیم. انگار یه چیزی از لذت مهندسی نرم‌افزار، وسط این همه هیاهوی AI مرد...
25 жовт, 12:34

Repost from TondTech Team
بچه ها این کتاب Data-intensive (فعلا رایگانه و اشتراک نمیخواد) رو یه گوشی بدین، ببینین خوبه کتاب های فنی این شکلی رو خلاصه صو
بچه ها این کتاب Data-intensive (فعلا رایگانه و اشتراک نمیخواد) رو یه گوشی بدین، ببینین خوبه کتاب های فنی این شکلی رو خلاصه صوتی بسازیم ؟ مخصوصا شما حسن جان https://shabgoftar.ir/programs/book-summaries/designing-data-intensive-applications/
22 жовт, 01:26

Repost from tech-afternoon
🔗 معرفی LayerFS برای وقتی ایجنت‌ها زیاد می‌شن! فرض کنین یه پروژه نرم‌افزاری بزرگ دارین و به‌جای اینکه یه ایجنت رو مأمور Refactoring کنین، تصمیم می‌گیرین ۲۰ تا ایجنت رو هم‌زمان به کار بگیرین؛ ۵ تا برای refactoring، پنج‌تا هم برای پیدا کردن و رفع Bug، پنج‌تا برای نوشتن تست و پنج‌تای دیگه هم برای امتحان کردن روش‌های مختلف بهینه‌سازی performance. خب؟ روی کاغذ خوبه؛ ولی یه مشکل اساسی داریم: هر Agent برای کارش به سورس‌کد پروژه، dependencyها و یه محیط اجرایی مستقل نیاز داره. راه‌حل‌های دوران پیشاهوشواره (ماقبل AI) مثل git تا حد خوبی این نیاز رو برطرف می‌کنن، ولی وقتی تعداد Agentها به ده‌ها یا صدها برسه، مدیریت این محیط‌ها، نگهداری فایل‌های تکراری، آماده‌سازی dependencyها و هماهنگی تغییرات، خودش تبدیل به یه چالش جدی می‌شه. مثلاً وقتی یه پروژه‌ با سورس‌کد ۱۰۰ گیگابایتی دارین؛ چرا باید برای هر Agent یک کپی جداگانه از همه‌چیز داشته باشین؟ از طرفی هم نمی‌شه همه از یه نسخه مشترک استفاده کنن و فقط تغییرات خودشون رو مستقل نگه دارن؟ دلیل پیدایش پروژه متن‌باز LayerFS همین مسئله بود! ایده اصلیش Ephemeral Workspaces, Durable Shared History است؛ یعنی محیط‌های کاری موقت، با تاریخچه تغییرات ماندگار و مشترک. به زبون ساده، هر ایجنت یه workspace مستقل داره، بدون اینکه لازم باشه همه فایل‌ها و dependencyهای پروژه براش کپی بشن. همه از یه پایه مشترک استفاده می‌کنن و فقط تغییرات اختصاصی خودشون رو نگه می‌دارن. قابلیت جذاب‌ترش اینکه تغییرات می‌تونن به‌صورت checkpoint ثبت بشن. فرض کنین یه ایجنت برای refactoring چهار مرحله جلو رفته، ولی توی مرحله چهارم به بن‌بست رسیده. می‌شه از مرحله دوم یه branch جدید ساخت و به چند ایجنت دیگه سپرد تا مسیرهای متفاوتی رو امتحان کنن. حتی می‌شه ۵۰ تا ایجنت رو روی ۵۰ راه‌حل متفاوت برای یه مسئله به کار گرفت، بعد خروجی‌ها رو تست و مقایسه کرد و بهترین گزینه رو انتخاب کرد. البته انتخاب بهترین راه‌حل کار خود LayerFS نیست؛ این زیرساخت فقط اجرای چنین الگویی رو ساده‌تر می‌کنه. از نظر فنی هم پروژه با ترکیبی از تکنیک‌های شناخته‌شده و حتی قدیمی مثل Copy-on-Write، Content-Addressed Storage و SQLite پیاده‌سازی شده و ادعاهای جالبی درباره کاهش مصرف استورج و زمان آماده‌سازی Workspaceها داره. البته هنوز محدودیت‌هایی هم داره، مثل محدودیت اشتراک Store بین ماشین‌های مستقل، یا مدیریت Conflictهای منطقی و بعضی ملاحظات مربوط به Durability. بنابراین فعلاً نباید بهش به‌عنوان «امروزه، عصر، عسر LayerFS است و هر کس بلد نباشه یا استفاده نکنه، ابله است» نگاه کنیم. 💡 اما به نظرم نکته مهم‌تر از خود LayerFS؛ مسئله‌ایه که داره حل می‌کنه. ما داریم به سمتی می‌ریم که توسعه نرم‌افزار لزوماً به معنی همکاری یه برنامه‌نویس با یه ایجنت نیست. ممکنه به معنی اجرای ده‌ها یا صدها ایجنت باشه که هم‌زمان فرضیه‌های مختلف رو امتحان می‌کنن، شکست می‌خورن، به عقب برمی‌گردن و مسیرهای جدیدی رو پیش می‌گیرن. برای چنین آینده‌ای، فقط مدل‌های هوشمندتر کافی نیستن. به زیرساخت‌هایی نیاز داریم که این شکل از توسعه رو از نظر هزینه، سرعت، مدیریت state و قابلیت ردیابی عملی کنن. و LayerFS قرار نیست ایجنت‌ها رو باهوش‌تر کنه؛ می‌خواد کاری کنه که بتونیم تعداد خیلی بیشتری از اون‌ها رو به شکل مؤثر، کنار هم به کار بگیریم و هزینه منابع رو در سطح استورج و زمان، کنترل کنیم. و شاید این بخشِ کمتر دیده‌شده‌ یا کمتر پرداخته‌شده‌ای از تحول AI-Native Software Engineering باشه: تحول توی زیرساخت توسعه، نه صرفاً ابزار تولید کد یا حتی محصول. 🔗 وب‌سایتش 🔗 سورس‌کدش
22 жовт, 01:19

Repost from N/a
امشب با احمد سجادیان عزیز از آلمان درباره شرایط کاری و انعطاف و ... بین کارمند و بیزنس ها گپ میزنیم ساعت شروع برنامه : 22:30
امشب با احمد سجادیان عزیز از آلمان درباره شرایط کاری و انعطاف و ... بین کارمند و بیزنس ها گپ میزنیم ساعت شروع برنامه : 22:30 مسیر ورود به برنامه : Shabgoftar.ir همزمان با صحبت های مجری و میهمان شما هم می تونید از طریق بخش گفتگو سایت نظراتتون رو در لحظه با ما در میون بگذارید. پیشاپیش از همراهی تون سپاس گزاریم #گزارش_کار #شبگفتار
21 жовт, 12:58

ایده های مسعود بیگی، یکی از یکی نو آورانه ترن.
21 жовт, 12:58

ما هیچ، ما نگاه. #SoftwareArchitecture #فان
ما هیچ، ما نگاه. #SoftwareArchitecture #فان
21 жовт, 12:54

Repost from Product Drafts
یه رفتار خیلی سمی وجود داره که احتمالا همه‌مون یه جایی تجربه‌ش کردیم. اینکه یکی نقطه ضعفی از یه نفر پیدا می‌کنه و از اون به بعد مدام همون نقطه رو هدف می‌گیره. انگار که پیدا کردن یه نقطه ضعف، فرصتی برای ضربه زدنه. اما به نظرم اون طرف این ماجرا خیلی مهم‌تره، به‌خصوص وقتی مدیر باشی. اینکه بتونی نقطه ضعف آدم‌ها رو بشناسی، اما به جای استفاده ازشون، مراقبشون باشی. حتی مهم‌تر اینکه حواست باشه بقیه هم از اون نقطه ضعف برای آسیب زدن بهشون استفاده نکنن. به نظرم یکی از انسانی‌ترین کارهایی که می‌تونیم برای آدم‌های اطرافمون انجام بدیم همینه. اینکه بدونیم کجا آسیب‌پذیرن و درست همون‌جا مراقبشون باشیم. شاید مدیریت خوب فقط به این نباشه که چقدر به رشد آدم‌ها کمک می‌کنیم، گاهی به اینه که چقدر مراقب آسیب‌پذیری‌هاشون هستیم.
20 жовт, 14:25

Repost from .NET Internals
به نظرم این پروژه واقعاً ارزش بررسی داره: https://github.com/morluto/rea چیزی که در مورد REA برام جالبه، رویکردش به ترکیب مهندسی معکوس با ایجنت‌های هوش مصنوعیه. ایده اینه که به‌جای محدود موندن به تحلیل کد منبع، امکان بررسی رفتار و ساختار اپلیکیشن‌ها، حتی در سطح باینری، فراهم بشه تا ایجنت بتونه با تکیه بر شواهد به درک عمیق‌تری از نحوه عملکرد سیستم برسه و در مسیر بازپیاده‌سازی قابلیت‌های اون کمک کنه. به نظرم این دقیقاً یکی از حوزه‌هاییه که ترکیب AI و مهندسی نرم‌افزار می‌تونه تأثیر جدی بذاره؛ جایی که ایجنت صرفاً کد تولید نمی‌کنه، بلکه باید تحلیل کنه، فرضیه بسازه، شواهد رو بررسی کنه و بر اساس اون‌ها به راه‌حل برسه. فکر می‌کنم ارزش اصلی چنین پروژه‌هایی در حرکت از تولید صرف کد به سمت درک و تحلیل سیستم‌های پیچیده‌ست. قطعاً بررسی معماری و قابلیت‌های REA می‌تونه دید جالبی نسبت به آینده‌ی AI-assisted reverse engineering بده. قبلا میگفتیم همه محصولات یه کپی چینی دارن الان در حوزه نرم افزار هم داره ابن اتفاق میفته (نمونش مثلا PhotoCraft یکی اومده کلا فتوشاپ رو از اول نوشته و اپن سورس کرده!)
19 жовт, 11:42

سلام. ما یک پوزیشن Software Engineer در دیجی کالا ادز داریم که می خوایم با یک Staff Engineer پرش کنیم. کاری که قراره بکنید روی سیستم های پر تراکنش(حدود 50 میلیون درخواست در روز) کار کنید که برای سازمان بسیار مهم و با ارزشه. تمرکز این فرد روی بازطراحی و بهبود این سرویس ها و توسعه اونهاست. پس، اگر روی golang متخصص هستید و بیشتر از ۸ سال سابقه کار دارید، خوشحال میشم بهم پیام بدید و یا از طریق این لینک اپلای کنید‌. #استخدام #جذب
17 жовт, 01:59

مارگارت همیلتون یکی از پیشگامان مهندسی نرم افزار چند روز پیش در سن 90 سالگی درگذشت. خانم همیلتون دانشمند علوم کامپیوتر در دان
+2
مارگارت همیلتون یکی از پیشگامان مهندسی نرم افزار چند روز پیش در سن 90 سالگی درگذشت. خانم همیلتون دانشمند علوم کامپیوتر در دانشگاه MIT بود که در دهه 1960 میلادی مسئولیت هدایت تیم توسعه نرم افزار پرواز ماموریت اپولوی ناسا رو دست گرفت و در نهایت منجر به اولین فرود انسان روی ماه در تاریخ شد. ایشون از افرادی بود که به رواج اصطلاح مهندسی نرم‌افزار کمک کرد و تأکید داشت که ساخت نرم‌ افزار صرفا نوشتن کد نیست، بلکه نرم افزار به طراحی سیستم، ازمایش، مدیریت خطا و تضمین قابلیت اطمینان نیاز داره. 🔎 mit 📍 @TechTube
12 жовт, 02:15

سلام. اول فکر کردم شوخیه و با AI درست شده. بعد دیدم نه واقعیه. توی این سن ایشون داره در مورد یک مبحث خیلی مهم صحبت میکنه و بعد روزانه درگیر اینم که ای بابا، دیگه برنامه نویس ها تموم شدن و AI فلان و بهمان.
11 жовт, 20:30

Repost from .NET Internals
سلام به همگی با Rookery آشنا بشید: از Issue تا Pull Request! چند وقتیه دارم روی Rookery کار می‌کنم. یه GitHub Appه که یه Issue رو برمی‌داره و تا یه Draft PR آماده جلو می‌بره. قبل از اینکه حتی یه خط کد نوشته بشه، شما پلن رو تأیید می‌کنید. الان هم بالا اومده و می‌تونید امتحانش کنید https://rookery.run 🚀 شروع کار 1️⃣ GitHub App Rookery رو روی ریپوهاتون نصب کنید. 2️⃣ با اکانت GitHub وارد پرتال بشید. 3️⃣ کلید API خودتون (Anthropic، DeepSeek یا GLM) رو توی صفحه‌ی Keys اضافه کنید. کلیدها رمزنگاری‌شده ذخیره می‌شن و دیگه هیچ‌جا نمایش داده نمی‌شن 🔒 🔄 از Issue تا PR 🏷️ لیبل rookery:trigger رو به Issue بزنید. 📝 Rookery یه پلن و لیست تسک می‌نویسه. اگه جایی ابهام داشته باشه، همون‌جا زیر Issue ازتون می‌پرسه. ✅ کامنت approve بذارید. فقط کسایی که دسترسی write دارن می‌تونن تأیید کنن، و پرتال هم دکمه‌ی approve نداره. ⚙️ تسک‌ها رو یکی‌یکی انجام می‌ده. برای هر تسک یه سشن تازه باز می‌کنه و بعد از هر کدوم commit می‌کنه. 🔍 آخر کار یه ایجنت ریویوئر نتیجه رو چک می‌کنه، و شما یه Draft PR تحویل می‌گیرید که پلن، تصمیم‌ها و ریویو همه توشه. 👀 ریویوی PR هر وقت خواستید روی هر PR که خواستید @rookery-agent رو منشن کنید، یا لیبل ریویو رو بزنید، یه جدول خلاصه با یافته‌ها و نتیجه‌ی نهایی تحویل می‌گیرید. 🛠️ پشت صحنه هارنس ما Claude Codeه. هر مرحله، CLI ِ claude رو توی یه git worktree جدا اجرا می‌کنه. با قوانین سفت‌وسخت deny، ایجنت نه می‌تونه push کنه و نه به GitHub دسترسی داره. همه‌ی commitها، pushها و PRها رو خود Rookery انجام می‌ده. 🎁 جایزه: به ۳ نفر که Rookery رو امتحان کنن و نظرشون رو همین‌جا کامنت کنن، اعتبار رایگان می‌دم تا بدون اضافه کردن کلید API خودشون ازش استفاده کنن 😉 لطفا به اشتراک بذارید و کمک کنید بهترش کنم.
09 жовт, 03:05