توضیحات
آموزش کدنویسی مهندسی با هوش مصنوعی
نام دوره : AI Coding Crash Course
پیش‌نیازها
بدون نیاز به سابقه قبلی در کار با ایجنت‌های هوش مصنوعی یا برنامه‌نویسی حرفه‌ای: این کارگاه به گونه‌ای طراحی شده که هم توسعه‌دهندگان باسابقه و هم افراد غیربرنامه‌نویس باانگیزه بتوانند گام‌به‌گام مفاهیم را از پایه بیاموزند.
دسترسی به یک ابزار ایجنت کدنویسی (نظیر Claude Code، Codex یا ایجنت‌های سازگار با Markdown): فایل‌های دستورالعمل و مهارت‌ها به صورت استاندارد و مستقل از ابزار طراحی شده‌اند تا بر روی هر ایجنت مدرن قابل اجرا باشند.
رایانه شخصی متصل به اینترنت: جهت اجرای خط فرمان، مشاهده ویدیوهای آموزشی با زیرنویس انگلیسی، استفاده از راهنماهای متنی و دسترسی به انجمن اختصاصی دیسکورد.
کنجکاوی و تمایل به یادگیری اصول مهندسی واقعی: انگیزه برای جایگزین کردن روش‌های تصادفی و پرخطای پرامپت‌نویسی با فرآیندهای مهندسی قابل اتکا و تکرارپذیر.
توضیحات:
چرا پروژه‌هایی که با هوش مصنوعی شروع می‌شوند، در ابتدا جادویی به نظر می‌رسند اما به مرور زمان با اضافه شدن ویژگی‌های جدید و رفع باگ‌ها، از کنترل توسعه‌دهنده خارج می‌شوند؟
مشکل اصلی این است که ایجنت‌های کدنویسی هرگز خسته نمی‌شوند و می‌توانند در چند دقیقه هزاران خط کد تولید کنند؛ اما تصمیمات اشتباه و کدهای تکراری آن‌ها به سرعت انباشته شده و پنجره کانتکست (Context Window) مدل پر می‌شود.
در نتیجه، توسعه‌دهنده به جای انجام کارهای خلاقانه، تمام وقت خود را صرف نظارت خسته‌کننده، اصلاح مداوم خطاها و تکرار دستورالعمل‌های اولیه می‌کند.
این دوره جامع و خودآموز که توسط مت پوکاک (Matt Pocock) طراحی شده است، کنترل کامل کدبیس را به دستان شما بازمی‌گرداند.
این دوره به هیچ وجه یک آموزش سطحی در سبک «Vibe Coding» نیست؛ بلکه یک رویکرد بنیادی برای ترکیب اصول کلاسیک Real Engineering با قابلیت‌های ایجنت‌های مدرن است. شما در این کارگاه یاد می‌گیرید که مدل‌های زبانی و بسترهای اجرایی (Harness) چگونه در لایه‌های زیرین کار می‌کنند، چگونه ایجنت را در ناحیه هوشمند کانتکست (Smart Zone) نگه دارید، چگونه پیش از نوشتن حتی یک خط کد با تکنیک Grilling نیازمندی‌های مبهم را شفاف سازید، و چگونه پروژه‌های عظیم را به قطعات کوچک و قابل مدیریت برای هر سشن تقسیم نمایید.
سرفصل‌های تخصصی و مهارت‌های کسب‌شده (در قالب ۶ بخش منسجم و ۶۰ درس)
بخش ۱ و ۲ — آماده‌سازی و مفاهیم بنیادین مدل‌ها و کانتکست (Before We Start & Concepts – ۲۰ درس):
کالبدشکافی نحوه عملکرد مدل‌های زبانی بزرگ (LLMs) و لایه اجرایی ایجنت (Agent Harness) از بالا به پایین.
درک مفهوم ناحیه هوشمند در برابر ناحیه ناکارآمد (Smart Zone vs. Dumb Zone) و تشخیص لحظه افت کیفیت استدلال ایجنت.
مدیریت دقیق کانتکست: شناسایی عوامل اشغال‌کننده حافظه، روش‌های سبک نگه داشتن کانتکست و خواندن وضعیت دقیق مصرف توکن‌ها.
مقایسه تکنیک‌های فشرده‌سازی (Compaction) در برابر تحویل سشن (Handoff) و چرایی شکست فشرده‌سازی در میانه تسک‌های پیچیده.
بخش ۳ — تسلط بر محیط و ابزارهای Claude Code (Getting To Know Claude Code – ۷ درس):
کار حرفه‌ای با رابط خط فرمان (CLI) ایجنت‌های کدنویسی و بررسی سازوکار داخلی اجرای دستورات.
کاوش هوشمندانه کدبیس‌های موجود (Codebase Exploration) تا ایجنت از توابع و ساختارهای فعلی استفاده کند و از دوباره‌کاری بپرهیزد.
بازرسی لاگ‌ها، ابزارهای فراخوانی‌شده و نحوه تعامل ایجنت با فایل‌های پروژه.
بخش ۴ — اصول مهندسی نیازمندی‌ها و تفکیک کار (Fundamentals – ۱۲ درس):
تکنیک پرسشگری متقابل (Grilling): به کار گرفتن ایجنت برای به چالش کشیدن ایده‌های خام و استخراج مشخصات فنی دقیق پیش از کدنویسی.
تبدیل خروجی جلسات شفاف‌سازی به یک سند نیازمندی‌های بی‌نقص (Crystal Clear Requirements).
شکستن پروژه‌های بزرگ به فازهای کوچک متناسب با ظرفیت یک سشن (Session-Sized Chunks) و زمان‌بندی صحیح برای شروع سشن جدید.
ایجاد ردپای مستند (Breadcrumb Trail / Handoffs) برای ادامه بی‌وقفه کار در ساعات یا هفته‌های آینده.
بخش ۵ — هدایت ایجنت، مهارت‌ها و ساب‌ایجنت‌ها (Steering – ۹ درس):
تسلط بر فایل راهبردی
AGENTS.md: چه دستوراتی باید در آن قرار گیرد و چگونه رفتار ایجنت را در کل پروژه هدایت کند.ساخت و استقرار مهارت‌های قابل استفاده مجدد (Skills): بسته‌بندی پرامپت‌ها و گردش‌کارهای تکراری به عنوان ماژول‌های درخواستی.
معماری افشای تدریجی (Progressive Disclosure): ساختاردهی فایل‌های راهنما به گونه‌ای که ایجنت تنها اطلاعات مورد نیاز همان لحظه را بارگذاری کند.
بهره‌گیری از Subagents: واگذاری تسک‌های جستجو و تحلیل به سشن‌های فرزند با کانتکست تازه، بدون نیاز به باز کردن پنجره‌های ترمینال متعدد.
بخش ۶ — پیاده‌سازی عملی، کنترل کیفیت و تحویل نهایی (Shipping – ۱۳ درس):
اجرای فرآیند کامل ساخت چندین ویژگی واقعی (End-to-End Features) با نظارت و کنترل کیفیت کد.
اعمال استانداردهای سخت‌گیرانه کدنویسی جهت جلوگیری از تولید کدهای بی‌کیفیت (Zero Slop) و حفظ توسعه‌پذیری کدبیس در آینده.
عیب‌یابی، تست و تثبیت چرخه تکرارپذیر مهندسی نرم‌افزار با کمک ایجنت‌ها.
چرا باید در دوره آموزش کدنویسی مهندسی با هوش مصنوعی شرکت کنید؟
تدریس توسط یکی از معتبرترین مربیان مهندسی نرم‌افزار در جهان: انتقال دانش عمیق و ساختاریافته مت پوکاک که به از بین بردن سردرگمی‌های دنیای مدرن برنامه‌نویسی شهرت دارد.
عبور از پرامپت‌نویسی شانسی به یک فرآیند مهندسی قابل اعتماد: یادگیری متدولوژی منسجمی که حتی در پروژه‌های بزرگ و طولانی‌مدت، کیفیت کد را در بالاترین سطح حفظ می‌کند.
محتوای آموزشی غنی و چندرسانه‌ای: شامل حدود ۶۰ درس ویدیویی همراه با راهنماهای متنی دقیق، دستورات آماده کپی، پرامپت‌های کاربردی و آزمون‌های سنجش یادگیری.
دسترسی مادام‌العمر و مستقل از یک ابزار خاص: اصول و فایل‌های Markdown آموزش‌داده‌شده در تمامی ایجنت‌های سازگار با Claude و نسل‌های بعدی ابزارهای کدنویسی قابل استفاده هستند.
دوره آموزش کدنویسی مهندسی با هوش مصنوعی برای چه کسانی مناسب است؟
توسعه‌دهندگان نرم‌افزار و مهندسان فول‌استک: برنامه‌نویسانی که از تولید کدهای به‌هم‌ریخته و پرخطا توسط هوش مصنوعی خسته شده‌اند و می‌خواهند کنترل کامل کدبیس را به دست گیرند.
مبتدیان و کارآفرینان غیربرنامه‌نویس: افرادی که قصد دارند با تکیه بر ایجنت‌های کدنویسی محصولات نرم‌افزاری واقعی بسازند و از اشتباهات پرهزینه و بن‌بست‌های فنی دوری کنند.
مدیران فنی، تک‌لیدها و تیم‌های مهندسی: راهبرانی که به دنبال ایجاد یک استاندارد یکپارچه (نظیر AGENTS.md و Skills) برای هم‌راستاسازی کل تیم توسعه با ایجنت‌های هوشمند هستند.
علاقه‌مندان به ابزارهایی نظیر Claude Code و Codex: کاربرانی که می‌خواهند سازوکار دقیق مدیریت کانتکست، ساب‌ایجنت‌ها و معماری مدرن توسعه نرم‌افزار را فرا بگیرند.
یودمی ایران –
دوره درخواستی خود را از راه های ارتباطی درخواست کنید