کتاب Coding with AI: Examples in Python (برنامه‌نویسی با هوش مصنوعی: نمونه‌هایی در پایتون) یک منبع عملی است که به خوانندگان نشان می‌دهد چگونه از ابزارهای هوش مصنوعی برای بهبود فرآیند برنامه‌نویسی استفاده کنند. کتاب Coding with AI با تمرکز بر روی زبان برنامه‌نویسی پایتون، به بررسی کاربردهای عملی هوش مصنوعی در کدنویسی می‌پردازد و نمونه‌های واقعی برای حل مسائل مختلف ارائه می‌دهد.
موضوعات کلیدی آن شامل استفاده از مدل‌های زبان بزرگ (LLM) برای تولید خودکار کد، تکمیل کد، رفع خطا، و بهینه‌سازی عملکرد برنامه‌ها می‌شود. کتاب Coding with AI برای برنامه‌نویسان، توسعه‌دهندگان و علاقه‌مندان به هوش مصنوعی مناسب است که می‌خواهند بهره‌وری خود را در دنیای برنامه‌نویسی افزایش دهند.
در ادامه مقدمه‌ای از کتاب Coding with AI را از زبان نویسنده شرح خواهیم داد.
مقدمه‌ای بر کتاب Coding with AI:
مایلم بگویم در زندگی‌ام این سعادت را داشته‌ام که شغلم همان کاری باشد که به عنوان سرگرمی انجام می‌دهم. برای چندین دهه، کدنویسی عشق من بوده است. وقتی برنامه‌نویسی را شروع کردم، یادگیری واقعاً دشوار بود؛ کتاب‌های چاپی، وب‌سایت dogpile.com و گروه‌های خبری تنها شریان‌های حیاتی ما بودند. باید واقعاً عاشق این کار می‌بودید تا بتوانید آن را یاد بگیرید.
سفر من با پرل (Perl) و با دیدن زنده شدن کدهای HTML برای اولین بار آغاز شد. گرچه این کار خسته‌کننده و کلافه‌کننده بود، اما نتایجش مرا شیفته خود کرد. سپس PHP همه چیز را تغییر داد و به من اجازه داد تا برنامه‌هایی که قبلاً ساختنشان ماه‌ها طول می‌کشید را در عرض چند روز بسازم. اوج لذت من زمانی بود که می‌دیدم چطور چشم کاربران برق می‌زند وقتی روند کاری کسل‌کننده و سنگینشان که بر پایه صفحات گسترده (Spreadsheets) بود، یک‌شبه به یک فرم HTML شیک تبدیل می‌شد.
آن زمان، مستندات کمیاب بود و گوگل در مراحل ابتدایی خود قرار داشت. اگر برنامه‌نویسان قدیمی به ما کمک نمی‌کردند، شاید هیچ‌گاه نمی‌توانستیم پروژه‌ای را به پایان برسانیم. کدهای من کار را راه می‌انداخت، اما اغلب از نظر ساختار داخلی زشت و نامرتب بودند؛ طوری که دوشنبه به آن افتخار می‌کردم و تا جمعه از آن خجالت می‌کشیدم.
به سمت توسعه بک‌اند گرایش پیدا کردم، چون ماهیت قطعی و سرراست آن برایم ملموس‌تر بود. مثل همه، من هم دنبال راه‌هایی بودم که سریع‌تر کد بنویسم. تیم ما به طور موقت از یک مولد برنامه‌های کاربردی سریع (rapid-application-development generator) استفاده کرد که وعده معجزه می‌داد.
در ابتدا کار می‌کرد و قابلیت‌ها را با سرعت فوق‌العاده‌ای ایجاد می‌کرد. اما بعد واقعیت خودش را نشان داد: وقتی الزامات پروژه تغییر می‌کرد، ما دو برابر زمان صرف می‌کردیم تا آن کد درهم‌برهم تولیدشده را باز کنیم. کمتر از یک سال بعد، آن را کنار گذاشتیم.
درسی که گرفتم این بود: توسعه سریع تنها زمانی لذت‌بخش است که هیچ‌وقت قصد نگهداری و اصلاح آن را نداشته باشید.
پایتون (Python) نقطه عطف بعدی من بود که سرعت را بدون قربانی کردن خوانایی یا قابلیت نگهداری ارائه می‌داد. بعدها C# هم افزایش کارایی مشابهی را فراهم کرد. با این حال، هیچ‌گاه به آن سرعت خام مولد PHP ناموفق نرسیدم.
سپس هوش مصنوعی مولد وارد صحنه شد. با استفاده از ChatGPT و GitHub Copilot، یک پروژه جانبی با C# را شروع کردم. دیدم که هوش مصنوعی قبل از اینکه پیتزای من سرد شود، کدهای پیش‌فرض و تست‌هایش را به سرعت ایجاد می‌کند. کاری که برای دو آخر هفته برایش وقت گذاشته بودم، قبل از ناهار روز یکشنبه تمام شد. حس می‌کردم همان جادوی اولیه مولد PHP را دوباره کشف کرده‌ام، اما این بار سریع‌تر و با حفاظ‌های مناسب‌تر.
حالا دوره هیجان‌انگیز (Hype Cycle) به اوج خود رسیده است. “Vibe Coding” (کدنویسی حسی) وعده می‌دهد که می‌توانید با چند دستور ساده نرم‌افزارهای شگفت‌انگیز بسازید. این کار واقعاً امکان‌پذیر است، اما مراقب باشید کدهای پیچیده‌ای نسازید که هیچ‌کس از آن سر درنمی‌آورد. این برای یک پروژه آخر هفته خوب است، اما برای برنامه‌های حیاتی (mission-critical) ایده‌آل نیست.
کتاب Coding with AI قصد دارد از این «گلوله نقره‌ای» (silver bullet) به درستی استفاده کند. هوش مصنوعی می‌تواند بهره‌وری را افزایش دهد، اما وابستگی بیش از حد به آن مشکل‌ساز است. در کتاب Coding with AI یاد می‌گیرید که انتظارات خود را مدیریت کنید: هوش مصنوعی می‌تواند حدود ۸۰٪ یک برنامه را تولید کند، اما ۲۰٪ باقی‌مانده به عهده شماست.
نیازی نیست به شما آموزش داده شود که چطور به صورت حسی کد بزنید. در عوض، یاد خواهید گرفت که هر ابزار چگونه کار می‌کند و چه زمانی باید از آن به طور موثر استفاده کرد. ابزارهای امروزی – محیط‌های توسعه ابری (cloud IDEs)، تست‌های خودکار و برنامه‌نویسان همکار هوش مصنوعی – به این معنی هستند که می‌توانید سریع‌تر از همیشه و با معاوضه‌های کمتری کار را تحویل دهید.
چه یک برنامه‌نویس قدیمی مثل من باشید که سختی‌ها را به یاد می‌آورد و چه یک تازه‌کار که با چالش‌های متفاوتی روبروست، این ابزارها سفر شما را تسریع خواهند کرد. بهترین زمان برای ساختن دیروز بود؛ دومین بهترین زمان، همین حالا است.
درباره کتاب Coding with AI
کتاب Coding with AI به شما کمک می‌کند تا از تمام پتانسیل هوش مصنوعی بهره ببرید و کدنویسی خود را بهبود بخشید. هدف من این است که با توسعه سریع‌تر قابلیت‌ها و در نتیجه تولید کدهای با کیفیت‌تر، به شما در صرفه‌جویی در زمان کمک کنم. کتاب Coding with AI کاربردهای عملی ابزارهایی مانند GitHub Copilot، Tabnine، Blackbox AI و ChatGPT را پوشش می‌دهد.
خواهید دید که چگونه این فناوری‌ها می‌توانند به شما در کدنویسی سریع‌تر، حل بهتر مشکلات و کاهش کارهای تکراری کمک کنند. شما نه تنها نحوه استفاده از این ابزارها را یاد می‌گیرید، بلکه کشف می‌کنید که چه زمانی و چرا باید از آن‌ها در فرآیند توسعه خود استفاده کنید.
کتاب Coding with AI برای چه کسانی است؟
این کتاب برای توسعه‌دهندگان پایتون است که می‌خواهند از ابزارهای هوش مصنوعی مولد در کار خود استفاده کنند. اما تکنیک‌های آن برای بسیاری از زبان‌های دیگر نیز قابل استفاده است.
اگر یک توسعه‌دهنده با تجربه هستید که به دنبال افزایش بهره‌وری خود است یا یک سرپرست تیم هستید که در حال بررسی ابزارهای هوش مصنوعی برای تیم خود است، در کتاب Coding with AI راهنمایی‌های مفید و مثال‌های واقعی خواهید یافت. گرچه داشتن مقداری دانش در مورد پایتون مفید است، اما توسعه‌دهندگان با هر سطح مهارتی یاد خواهند گرفت که چگونه این ابزارها می‌توانند مهارت‌های آن‌ها را ارتقا دهند، نه اینکه جایگزین آن‌ها شوند.
ساختار کتاب Coding with AI: یک نقشه راه
کتاب Coding with AI از ۱۰ فصل تشکیل شده است:
- فصل ۱: به معرفی هوش مصنوعی مولد برای کدنویسی می‌پردازد. توضیح می‌دهد که چگونه مدل‌های زبان بزرگ، کد را پیش‌بینی و ایجاد می‌کنند. همچنین تفاوت بین ابزارهای یکپارچه (مانند GitHub Copilot) و ابزارهای مستقل (مانند ChatGPT) را بیان می‌کند. این فناوری‌ها با خودکارسازی کارهای روتین، بهره‌وری توسعه‌دهندگان را افزایش می‌دهند و به آن‌ها اجازه می‌دهند بیشتر بر روی حل مسئله و طراحی تمرکز کنند.
- فصل ۲: کدنویسی با کمک هوش مصنوعی و با استفاده از GitHub Copilot را معرفی می‌کند. توضیح می‌دهد که Copilot چگونه کار می‌کند و راه‌های مختلف استفاده از آن، مانند تکمیل کد، چت و پرامپت‌ها را نشان می‌دهد. این فصل از کتاب Coding with AI همچنین شامل یک پروژه عملی با پایتون است که فرکانس کلمات در متن را تحلیل می‌کند و به توسعه‌دهندگان نشان می‌دهد که چگونه Copilot را به طور موثر در جریان کاری خود ادغام کنند.
- فصل ۳: نحوه استفاده از ChatGPT برای طراحی و کشف پروژه را شرح می‌دهد. توضیح می‌دهد که چگونه پرامپت‌های موثر بنویسید. این پرامپت‌ها به تعیین نقش هوش مصنوعی، ایجاد اسناد طراحی نرم‌افزار دقیق و توسعه User Stories کمک می‌کنند. تمرکز این فصل از کتاب Coding with AI بر یک برنامه وب با پایتون است که تست‌های تمرینی تصادفی برای آزمون‌های مجوز رادیو HAM ارائه می‌دهد.
- فصل ۴: نشان می‌دهد که چگونه با کمک هوش مصنوعی، کدنویسی یک برنامه را آغاز کنید. این فصل از کتاب Coding with AI شامل استخراج نیازمندی‌ها از اسناد طراحی با استفاده از هر دو ابزار ChatGPT و Gemini، راه‌اندازی یک محیط مجازی پایتون، ایجاد یک برنامه Flask با ساختار منظم و سازماندهی فایل‌ها به پیشنهاد هوش مصنوعی، و پیاده‌سازی کد Stubs (قطعات کد خالی) است که اسکلت برنامه را پیش از افزودن عملکردها فراهم می‌کند.
- فصل ۵: نحوه ساخت یک برنامه کاربردی Flask برای تست‌های تمرینی رادیو HAM با استفاده از Blackbox AI را نشان می‌دهد. این فصل از کتاب Coding with AI اتصال به پایگاه داده SQLite، پیاده‌سازی اصل «جداسازی دغدغه‌ها» از طریق بازآرایی کد، ایجاد سشن‌های پایگاه داده برای ردیابی پیشرفت تست، تولید مجموعه‌های سؤال تصادفی و ساخت قابلیت‌های اصلی برنامه را پوشش می‌دهد، و در عین حال بر روی زمانی که مداخله انسانی برای بهبود کد تولید شده توسط هوش مصنوعی ضروری است، تأکید می‌کند.
- فصل ۶: بر ساخت یک موتور سؤال برای برنامه تست تمرینی رادیو HAM تمرکز دارد، و از Tabnine برای رفع اشکال در مدیریت سشن، پیاده‌سازی کوکی‌های ماندگار مرورگر برای حفظ وضعیت کاربر در بین رفرش‌های صفحه، بازآرایی کد برای مدیریت صحیح مجموعه‌های سؤال مرتبط با سشن‌های خاص و ایجاد یک رابط کاربری ساده که به کاربران اجازه می‌دهد سشن‌های تست را به پایان برسانند و سشن‌های جدیدی را آغاز کنند، استفاده می‌کند.
- فصل ۷: نحوه ایجاد یک رابط کاربری برای برنامه تست تمرینی رادیو HAM با استفاده از ابزارهای هوش مصنوعی مانند ChatGPT، Google Gemini و Blackbox AI را نشان می‌دهد تا استراتژی‌های طراحی، Wireframeها، فلوچارت‌ها و کدهای HTML/CSS کاربردی تولید کند و یک برنامه ساده را به یک برنامه با ظاهر حرفه‌ای تبدیل کند، در حالی که از شیوه‌های مناسب Flask Templating پیروی می‌کند.
- فصل ۸: بررسی می‌کند که چگونه از ابزارهای هوش مصنوعی مولد برای ایجاد مجموعه‌های تست موثر برای برنامه‌های پایتون استفاده کنید. این فصل GitHub Copilot، Tabnine و Blackbox AI را برای تولید کدهای unittest و pytest مقایسه می‌کند، راه‌اندازی پایگاه‌های داده در حافظه (in-memory) برای جداسازی تست و نشان می‌دهد که چگونه هر ابزار با درجات مختلفی از آگاهی از متن، به ایجاد تست فیوچرها، Assertions و تعاملات پایگاه داده می‌پردازد.
- فصل ۹: تکنیک‌های پرامپت انجینیرینگ برای کار با ابزارهای هوش مصنوعی مولد را توضیح می‌دهد، و مفاهیم پایه‌ای مانند Context، دستورالعمل‌های واضح و مثال‌ها را پوشش می‌دهد. علاوه بر این، رویکردهای پیشرفته‌ای مانند Chain of Thought Prompting، Recursive Prompting، دستکاری Context، بهبود دستورالعمل‌ها و کنترل خروجی را بررسی می‌کند، و در پایان ۳۰ تکنیک پرامپت خاص برای توسعه‌دهندگان نرم‌افزار ارائه می‌دهد.
- فصل ۱۰: به بررسی Vibe Coding، یک رویکرد برنامه‌نویسی سریع که بر اساس پرامپت‌های زبان طبیعی است، می‌پردازد. همچنین نحوه ساخت یک بازی آرکید رترو (قدیمی) را با استفاده از این تکنیک نشان می‌دهد.
توصیه می‌کنم فصل‌های کتاب Coding with AI را به ترتیب بخوانید، زیرا هر فصل بر مفاهیم فصل‌های قبلی بنا شده است. با این حال، توسعه‌دهندگان با تجربه می‌توانند بر روی فصل‌های خاصی که نیازهای فوری آن‌ها را برطرف می‌کند، تمرکز کنند.
سرفصل‌های کتاب The Future of Sales:
- Coding with Al
- brief contents
- contents
- preface
- acknowledgments
- about this book
- Who should read this book
- How this book is organized: A road map
- About the code
- liveBook discussion forum
- about the author
- about the cover illustration
- Part 1
- 1 Introducing generative Al
- 2 First steps with Al-assisted coding
- Part 2
- 3 Design and discovery
- 4 Coding the first version of our application
- 5 Using Blackbox Al to generate base code
- 6 Generating a software backend with Tabnine
- Part 3
- 7 Building user interfaces with ChatGPT
- 8 Building effective tests with generative Al
- 9 Prompt engineering
- 10 Vibe coding with Cursor
- index
جهت دانلود کتاب Coding with AI می‌توانید پس از پرداخت، دریافت کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.