کتاب AI-Native Software Delivery: Proven Practices to Produce High-Quality Software Faster 1st Edition (تحویل نرمافزار بومی هوش مصنوعی: شیوههای اثباتشده برای تولید نرمافزار با کیفیت بالاتر و سریعتر، ویرایش اول) به این موضوع میپردازد که چگونه صنعت نرمافزار باید از روشهای سنتی و ناکارآمد DevOps به سمت رویکردی جدید و پیشرفتهتر حرکت کند که در آن هوش مصنوعی نقش کلیدی دارد.
در ادامه مقدمهای از کتاب AI-Native Software Delivery را از زبان نویسنده شرح خواهیم داد.
مقدمهای بر کتاب AI-Native Software Delivery:
صنعت نرمافزار در یک لحظه کلیدی قرار دارد. هر روز، سیستمها پیچیدهتر میشوند، خواستههای کاربران بهصورت تصاعدی بالا میرود، و هزینه شکست —چه مالی، چه اعتباری، و چه عملیاتی— هرگز تا این حد بالا نبوده است. با این حال، با وجود دههها پیشرفت، بسیاری از تیمها همچنان به شیوههای قدیمی زنجیر شدهاند: استقرارهای دستی، مدیریت بحرانهای لحظهای، و ابزارهایی که زیر فشار پیچیدگی خودشان از هم میپاشند.
کتاب AI-Native Software Delivery برای پر کردن شکاف بین جایی که هستیم و جایی که باید باشیم، نوشته شده است. این کتاب نقشهای برای حرکت از استقرارهای شکننده و پرخطر به استقلال مبتنی بر هوش مصنوعی است؛ آیندهای که در آن نرمافزار خودش را استقرار میدهد، سیستمها خودشان را ترمیم میکنند و نوآوری از ریسک پیشی میگیرد.
چه کسانی باید کتاب AI-Native Software Delivery را بخوانند؟
کتاب AI-Native Software Delivery برای افراد زیر نوشته شده است:
- مهندسان و متخصصان دواپس (DevOps): کسانی که به دنبال جایگزینی کارهای تکراری با اتوماسیون هوشمند هستند.
- رهبران فنی: کسانی که وظیفه دارند بلوغ DevOps را با نتایج تجاری مانند سرعت، تابآوری و کنترل هزینه هماهنگ کنند.
- مدیران محصول و نوآوران: کسانی که میخواهند بفهمند چگونه تحویل نرمافزار مبتنی بر هوش مصنوعی، زمان تا ارزش (time-to-value) را تسریع میکند.
- هر کسی که به آینده نرمافزار علاقهمند است: از مدیران ارشد فناوری (CTO) تا دانشجویان، که آماده بازاندیشی در مورد آنچه در استقرار، تست و قابلیت مشاهده (observability) نرمافزار ممکن است، هستند.
چرا کتاب AI-Native Software Delivery را نوشتیم؟
ما به عنوان مهندسان نرمافزار، سالها را صرف مطالعه تکامل توسعه و تحویل نرمافزار کردهایم. اما عرضه ChatGPT توسط OpenAI در اواخر سال 2022 برای ما یک لحظه مهم بود. مانند بسیاری از افراد در این حوزه، ما هوش مصنوعی مولد را نه فقط به عنوان یک دستیار کدنویسی، بلکه به عنوان کاتالیزوری برای بازآفرینی کل فرآیندهای تحویل نرمافزار دیدیم. در طول سه سال بعد، ما فرضیهسازی کردیم، آزمایش کردیم و تایید کردیم که چگونه هوش مصنوعی، از تولید کد گرفته تا فرآیندهای مبتنی بر عامل (agentic workflows)، استقرار، تست و حاکمیت نرمافزار را تغییر خواهد داد.
ما کتاب AI-Native Software Delivery را نوشتیم زیرا خطرات تحویل نرمافزار تغییر کرده است. ظهور میکروسرویسها، معماریهای بومی ابری (cloud-native) و کدهای تولید شده توسط هوش مصنوعی، شیوههای سنتی DevOps 1.0 را ناکافی کرده است. تیمها اکنون با بیش از ۱۰ ابزار در یک فرآیند سر و کله میزنند، با “جهنم وابستگی” (dependency hell) مبارزه میکنند و با تهدیدهایی مانند حملات زنجیره تامین (supply chain attacks) به سبک SolarWinds روبرو هستند، در حالی که برای برآورده کردن انتظارات کاربران که توسط غولهای فناوری مصرفی شکل گرفته است، در حال رقابت هستند.
منابع موجود بر مفاهیم تاریخی DevOps تمرکز میکنند یا در مورد هوش مصنوعی به صورت انتزاعی گمانهزنی میکنند. این کتاب این نقاط را به هم وصل میکند. کتاب AI-Native Software Delivery که بر اساس ۲۵ سال درسآموزی، از پیروزیهای اولیه Agile تا انقلاب ارکستراسیون Kubernetes، استوار است، دقت فنی را با بینشهای آیندهنگر ترکیب میکند. ابزارهای مدرن نمونه این تحول هستند. ما نشان میدهیم که چگونه هوش مصنوعی فقط وظایف را خودکار نمیکند، بلکه همکاری، حاکمیت و نوآوری را نیز تغییر میدهد.
البته، سرعت تغییر بیامان است. هوش مصنوعی عاملمحور، سیستمهای خودکار و فریمورکهای جدید ماهانه در حال ظهور هستند. در حالی که تلاش کردهایم کتاب AI-Native Software Delivery را برای آینده آماده کنیم، اذعان داریم که برخی جزئیات تکامل خواهند یافت. آنچه تغییر نخواهد کرد، اصول اصلی است: خودکارسازی کارهای تکراری، اولویت دادن به تابآوری و هماهنگ کردن تحویل نرمافزار با ارزش تجاری.
راهنمای استفاده از کتاب AI-Native Software Delivery
کتاب AI-Native Software Delivery درباره دنبال کردن روندها نیست. درباره ساخت سیستمهایی است که در میان پیچیدگیها رشد میکنند. هر فصل کتاب AI-Native Software Delivery، نظریه را با مثالهای دنیای واقعی ترکیب میکند، از تمثیل DevOps در کتاب The Phoenix Project تا استقرار مبتنی بر هوش مصنوعی. چه کتاب را از ابتدا تا انتها بخوانید و چه به بخشهای خاصی بپردازید، در پایان به ابزارهایی مجهز خواهید بود که فرآیند تحویل نرمافزار و تأثیر تیمتان را متحول کنند.
- فصل ۱، “مسیر به سوی DevOps بومی هوش مصنوعی”، تکامل تحویل نرمافزار را از استقرارهای دستی و هرجومرجگونه به شیوههای DevOps 1.0 (با تغییرات فرهنگی و ابزارهای اتوماسیون آنها) دنبال میکند و در عین حال چالشهای کنونی ناشی از پیچیدگی میکروسرویسها و گسترش ابزارها را که DevOps 2.0 قصد دارد از طریق قابلیتهای بومی هوش مصنوعی و پلتفرمهای یکپارچه حل کند، برجسته میسازد.
- فصل ۲، “مدیریت کد منبع”، تکامل مدیریت کد منبع (SCM) را از سیستمهای اولیه تا تسلط فعلی گیت (که تا سال ۲۰۲۲ نزدیک به ۹۵٪ توسعهدهندگان از آن استفاده میکردند) دنبال میکند و توضیح میدهد که چگونه SCM مدرن تداخل کد و ردیابی نسخهها را حل میکند، در حالی که راهنماییهای عملی در مورد استراتژیهای شاخهبندی (branching)، GitOps، یکپارچهسازی هوش مصنوعی و ملاحظات پیادهسازی برای سازمان شما ارائه میدهد.
- فصل ۳، “مراحل ساخت و تست پیش از استقرار در یکپارچهسازی مداوم”، تکامل یکپارچهسازی مداوم (CI) را از ریشههای تاریخی آن تا شیوههای مدرن تقویت شده با هوش مصنوعی بررسی میکند و به تفصیل توضیح میدهد که چگونه اتوماسیون ساخت، کشینگ هوشمند و رویکردهای استراتژیک تست با هم کار میکنند تا تحویل نرمافزار را تسریع کنند و در عین حال کیفیت و امنیت را در کل فرآیند پیش از استقرار حفظ نمایند.
- فصل ۴، “استقرار در محیطهای تست”، شما را در مرحله حیاتی بین CI و استقرار در محیط عملیاتی (production) راهنمایی میکند و به بررسی چگونگی ایجاد فرآیندهای استقرار مداوم در محیطهای مختلف، بهرهگیری از زیرساخت به عنوان کد (IaC) برای قابلیت اطمینان، پیادهسازی جریانهای کاری GitOps، بهینهسازی استراتژیهای تست (از جمله رویکردهای نوظهور مبتنی بر هوش مصنوعی) و خودکارسازی تصمیمات ارتقاء میپردازد؛ همه اینها برای ایجاد یک پل یکپارچه بین توسعه و استفاده در دنیای واقعی، با حفظ سرعت و ثبات.
- فصل ۵، “ایمنسازی برنامهها و زنجیره تأمین نرمافزار”، به چشمانداز در حال تکامل امنیت زنجیره تأمین نرمافزار نگاه میکند و به تفصیل توضیح میدهد که چگونه سازمانها میتوانند از طریق شیوههای “شیفت به چپ” (shift-left)، فریمورکهای SLSA، صورتحساب مواد نرمافزاری (SBOM) و ابزارهای امنیتی تقویت شده با هوش مصنوعی از برنامههای خود محافظت کنند، در حالی که فرهنگ همکاری DevSecOps را که امنیت را در کل چرخه عمر توسعه نرمافزار (SDLC) ادغام میکند، تقویت میکنند.
- فصل ۶، “مهندسی آشوب و قابلیت اطمینان سرویس”، مهندسی آشوب را به عنوان یک رویکرد روشمند برای ساخت سیستمهای تابآور (resilient) بررسی میکند و نشان میدهد که چگونه آزمایشهای کنترل شده شکست —از تستهای ساده تأخیر تا اختلالات پیچیده زیرساختی— میتوانند با اهداف سطح سرویس (SLOs)، بودجههای خطا و فرآیندهای CI/CD یکپارچه شوند تا یک فرهنگ تابآوری مداوم ایجاد کنند که از قطعیهای غیرقابل پیشبینی، رویدادهای قابل پیشبینی و قابل مدیریت میسازد.
- فصل ۷، “استقرار در محیط عملیاتی”، با نگاهی به یک مطالعه موردی واقعی، به چالشهای حیاتی استقرار در محیط عملیاتی میپردازد و یک فریمورک جامع برای حاکمیت استقرار مدرن، استراتژیهای تحویل تدریجی و تکنیکهای تأیید تقویت شده با هوش مصنوعی ارائه میدهد که با هم، استقرارهای پرخطر را به فرآیندهای کنترل شده، قابل مشاهده و قابل بازگشت تبدیل میکنند و از برنامه و کسبوکار شما محافظت مینمایند.
- فصل ۸، “مدیریت ویژگی و آزمایش”، نحوه خدمترسانی مدیریت ویژگی و آزمایش به عنوان سنگبنای تحویل نرمافزار مدرن را پوشش میدهد و نشان میدهد که چگونه پرچمهای ویژگی (feature flags) توسعه مبتنی بر شاخه اصلی (trunk-based development)، جداسازی تیمها و تحویل تدریجی را ممکن میسازند، در حالی که آزمایشهای تقویت شده با هوش مصنوعی تصمیمات محصول را از بحثهای ذهنی به بینشهای مبتنی بر داده تبدیل میکنند که ارزش تجاری را به حداکثر میرساند.
- فصل ۹، “هوش مصنوعی و اتوماسیون برای مدیریت هزینههای ابری”، به دنیای پیچیده مدیریت هزینههای ابری میپردازد، تکامل آن به شیوههای FinOps را دنبال میکند، چالشهای چندابری را بررسی میکند و نشان میدهد که چگونه راهحلهای مبتنی بر هوش مصنوعی میتوانند تخصیص منابع را بهینه کنند، سیاستهای حاکمیت را اجرا نمایند و کارایی هزینه را با اهداف تجاری و پایداری محیطی هماهنگ سازند.
-
فصل ۱۰، “رویکرد مهندسی پلتفرم به DevOps مدرن”، به بررسی اینکه چگونه مهندسی پلتفرم بحران بار شناختی توسعهدهندگان را با ایجاد پلتفرمهای یکپارچه و خودخدمت که مسیرهای از پیش آماده و قالبهای استاندارد را فراهم میکنند، حل میکند، میپردازد. این فصل از کتاب AI-Native Software Delivery نشان میدهد که چگونه سازمانها میتوانند بهرهوری توسعهدهنده را با الزامات حاکمیتی متعادل کنند و در عین حال پلتفرم را به عنوان یک محصول با توسعهدهندگان به عنوان مشتریان آن در نظر بگیرند؛ همه اینها از طریق یک مطالعه موردی عملی از یک سازمان خدمات مالی که با تنها ۶ مهندس پلتفرم، قابلیتهای تحویل خود را برای ۱۴۰۰ توسعهدهنده متحول کرد، نشان داده شده است.
سرفصلهای کتاب AI-Native Software Delivery:
- Preface
- 1. The Road to Al-Native DevOps
- 2. Source Control Management
- 3. The Build and Pre-Deployment Testing Steps of Continuous Integration
- 4. Deploying to Test Environments
- 5. Securing Applications and the Software Supply Chain
- 6. Chaos Engineering and Service Reliability
- 7. Deploying to Production
- 8. Feature Management and Experimentation
- 9. Al and Automation for Cloud Cost Management
- 10. A Platform Engineering Approach to Modern DevOps
- Index
- About the Authors
جهت دانلود کتاب AI-Native Software Delivery میتوانید پس از پرداخت، دریافت کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.