پرش به محتوای اصلی
هوش مصنوعی

چگونه یک Workflow حرفه‌ای برای برنامه‌نویسی با AI بسازیم؟

برنامه‌نویسی حرفه‌ای با مدل زبانی یعنی شرح پذیرش، اختلاف کوچک و بازخوانی انسانی قبل از ادغام. بدون این ترتیب، سرعت پیش‌نویس به بدهی اصلاح‌نشدنی در مخزن تبدیل می‌شود.

تصویر مفهومی: چگونه یک Workflow حرفه‌ای برای برنامه‌نویسی با AI بسازیم؟
فهرست مطالب
  1. قبل از گفتگو، کار را کوچک و قابل قبول کنید
  2. زمینه بدهید، نه کل حافظهٔ شرکت را
  3. بازبینی را شخص ادغام‌کننده انجام می‌دهد
  4. کتابخانهٔ درخواست را از داده جدا نگه دارید
  5. ترتیب یک تغییر از شرح تا ادغام
  6. عادت‌هایی که گردش کار را از حرفه‌ای بودن می‌اندازد
  7. سوالات متداول
  8. آیا برنامه‌نویس تازه‌کار می‌تواند این روند را اداره کند؟
  9. اندازهٔ مناسب یک تغییر چقدر است؟
  10. معیار تمام شدن کار چیست؟
  11. تیم دونفره هم به این روند نیاز دارد؟
  12. ادامه مسیر
  13. جمع‌بندی

گردش کار حرفه‌ای برنامه‌نویسی با هوش مصنوعی یعنی مدل داخل همان قواعدی کار کند که همکار جدید کار می‌کند: کار کوچک، معیار پذیرش نوشته، بازبینی تفاوت کد، و آزمون قبل از ادغام. ابزار سرعت پیش‌نویس را زیاد می‌کند و مالک تغییر همچنان کسی است که شاخه را ادغام می‌کند. اگر این چارچوب نباشد، گفتگو جای شرح وظیفه را می‌گیرد و مخزن پر از تغییری می‌شود که کسی حاضر نیست فردا اصلاحش کند.

قبل از گفتگو، کار را کوچک و قابل قبول کنید

یک رفتار را در چند جمله بنویسید: ورودی، خروجی، و چیزی که نباید عوض شود. درخواست از مدل بدون این متن، پاسخ طولانی می‌سازد که نصفش خارج از وظیفه است.

هر تغییر در یک شاخه و ترجیحاً در یک موضوع بماند. مخلوط کردن بازنویسی ظاهر، ارتقای کتابخانه و اصلاح باگ در یک اختلاف، بازبینی را نمایشی می‌کند.

برنامه‌نویس در حال کار با رایانه
برنامه‌نویس در حال کار با رایانه — عکس: Joonspoon، مجوز CC BY-SA 4.0، ویکی‌مدیا کامنز

زمینه بدهید، نه کل حافظهٔ شرکت را

فایل‌های مرتبط، قرارداد تابع و نمونهٔ نام‌گذاری موجود را بدهید. رمز، دادهٔ مشتری و سند محرمانه را حذف کنید. مدل با زمینهٔ کمتر و تمیزتر، تغییر قابل ادغام‌تری می‌دهد.

اگر پاسخ، فایلی را که نخواسته‌اید از نو می‌نویسد، همان را رد کنید. گردش کار حرفه‌ای یعنی اختلاف کوچک و خواندنی، نه جایگزینی نصف ماژول در یک نوبت.

بازبینی را شخص ادغام‌کننده انجام می‌دهد

کسی که درخواست را به شاخهٔ اصلی می‌برد باید بتواند بگوید هر بخش چرا اضافه شده است. خواندن عنوان تغییر کافی نیست. مسیر اجرا، شرط دسترسی و اثر روی داده را در خود اختلاف ببینید.

آزمون خودکار را در همان شاخه اجرا کنید و یک بار هم مسیر را در محیط آزمون طی کنید. سبز بودن مجموعه‌ای که این رفتار را پوشش نمی‌دهد، تمام‌بودن کار نیست.

کتابخانهٔ درخواست را از داده جدا نگه دارید

الگوی درخواست‌های تکراری تیم را می‌شود بدون نمونهٔ مشتری ذخیره کرد: شکل شرح وظیفه، شکل درخواست تست، و فهرست سؤال بازبینی. این الگو زمان را کم می‌کند و حافظهٔ افراد را جایگزین نمی‌کند.

گفتگویی که دادهٔ واقعی دارد نباید وارد مخزن یا تیکت عمومی شود. اگر برای فهم باگ لازم بوده، بعد از حل شدن، نسخهٔ پاک‌سازی‌شده را نگه دارید.

ترتیب یک تغییر از شرح تا ادغام

  1. رفتار، محدوده و موارد ممنوع این تغییر را در چند جمله بنویسید.
  2. فقط فایل‌های مرتبط را زمینه کنید و هر راز و دادهٔ مشتری را بردارید.
  3. اختلاف را بخوانید و هر فایلی را که خارج از محدوده عوض شده برگردانید.
  4. آزمون همان رفتار را اجرا کنید و یک بار مسیر را در محیط آزمون ببینید.
  5. در توضیح ادغام بنویسید چه رفتاری عوض شده، نه این که از کدام ابزار کمک گرفته‌اید.

عادت‌هایی که گردش کار را از حرفه‌ای بودن می‌اندازد

  • شروع گفتگو بدون جملهٔ پذیرش و امید به این که پاسخ خودش محدوده را حدس بزند.
  • ادغام تغییری که نویسنده حاضر نیست خط به خط دلیلش را بگوید.
  • گذاشتن گفتگوی حاوی دادهٔ واقعی در مخزن یا در تیکت قابل مشاهده برای همه.
  • یکی کردن نوسازی گستردهٔ کتابخانه با یک اصلاح کوچک در همان شاخه.
ویدیوی مرتبط: قسمت اول آموزش برنامه نویسی با هوش مصنوعی از مبتدی تا حرفه ای (منبع: آپارات)

سوالات متداول

آیا برنامه‌نویس تازه‌کار می‌تواند این روند را اداره کند؟

اگر بازبین جدا داشته باشد بله. بدون بازبین، سرعت تولید کد از سرعت فهمیدن جلو می‌زند و خطا دیرتر و گران‌تر دیده می‌شود. روند حرفه‌ای برای تازه‌کار یعنی تفاوت کوچک و توضیح اجباری.

اندازهٔ مناسب یک تغییر چقدر است؟

یک رفتار قابل نام‌گذاری. اگر توضیح تغییر به چند موضوع بی‌ربط نیاز دارد، همان را بشکنید. بازبینی طولانی معمولاً به معنای این است که مدل محدوده را رعایت نکرده است.

معیار تمام شدن کار چیست؟

معیار پذیرش نوشته برآورده شده، آزمون مرتبط اجرا شده، و نویسنده می‌تواند اثر تغییر را روی دسترسی و داده بگوید. تولید شدن فایل، معیار تمام شدن نیست.

تیم دونفره هم به این روند نیاز دارد؟

بله، حتی اگر هر دو نقش را یک نفر پشت سر هم بازی کند. فاصلهٔ بین تولید و بازخوانی را با یک چک‌لیست کوتاه حفظ کنید تا عجله جای خواندن اختلاف را نگیرد.

ادامه مسیر

این موضوع به صفحات و مقاله‌های زیر وصل است. لینک‌ها برای تصمیم بعدی است، نه فهرست تزئینی.

جمع‌بندی

گردش کار حرفه‌ای، هوش مصنوعی را به اندازهٔ کار کوچک و قابل بازبینی محدود می‌کند. مالک ادغام کسی است که تفاوت را فهمیده و آزمون را دیده، نه مدلی که پیش‌نویس را نوشته است.

برای بررسی همین موضوع روی پروژهٔ خودتان، از مشاوره و برآورد پروژه در ایلیاوب استفاده کنید. برآورد بعد از دیدن محدودهٔ کار، محتوا و یکپارچه‌سازی انجام می‌شود.

ایلیا محمدی

ایلیا محمدی

معمار وب و بنیان‌گذار ایلیاوب

معمار وب و مشاور فنی پروژه‌های دیجیتال.

مشاوره رایگان واتساپ