Pedi | پِدی

👀 اگه کدی که AI نوشته رو نمی‌فهمی، باید منتشرش کنی؟

اپ اجرا می‌شه و تست‌ها سبزن. ولی نمی‌دونی کاربر چطور از دیدن اطلاعات بقیه منع می‌شه، یا اگه درخواست پرداخت دوبار برسه، دوبار پول کم می‌شه یا نه

این‌جا «کار می‌کنه» دقیقاً یعنی چی؟ تست‌ها فقط چیزهایی رو بررسی می‌کنن که براشون سناریو نوشتیم

البته قرار نیست همه خط‌های کد و کتابخونه‌ها رو حفظ باشیم. اما کسی که محصول رو منتشر می‌کنه باید بتونه سه چیز رو توضیح بده:

• تصمیم‌های حساس سیستم چطور گرفته شدن
• چه شواهدی داریم که حالت‌های خطا درست مدیریت می‌شن
• اگه نسخه جدید خراب شد، چطور متوجه می‌شیم و بازیابیش می‌کنیم

برای یه ابزار شخصی شاید ریسک بیشتری قابل‌قبول باشه؛ برای محصولی که پول و اطلاعات مردم دستشه، معیار باید سخت‌گیرانه‌تر باشه

به‌نظرتون حداقل دانشی که برای انتشار کدکه نوشته AI چقدره؟

ولی یه چیزی بهتون بگم، دامنه tele.pages هم خریدم برای ایده تبدیل تلگرام به وبسایت.

یکم از کارای حقوقیش نگرانم چون مردم،توی تلگرام از ویدیو های غیرقانونی عجیب، تا فیلم کپی و خرید و فروش مواد انجام میدن.

باید یک فکر و مدیریتی دنبال این موضوع باشه. وگرنه خودمم این ایده رو خیلی دوست دارم.

خب، نظرسنجی تموم شد!

قراره با هم یه اپلیکیشن تمرین زبان با روش Shadowing بسازیم.

از اینجا به بعد اسم، ایده‌ها و طرح‌ها رو باهاتون به اشتراک می‌ذارم. هر جا هم بشه لایو می‌ذاریم؛ از طراحی ظاهر اپ و تجربه کاربری تا طراحی سیستم و کدنویسی.

توی این مسیر هم از شما یاد می‌گیرم، هم هر تجربه‌ای که دارم می‌ذارم وسط تا با هم یه اپ خوب بسازیم و روی Play Store منتشرش کنیم.

هزینه اشتراکش هن هرچقدر هم بشه، به تعداد ۲۵۰۰ نفر اعضای این کانال، اشتراک رایگان توی اپ در نظر می‌گیریم 🔥

اما Shadowing چیه؟

کلمه shadow یعنی «سایه». توی این روش به صدای یک نفر گوش می‌دین و با فاصله خیلی کوتاه، مثل سایه دنبالش حرف می‌زنین. سعی می‌کنین تلفظ، ریتم، تاکیدها و مکث‌هاش رو تقلید کنین؛ نه اینکه فقط جمله رو حفظ کنین و بعد بگین.

مثلا یه مکالمه کوتاه توی کافه رو می‌شنوین و همراه گوینده تکرارش می‌کنین. هدف اینه که گوش و زبونتون با هم تمرین کنن و کم‌کم صحبت کردن براتون روان‌تر بشه.

چیزی که برای اپ توی ذهنمه 👀

می‌خوام تمرین‌ها کوتاه و بر اساس موقعیت‌های واقعی باشن؛ مثل سفارش قهوه، سفر یا صحبت توی محیط کار.

اول مکالمه رو می‌شنوین و با عبارت‌هاش آشنا می‌شین. بعد همراه صدا تمرین می‌کنین، صدای خودتون رو ضبط می‌کنین و با گوینده مقایسه می‌کنین.

کم‌کم متن و کمک‌ها کمتر می‌شن، تا جایی که خودتون نقش یکی از طرف‌های مکالمه رو می‌گیرین. آخرش هم موقعیت رو یه کم تغییر می‌دیم تا فقط تکرار یک جمله نباشه و بتونین از چیزهایی که یاد گرفتین استفاده کنین.

ایده اینه که هر بار اپ رو باز می‌کنین، بدون شلوغی و سردرگمی معلوم باشه الان باید چی کار کنین و قدم بعدی چیه.

این تصویر اولیه‌ایه که توی ذهنمه؛ جزئیاتش رو توی مسیر با هم بهتر می‌کنیم. اگه تجربه‌ای از Shadowing دارین، بگین چی کمکتون کرده و کجاش سخت بوده؟

اونی که خودم دوست دارم با اختلاف کم جلو تره :))
تا فردا ادامه بدیم ببینیم چی میشه

🚀 بیاید با هم یه اپلیکیشن واقعی بسازیم!

حدود ۲۵۰۰ دلار کردیت ChatGPT دارم و می‌خوام ازش برای ساخت یه پروژه با شما استفاده کنم.

ایده رو با هم انتخاب می‌کنیم، مسیر طراحی و برنامه‌نویسیش رو به‌صورت آموزشی جلو می‌بریم، منتشرش می‌کنیم و بعد می‌ریم سراغ مارکتینگ و جذب کاربر. ببینیم می‌تونیم به محصولی برسیم که مردم حاضر باشن بابتش پول بدن یا نه 👀

این چهار تا گزینه رو داریم:
۱. تمرین انگلیسی با Shadowing 🎙
یه اپ برای تمرین شنیدن و صحبت کردن: یه جمله رو می‌شنوید، با فاصله‌ی کوتاه تکرارش می‌کنید و صداتون رو ضبط می‌کنید. بعد می‌تونید صدای خودتون رو با گوینده مقایسه کنید و روی تلفظ، ریتم و روان‌تر صحبت کردن کار کنید.

۲. زمین بازی سیستم‌دیزاین 🏗
یه محیط تعاملی برای ساختن و آزمایش معماری نرم‌افزار. سرور، دیتابیس، کش و صف پیام رو کنار هم می‌چینید و توی شبیه‌سازی می‌بینید با زیاد شدن ترافیک یا خراب شدن یکی از بخش‌ها چه اتفاقی می‌افته. یادگیری سیستم‌دیزاین با آزمایش کردن!

۳. تبدیل کانال تلگرام به وب‌سایت 🌐
توی کانالتون پست می‌ذارید و پست‌های انتخاب‌شده خودکار روی یه سایت با دامنه‌ی خودتون منتشر می‌شن. سایت دسته‌بندی، جست‌وجو و آرشیو مرتب داره؛ مثلاً آموزش‌ها و ابزارهایی که طی چند سال معرفی کردید، تبدیل می‌شن به یه کتابخونه‌ی قابل جست‌وجو.

۴. ایده‌ی خودت رو بگو 💡
اگه پیشنهادی داری، توی کامنت‌ها بگو اپ چی کار می‌کنه، مشکل چه کسی رو حل می‌کنه و چرا اون آدم ممکنه بابتش پول بده.


👇 بعد از این پست نظرسنجی می‌ذارم. رأی بدید کدوم رو با هم بسازیم!

بعد از تست Codebase Memory یه سوال هنوز توی ذهنمه: وقتی یه ابزار یا اسکیل جدید اضافه می‌کنیم، از کجا می‌فهمیم واقعا کارمون بهتر شده؟

به نظرم promptfoo می‌تونه اینجا کمک کنه. چند تا کار واقعی رو قبل و بعد تغییر اجرا کنیم، جواب‌ها رو کنار هم بذاریم و ببینیم کیفیت بهتر شده یا فقط چند تا جواب خوب شانسی گرفتیم.

شما معمولا این تغییرها رو چطوری می‌سنجین؟

حالا ببینید اون طرف، توی تیم ایلان ماسک چه خبره! 😂

👀 هنوز خبر معرفی داتسِ اوپن‌ای‌آی داغه که ماجرای دامنهٔ dot.com حسابی جلب توجه کرده؛ طبق گزارش تک‌کرانچ، این دامنه متعلق به شرکت ماسکه و کاربرها رو به سمت گروک می‌فرسته! معلوم نیست این حرکت عمداً برای کل‌کل با اوپن‌ای‌آی بوده یا نه، ولی سوژه‌ش آماده‌ست!

از نظر اسم و دامنه، به نظرم «دات‌کام» خیلی خوش‌حافظه‌تره. کوتاهه، راحت گفته می‌شه و سریع توی ذهن می‌مونه.

البته دات‌کام اسم یه سرویس جدید نیست. محصولی که با داتس رقابت می‌کنه، گروک بات (Grok Bot) هست که از ۱۱ اوت معرفی شده بود؛ یعنی قبل از داتس.

💀 چه شباهتی دارن؟
هر دو می‌خوان یه همکار هوش مصنوعی باشن که کار رو بهش بسپری: توی فضای ابری کار کنه، با اجازه‌ات سراغ ابزارها و اپ‌ها بره، روش کارت رو یاد بگیره و حتی وقتی پای کامپیوتر نیستی، پروژه‌هات رو جلو ببره.

اما فرق‌های جالبشون چیه؟
🔹 تیم‌سازی با چند بات: توی گروک بات می‌تونی چند دستیار با مسئولیت‌های مختلف بسازی که با هم حرف بزنن و کار رو به هم تحویل بدن. داتس فعلاً با یک دستیار اصلی شروع می‌شه و اوپن‌ای‌آی تیمی از دات‌ها رو برای آینده مطرح کرده.

🔹 یادگیری با دیدن کار تو: گروک بات قابلیتی رو معرفی کرده که یک‌بار روش انجام کار رو بهش نشون می‌دی، اون رو به شکل یک روال ذخیره می‌کنه و دفعات بعد اجراش می‌کنه. این قابلیت توی معرفی داتس به همین شکل مطرح نشده.

🔹 محیط کار و ارتباط: بات‌های گروکِ هر کاربر یک کامپیوتر ابری مشترک دارن و فایل‌ها و ورود به سایت‌ها رو به اشتراک می‌ذارن. داتس روی ارتباط از طریق چت‌جی‌پی‌تی، اسلک و تیمز و حفظ زمینهٔ گفتگو بین این محیط‌ها تأکید داره.

به نظرم گروک بات روی کاغذ رقیب جدی داتسه و توی همکاری چند دستیار، امکانات آماده‌تری ارائه می‌ده. ولی برای اینکه بگیم کدوم واقعاً بهتر کار می‌کنه، باید هر دو رو با کارهای یکسان امتحان کنیم.

🧪 حالا این تست‌ها رو چطوری انجام دادم؟

توی پست قبلی گفتم چرا تصمیم گرفتم ویدیوی Codebase Memory MCP رو ادامه ندم. اینجا هم می‌خوام توضیح بدم چطور تستش کردم تا خودتون بتونید دربارهٔ نتیجه قضاوت کنید.

مقایسه ساده بود: همون مدل، همون پروژه، همون سؤال‌ها؛ یک بار با MCP و یک بار بدون اون. سه چیز رو هم بررسی کردم: کیفیت جواب، مصرف توکن و زمان اجرا.

✨ در مجموع ۲۴ بار تست گرفتم
تست‌ها رو توی دو دور انجام دادم: اول با دستورالعمل‌هایی که شخصی‌سازی کرده بودم، بعد با برگردوندن تنظیمات پیش‌فرض نسخهٔ v0.11.0. هر دور هم ۱۲ اجرای تازه داشت.

✨ سه مدل سؤال پرسیدم
• اگه بخشی از کد تغییر کنه، کدوم سرویس‌ها و قسمت‌های دیگه تحت‌تأثیر قرار می‌گیرن؟
• یک رویداد از کجا شروع می‌شه، از چه بخش‌هایی رد می‌شه و اطلاعاتش کجا ذخیره می‌شه؟
• یک تابع مشخص، توی یک فایل مشخص، دقیقاً چیکار می‌کنه؟

یعنی هم سراغ سؤال‌هایی رفتم که نیاز به گشتن توی پروژه و پیدا کردن ارتباط‌ها داشتن، هم سؤال مستقیم دربارهٔ یک تکه کد.

✨ شرایط رو تا جای ممکن یکسان نگه داشتم
مدل GPT-6 Astra با سطح استدلال متوسط، نسخهٔ پروژه، متن سؤال‌ها، دسترسی فقط برای خوندن کد و سقف جواب ۹۰۰ کلمه‌ای یکسان بودن.

هر سؤال رو در هر حالت دو بار اجرا کردم. بار دوم هم ترتیب رو برعکس کردم؛ یعنی اگه دفعهٔ اول با MCP شروع کرده بودم، دفعهٔ دوم بدون اون شروع کردم.

✨ چک کردم مدل واقعاً از چه ابزارهایی استفاده کرده
بدون MCP، مدل با ابزارهای معمول خودش کد رو جست‌وجو می‌کرد و می‌خوند. با MCP، اتصال ابزار و دستورالعمل‌هاش هم در دسترس بودن. لاگ‌ها رو بررسی کردم تا ببینم واقعاً چه استفاده‌ای ازش شده.

✨ کیفیت جواب‌ها رو چطور سنجیدم؟
از قبل، بر اساس کد واقعی پروژه، مشخص کرده بودم هر جواب باید چه نکته‌هایی رو پوشش بده. بعد دو ارزیاب هوش مصنوعی جداگانه، جواب‌ها رو با کد پروژه مقایسه کردن.

ارزیاب‌ها نمی‌دونستن کدوم جواب با MCP تولید شده، چقدر توکن مصرف کرده یا چقدر طول کشیده. نکته‌های جاافتاده، ادعاهای اشتباه و اینکه ارجاع‌ها واقعاً پشتوانهٔ حرف‌ها هستن یا نه هم جدا بررسی شدن.

✨ فقط عدد نهایی رو نگاه نکردم
مصرف توکن رو از خروجی خام CLI گرفتم: ورودی، بخش کش‌شدهٔ ورودی و خروجی. بخش کش‌شده رو دوباره به ورودی اضافه نکردم که مصرف اشتباهی بیشتر حساب نشه.

زمان اجرا، تعداد دفعات استفاده از ابزارها و حجم متنی که ابزارها برمی‌گردوندن رو هم ثبت کردم. همهٔ اجراها، حتی خطاهای ابزار، نگه داشته شدن. تغییر نکردن کد پروژه، هش دستورالعمل‌ها و شمارنده‌های مصرف رو هم چک کردم. دستورها، جواب‌ها، لاگ‌ها و امتیازها هم ذخیره شدن.

اما این تست محدودیت هم داشت.
فقط روی یک پروژه بود و ایندکس از قبل آماده بود؛ پس هزینهٔ ساخت ایندکس و ارزیابی جواب‌ها توی مقایسه نیومده. وضعیت کش و شلوغی سرویس‌دهنده هم دست من نبود.

برای همین نمی‌گم این ابزار برای همه و همه‌جا همین نتیجه رو می‌ده. حتی تفاوت دو دور تست رو هم نمی‌شه فقط به تغییر دستورالعمل‌ها نسبت داد.

حرفم اینه: توی شرایطی که من امتحان کردم، نتیجه اون چیزی نبود که انتظار داشتم. روش تست رو هم توضیح دادم تا شما فقط به حرف من تکیه نکنید و بدونید این برداشت از کجا اومده. 🙂