در چند سال گذشته ، من دیده ام که چگونه مهندسی نرم افزار تغییر کرده است – نه تنها با زبانها ، قاب ها یا ابزارها ، بلکه نحوه نزدیک شدن به روند فکر نوشتن کد واقعی. یکی از بزرگترین نیروهای تغییر در این زمینه ، هوش مصنوعی تولیدی است ، مانند Github Copilot و Chatgpt ، به ذکر قتل دیگران نیست.
این ابزارها در تلاش برای جایگزینی مهندسین نرم افزار نیستند ، آنها توانایی های شما را بهبود می بخشند ، زمان پیش پا افتاده شما را آزاد می کنند و خلاقیت را ترویج می کنند. من به شما مرور خواهم کرد که چگونه می توانید این ابزارها را با زحمت در جریان کار خود ادغام کنید تا بتوانید اسکلت های پروژه تولید کنید ، UX را بهبود بخشید و مستندات خودکار را تولید کنید.
شما می توانید در مورد این موضوع به عنوان یک توصیه از یک توسعه دهنده به یک توسعه دهنده دیگر که با همه چیز فوق آزمایش کرده است فکر کنید.
بیایید صادق باشیم ، برنامه نویسی می تواند در بعضی مواقع آزار دهنده باشد ، به خصوص هنگام ایجاد یک repo برای پروژه های جدید ، تنظیم قاب یا مستندات نوشتن. ابزارهای Generation AI می توانند به تسکین بار شناختی شما کمک کنند و به شما امکان می دهند بیشتر کار کنید تا مشکل ، معماری یا تجربه کاربر را حل کنید.
آیا تا به حال گیر کرده اید و نمی توانید راهی برای شروع با یک پروژه جدید پیدا کنید؟ یا آیا شما باید برای توسعه دهنده دیگر خود توضیح دهید که چرا کد می نویسید؟ در هر یک از این شرایط ، ابزارهای تولیدی شما مانند شریک رمزگذاری شما هستند – همیشه در دسترس ، همیشه دوستانه و معمولاً مفید هستند.
مراحل اول: اسکلت طراحی
توسعه یک پروژه جدید می تواند دلسرد شود ، به خصوص هنگام یافتن اعتیاد ، ساختار پرونده یا محیط. اینجاست که ابزارهایی مانند Copilot و Chatgpt بزرگترین معنی را دارند.
مرحله 1: تعیین سوال
قبل از درخواست AI برای کمک ، طرح کلی پروژه را جمع آوری کنید. به عنوان مثال:
- API پروژه است ، یعنی. API استراحت یا برنامه وب Frontend؟
- از چه زبان یا فریم برنامه نویسی استفاده می کنید؟
- آیا به پایگاه داده ، احراز هویت یا تنظیم تست نیاز دارید؟
پس از شناسایی سؤالات فوق ، می توانید شروع به برقراری ارتباط با هوش مصنوعی کنید.
مثال برای Chatgpt خواسته شده است:
به من کمک کنید یک اسکلت یک پروژه API Node.js REST را با استفاده از Express ، TypeScript ، Docker و Eslint ایجاد کنم
پاسخ به شما دایرکتوری ، ساختار پرونده ، پرونده های پیکربندی پیش فرض و پرونده های راه اندازی می دهد. این سریعتر از Googling است و از 5 وبلاگ مختلف جمع می شود و با الگوهای تصادفی عمل می کند.
مرحله 2: بررسی و تغییر
تمام اسکلت های تولید شده توسط هوش مصنوعی باید بررسی شوند. س questions الاتی که از خود بپرسید:
- این ساختار فایل در مورد بهترین روشها برای قاب خاصی که انتخاب می کنم صادق است؟
- آیا شامل پرونده های غیر ضروری است؟
- آیا پیکربندی محیطی که من مستقر می کنم؟
شما می توانید محتوای تولید شده توسط AI را بیشتر بهبود بخشید ، اما در دسترس بودن یک الگوی کار بهتر از 10 ساعت است.
UX را با پیشنهادات هوش مصنوعی بهبود بخشید
تجربه کاربر بسیار بیشتر از دکمه های سبز یا نارنجی است ، این سیستم های بصری ، دسترسی و بازخورد هستند. در زیر دو نمونه از چگونگی کمک هوش مصنوعی آمده است.
مثال 1: اعتبارسنجی فرم ورود
بیایید بگوییم که شما با استفاده از React فرم می نویسید. به جای نوشتن قوانین خود برای اعتبارسنجی و منطق ، می توانید از ChatGPT سؤال کنید:
یک ویژگی اعتبار سنجی برای فرم ثبت نام با ایمیل ، ایمیل ، رمز عبور بنویسید و رمز عبور را تأیید کنید
خروجی تولید شده شامل اعتبارسنجی ایمیل شما خواهد بود ، که احتمالاً شامل اعتبارسنجی Regex ، پردازش خطا است و حتی می تواند وضعیت بالقوه ای را برای تغییر پیام های خطا ارائه دهد ، و سپس می توانید آن را ویرایش کنید تا کتابخانه رابط کاربری خود یا یک روش مدیریت دولتی را ملاقات کنید.
مثال 2: ایجاد مؤلفه های رابط کاربری
با استفاده از کاربرد خودکار Copilot برای شروع کار ، می توانید شروع به وارد کردن نام مؤلفه ، غده های مؤلفه یا نام عملکرد کنید و Copilot همه چیز را به عنوان قطعات کامل ارائه می دهد. به عنوان مثال:
function LoginForm() {
return (
);
}و Copilot می تواند پیشنهاداتی را برای پردازش خطا ، فیلتر کردن ورودی (قالب EMAILL) یا شرایط حالت پس از چندین مؤلفه اضافه کند. اکنون ، شما همه چیز را نمی نویسید ، اما Copilot هنگام تمرکز روی طراحی ، قسمت بزرگتر کد دیگ بخار را اداره می کند.
خودکار سازی مستندات با Gen AI
مستندات می تواند برای یک مشعل پشتی کار کمی باشد و به نظر می رسد مردم آن را نادیده می گیرند زیرا سرگرم کننده نیست … اما این بخش مهمی از هیئت مدیره ، نگهداری و همکاری است.
مرحله 1: تولید نظرات ساخته شده
هنگامی که نوشتن ویژگی خود را تمام کردید ، بر آن تأکید کنید و از چتگپ بپرسید: “این ویژگی را با کلمات ساده توضیح دهید.” این نظرات بر اساس هدف عملکرد ، آنچه را به عنوان ورودی می پذیرد و چه بازده می پذیرد ، ایجاد می کند.
مرحله 2: ایجاد readme
به جای شروع با یک تخته سنگی خالی ، به جای سریع استفاده کنید: “یک الگوی Readme را برای ابزار Python CLI زیر بنویسید ، که داده های زمان را با استفاده از API OpenWeather بازیابی می کند.” پس از تولید ، حداقل بخش های زیر را دریافت خواهید کرد:
- توضیحات پروژه
- مرحله نصب
- مراحل استفاده
- مراحل پیکربندی
در صورت لزوم بر اساس زمینه پروژه خود مجاز به ویرایش یا افزایش خواهید بود.
مرحله 3: DOCI DOCI
برای استراحت یا GraphQL API ، می توانید از ChatGPT بخواهید که درخواست های نمونه و طرح های پاسخ را تولید کند و به جای مستندات برای یک مرجع درخواست (به عنوان مثال درخواست های پست الکترونیکی) ، می توانید پردازش خطا را درخواست کنید.
مثال سریع:
“یک مستندات API برای ثبت نام کاربر بنویسید که نام ، ایمیل و رمز عبور را بپذیرد.”
این به Markdown مشتق می شود.
سپس می توانید این پاسخ های ساختاری را در Swagger ، Postman یا هر ابزار مستنداتی که می خواهید برای فشار دادن این جزئیات کپی و قرار دهید ، کپی و قرار دهید.
اگرچه این ابزارها می توانند قدرتمند باشند ، اما به خاطر داشته باشید ، اما کامل نیستند. چه چیزی گرفتم؟
- همیشه خروجی را تأیید کنید – کد هوش مصنوعی تولید شده ممکن است دارای یک کتابخانه منسوخ باشد ، یا ممکن است از عمل ضعیف استفاده کند.
- آن را در دانش خود بهبود بخشید – هوش مصنوعی کمک می کند و باید کمک کند ، اما نه و نباید توجیه شما را تکمیل کند. قیاس برای فکر کردن در مورد آن این است که او را به عنوان یک دوست مغز فکر کنید.
- تکرار و شستشو – از چند مورد استفاده کنید ، کد را ارزیابی کنید و بر اساس توجیه پروژه اصلی که در آن شرکت کرده اید ، ویرایش کنید.
- آگاه باشید – ابزارهای AI به سرعت در حال تغییر هستند! از به روزرسانی ها و جوامع آگاه باشید ، مستندات آنها را بخوانید و ببینید که چقدر با دقت می توانید آنها را در فضای توسعه ادغام کنید.
سوالات متداول
سوال: آیا ابزارهای AI می توانند کد تولید آماده ساخته شده را تولید کنند؟
پاسخ: نه ، تنها کاری که او می تواند انجام دهد این است که الگوها یا نکات را ارائه می دهد. اطمینان حاصل کنید که آن را مرور کرده اید ، آن را آزمایش کرده و قبل از تولید آن ، حسابرسی امنیتی را انجام دهید.
س: به عنوان یک مبتدی در برنامه نویسی ، چگونه کسی باید از آنها استفاده کند بدون اینکه احساس غرق شود؟
پاسخ: با موارد کوچکتر شروع کنید (یعنی یک الگوی اصلی تولید شده ، بررسی کنید که آیا شکل فرم مرحله اعتبار سنجی را پشت سر گذاشته است) و غیره. پس از احساس اطمینان ، می توانید به آرامی کار کنید و در نهایت پیشنهاد AI را پیدا کنید که برای هدف شما باشد.
س: آیا این بدان معنی است که من با استفاده از هوش مصنوعی تنبل خواهم شد؟
پاسخ: نه ، اگر با دقت از آن استفاده می کنید. شما می خواهید از هوش مصنوعی استفاده کنید که گویی این یک برنامه نویس جزئی است و به شما کمک می کند تا در حل مشکلات واقعی و منحصر به فرد متمرکز شوید در حالی که او فقط کار مکرر را انجام می دهد.
سؤال: آیا می توان جزئیات مربوط به هوش مصنوعی را در مورد پروژه ای که من روی آن کار می کنم ارائه دهید؟
پاسخ: نه! جزئیات مربوط به کد خود را که حاوی کلیدهای API یا رمزهای عبور است ، به هوش مصنوعی ندهید ، اما می توانید از یک درخواست خلاصه استفاده کنید و سپس آنچه را که توسط آن درخواست شده است مرور کنید
خداحافظ فکر کردن
وقتی برای اولین بار از ابزارهایی مانند Copilot و Chatgpt استفاده کردم ، کمی تردید داشتم. اما بعد از اینکه من به طور مرتب از این ابزارها استفاده کردم و آنها را در روند کار خود قرار دادم ، پس انداز زمان را ارزیابی کردم و چقدر سریع می توانم چیزی را نمونه برداری کنم. من نظارت می کنم و معتقدم که آینده ای برای این ابزارها وجود دارد و در پایان آنها شیوه ساخت ، مستند سازی و شرکت مشترک در یک تصمیم را تغییر می دهند.
نظر شما چیست؟ آیا این فرصت را داشته اید که چگونه رمزگذاری خلاقانه می تواند به شما و کارهای خاصی که این فرصت ها و سایر کارها را پیدا کرده اید ، به شما کمک کند و کشف کنید. مهم است که بدون زیر سوال بردن به هوش مصنوعی وابسته نباشید. اما این به تعدد قدرت هر کاری که انجام می دهیم تبدیل می شود.
بیایید این مرحله برنامه نویسی جدید را با هم در آغوش بگیریم و یک ساختمان شاد!
Source link
