آموزش مسترکلاس مهندسی هارنس: ایجنتهای کدنویسی AI - آخرین آپدیت
دانلود Harness Engineering Masterclass: AI Coding Agents
“این دوره شامل استفاده از هوش مصنوعی است”
به مسترکلاس مهندسی هارنس: ایجنتهای کدنویسی AIخوش آمدید؛ دورهای جامع و عملی که به شما میآموزد ایجنتهای مدرن کدنویسی AIواقعاً چگونه کار میکنند و چگونه میتوان گردشهای کاری قابل اطمینان و آماده تولید حول آنها ساخت. در حالی که بسیاری از دورهها بر پرامپتنویسی تمرکز دارند، این دوره با بررسی معماری، مدل اجرا و اصول مهندسی سیستمهای کدنویسی خودمختار، بسیار عمیقتر پیش میرود. شما یاد خواهید گرفت که Claude Code، OpenAI Codex CLI، Gemini CLIو سایر ابزارهای مدرن توسعه AI چگونه درباره مسائل استدلال میکنند، کانتکست را مدیریت میکنند، ابزارها را اجرا میکنند، مخازن را ویرایش میکنند و برای حل وظایف پیچیده مهندسی نرمافزار با هم همکاری میکنند.
ما با بررسی تکامل توسعه نرمافزار، از برنامهنویسی سنتی تا عصر امروز هوش مصنوعی ایجنتی (Agentic AI)شروع میکنیم. شما تفاوتهای بین مدلهای زبانی بزرگ (LLMs)و ایجنتهای AIرا درک خواهید کرد، با حلقه اجرای ایجنتیآشنا میشوید و میآموزید که چرا مهندسی هارنس (Harness Engineering)به یکی از مهمترین مهارتها برای توسعه نرمافزار مبتنی بر AI تبدیل شده است. همچنین ابزارهای پیشرو کدنویسی AI از جمله Claude Code، Codex CLI، Gemini CLI، Cursor، Cline، Aider، Windsurfو OpenCodeرا مقایسه کرده و یاد میگیرید هر کدام در چه زمینهای برتری دارند و چگونه ابزار مناسب را برای چالشهای مختلف مهندسی انتخاب کنید.
با پیشروی در دوره، پایهای قوی در مبانی مهندسی هارنسشامل محیطهای اجرا، مدیریت کانتکست، معماری زمان اجرا (Runtime)، صفحات کنترل، صفحات داده و چرخه کامل حیات ایجنت AI ایجاد خواهید کرد. شما درک عمیقی از نحوه جمعآوری کانتکست مخزن توسط ایجنتهای کدنویسی، برنامهریزی وظایف، انتخاب ابزارها، اجرای دستورات، تایید نتایج، بازیابی از خطاها و بهبود مستمر خروجیها از طریق بازتاب و استدلال تکراری به دست خواهید آورد.
این دوره شامل بررسیهای عمیق و گسترده روی Claude Code، OpenAI Codex CLIو Gemini CLIاست. شما یاد میگیرید چگونه هر پلتفرم را نصب و پیکربندی کنید، معماری داخلی آنها را درک کنید و قوانین پروژه، استانداردهای کدنویسی، گردشهای کاری قابل استفاده مجدد و بهترین متدهای مهندسی را برای بهبود یکپارچگی در محیطهای توسعه فردی و تیمی مستقر کنید.
تمرکز اصلی دوره بر مهندسی کانتکست (Context Engineering)است که یکی از حیاتیترین دیسیپلینها در توسعه نرمافزاری مدرن با AI است. شما یاد میگیرید چگونه پنجرههای کانتکست را بهینه کنید، اطلاعات مرتبط را اولویتبندی کنید، مخازن بزرگ را فشردهسازی نمایید، حافظه پروژه را مدیریت کنید، فایلهای مهم را بازیابی کنید و دقیقاً اطلاعاتی را که ایجنتها برای تولید کد دقیق، کارآمد و قابل نگهداری نیاز دارند، در اختیارشان قرار دهید. همچنین استراتژیهای حافظه پایدار، حافظه مخزن، حافظه جلسه و اشتراک دانش در سطح تیم را بررسی خواهید کرد.
شما در مهندسی پرامپت برای ایجنتهای کدنویسیاستاد خواهید شد و میآموزید چگونه اهداف شفاف بنویسید، معیارهای پذیرش را تعریف کنید، محدودیتها را تعیین نمایید، وظایف مهندسی بزرگ را تجزیه کنید و قالبهای پرامپت قابل استفاده مجددی بسازید که به طور مداوم کدهای باکیفیتتری تولید کنند. به جای تکیه بر آزمون و خطا، تکنیکهای ساختاریافتهای را برای هدایت ایجنتهای AI از طریق مسائل پیچیده مهندسی با نتایج قابل پیشبینی و قابل اطمینان یاد میگیرید.
فراتر از پرامپتنویسی، شما با فراخوانی ابزارها، اجرای دستورات، یکپارچگی با Git، ویرایش فایلها، دسترسی به وب، ابزارهای جستجو، یکپارچگی با IDE و گردشهای کاری اتوماسیون امن آشنا میشوید. درک خواهید کرد که چگونه سیستمهای مجوز، گردشهای کاری تایید، سندباکسینگ، اعتبارسنجی و نظارت انسانی، ایجنتهای AI را قادر میسازد تا در حالی که ریسکهای عملیاتی را به حداقل میرسانند، به طور ایمن با کدهای عملیاتی تعامل داشته باشند.
یکی از نقاط قوت این دوره، بررسی عمیق پروتکل کانتکست مدل (MCP)است. یاد میگیرید چرا MCP ایجاد شد، کلاینتها، سرورها، منابع، ابزارها و پرامپتهای MCP چگونه با هم کار میکنند و چگونه ایجنتهای AI را با سیستمهای خارجی مانند GitHub، Jira، پایگاههای داده، Slack، اتوماسیون مرورگر و سرویسهای سفارشی سازمانی یکپارچه کنید. در پایان این بخش، درک خواهید کرد که MCP چگونه ارتباطات استاندارد بین ایجنتهای AI و اکوسیستمهای نرمافزاری دنیای واقعی را امکانپذیر میکند.
همچنین سیستمهای اتوماسیون کاربردی را با استفاده از هوکها (Hooks)، مهارتها (Skills)، دستورات اسلش، گردشهای کاری قابل استفاده مجدد، قالبهای پروژه، خط لولههای اعتبارسنجی، اتوماسیون Git و تکنیکهای بهرهوری تیمی خواهید ساخت. این مفاهیم کمک میکنند تا دستیارهای AI به سیستمهای مهندسی تکرارپذیری تبدیل شوند که قادر به مدیریت گردشهای کاری پیچیده توسعه با حداقل دخالت دستی هستند.
سپس دوره به سمت مهندسی چند-ایجنته (Multi-Agent Engineering)گسترش مییابد، جایی که یاد میگیرید چگونه ایجنتهای تخصصی AI برای حل پروژههای نرمافزاری بزرگتر با هم همکاری میکنند. شما سیستمهایی را با استفاده از ایجنتهای برنامهریز (Planner)، توسعهدهنده (Developer)، بازبین (Reviewer)، تستکننده (Tester)، مستندساز و امنیتی طراحی میکنید و تکنیکهای تفویض اختیار، کانتکست مشترک، ارتباطات، اجرای موازی، ارکستراسیون گردش کار، حل تعارض و تحویل هماهنگ نرمافزار را میآموزید.
در نهایت، با یادگیری مهندسی هارنس عملیاتی (Production Harness Engineering)همه موارد را به هم پیوند میدهید. شما سازماندهی مخزن، استانداردهای مهندسی، خط لولههای اتوماسیون، نردههای حفاظتی، لاگینگ، مشاهدهپذیری، ردیابی، دیباگینگ، سیستمهای بازپخش (Replay)، متریکها، مدیریت خطا و بهترین متدهای عملیاتی مورد نیاز برای استقرار گردشهای کاری توسعه به کمک AI در محیطهای حرفهای را بررسی خواهید کرد.
در طول دوره، شما دموهای کاربردی، مثالهای واقعی و تمرینات عملی را به پایان خواهید رساند که هر مفهوم اصلی را تقویت میکند. در پایان، درک عمیقی از مهندسی هارنس، ایجنتهای کدنویسی AI، Claude Code، OpenAI Codex CLI، Gemini CLI، MCP، مهندسی کانتکست، مهندسی پرامپت، سیستمهای چند-ایجنتهو توسعه AI در محیط عملیاتیخواهید داشت. چه مهندس نرمافزار باشید، چه مهندس AI، متخصص DevOps، لید فنی یا علاقهمند به تکنولوژی، این دوره دانش و مهارتهای عملی لازم برای ساخت، سفارشیسازی و استقرار سیستمهای مدرن مهندسی نرمافزار مبتنی بر AI را با اعتماد به نفس به شما ارائه میدهد.
مقدمهای بر مهندسی هارنس Introduction to Harness Engineering
-
به عصر ایجنتها خوش آمدید Welcome to the Agent Era
-
درک ایجنتهای کدنویسی AI Understanding AI Coding Agents
اکوسیستم کدنویسی AI AI Coding Ecosystem
-
ابزارهای مدرن کدنویسی AI Modern AI Coding Tools
-
انتخاب ابزار مناسب Choosing the Right Tool
-
آزمایشگاه عملی ۱: نصب و مقایسه ابزارهای کدنویسی AI Hands-On Lab 1: Install and Compare AI Coding Tools
مبانی مهندسی هارنس Harness Engineering Fundamentals
-
هارنس چیست؟ What is a Harness?
-
نگاهی به درون یک ایجنت AI Inside an AI Agent
-
آزمایشگاه عملی ۲: ساخت اولین هارنس کدنویسی AI Hands-On Lab 2: Build Your First AI Coding Harness
بررسی عمیق Claude Code Claude Code Deep Dive
-
معماری Claude Code Claude Code Architecture
-
ساختار داخلی Claude Code Claude Code Internals
-
آزمایشگاه عملی ۳: ساخت یک پروژه با Claude Code Hands-On Lab 3: Build a Claude Code Project
OpenAI Codex CLI OpenAI Codex CLI
-
معماری Codex CLI Codex CLI Architecture
-
ساختار داخلی Codex Codex Internals
-
آزمایشگاه عملی ۴: گردش کار عملیاتی با Codex CLI Hands-On Lab 4: Production Workflow with Codex CLI
Gemini CLI Gemini CLI
-
مروری بر Gemini CLI Gemini CLI Overview
-
ویژگیهای Gemini CLI Gemini CLI Features
-
آزمایشگاه عملی ۵: گردش کار توسعه با Gemini CLI Hands-On Lab 5: Gemini CLI Development Workflow
معماری ایجنت مشترک Shared Agent Architecture
-
اجزای مشترک ایجنتها Common Agent Components
-
حلقه ایجنتی Agentic Loop
-
مرور بخش ۷: معماری ایجنت مشترک Section 7 Walkthrough: Shared Agent Architecture
مهندسی کانتکست Context Engineering
-
پنجرههای کانتکست Context Windows
-
حافظه پروژه Project Memory
-
آزمایشگاه عملی ۶: بهینهسازی کانتکست برای پروژههای بزرگ Hands-On Lab 6: Optimize Context for Large Projects
مهندسی پرامپت برای ایجنتهای کدنویسی Prompt Engineering for Coding Agents
-
نوشتن پرامپتهای بهتر Writing Better Prompts
-
دستورالعملهای ایجنت Agent Instructions
-
آزمایشگاه عملی ۷: مهندسی پرامپتهای کدنویسی بهینه Hands-On Lab 7: Engineer Better Coding Prompts
فراخوانی ابزارها و اجرا Tool Calling & Execution
-
فراخوانی ابزارهای AI AI Tool Calling
-
مجوزها و سندباکسینگ Permissions & Sandboxing
-
آزمایشگاه عملی ۸: گردش کار فراخوانی ابزارهای AI Hands-On Lab 8: AI Tool Calling Workflow
پروتکل کانتکست مدل (MCP) MCP (Model Context Protocol)
-
مقدمهای بر MCP Introduction to MCP
-
توسعه با MCP Building with MCP
هوکها، مهارتها و اتوماسیون Hooks, Skills & Automation
-
هوکها Hooks
-
مهارتها Skills
مهندسی چند-ایجنته Multi-Agent Engineering
-
کار با چندین ایجنت Working with Multiple Agents
-
همکاری ایجنتها Agent Collaboration
مهندسی هارنس عملیاتی Production Harness Engineering
-
ساخت هارنسهای عملیاتی Building Production Harnesses
-
مشاهدهپذیری Observability
https://donyad.com/d/01d635
Data Science ACADEMY
ML Master Trainer علم داده ، یادگیری ماشین ، هوش مصنوعی ، یادگیری عمیق ، بهینه سازی موتور جستجو ، بازاریابی موتور جستجو ، روش های محاسباتی و همچنین آموزش زبان برنامه نویسی پایتون. پایتون ، علوم داده ، یادگیری ماشینی ، یادگیری عمیق و هوش مصنوعی ، ما درس های خود را با مثال های واقعی ترکیب و ارائه می دهیم. به منظور گسترش دانشی که آموخته اید فراتر از سطح عمومی فرهنگ است. 10+ سال تجربه
School of AI
نمایش نظرات