لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش بوتکمپ برنامهنویسی با هوش مصنوعی: Claude Code، پروتکل MCP و سیستمهای Multi-Agent Swarms
- آخرین آپدیت
دانلود AI Coder Bootcamp: Claude Code, MCP & Multi-Agent Swarms
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
کدنویسی بر اساس حدس و گمان (Vibe Coding) را متوقف کنید. با استفاده از Claude Code، Copilot، Cursor و Gastown، نرمافزارهای SaaS در سطح تولید (Production-grade) و سیستمهای چند-عاملی (Multi-agent swarms) مهندسی کنید.
ساخت ۴ اپلیکیشن آماده تولید: پیادهسازی یک همزاد دیجیتال AI، یک برد کانبان فولاستک، یک سیستم تولید اسناد حقوقی SaaS و یک ایستگاه کاری سیستماتیک برای بازارهای زنده.
تسلط بر پروتکل کانتکست مدل (MCP): متصل کردن رابط خط فرمان Claude Code به دیتابیسهای زنده، مرورگرهای وب و APIهای شخص ثالث برای دستیابی به کانتکست کامل پروژه.
تبدیل Vibe Coding به Vibe Engineering: فراتر رفتن از تکمیل خودکار ساده در IDE و حرکت به سمت تولید سیستماتیک و خودگردان کد از طریق ترمینال.
اتوماسیون خط لوله CI/CD: برنامهریزی Claude Code برای خواندن تیکتها، نوشتن ویژگیهای تمیز، اجرای مجموعهتستها و باز کردن خودکار Pull Requestها در گیتهاب.
هماهنگسازی Multi-Agent Swarms: مدیریت چندین عامل هوش مصنوعی که به صورت موازی با استفاده از ساختارهای پیشرفتهای مانند Gastown، GSD و تیمهای عاملی کار میکنند.
حذف توهمات هوش مصنوعی: اعمال استانداردهای سختگیرانه توسعه با استفاده از فایلهای agents.md و claude.md برای حذف کدهای بیکیفیت و زائد LLM.
استقرار سندباکسهای ابری امن: اجرای حلقههای تکرار خودگردان (Ralph Loops) به صورت ایمن در محیطهای اجرای راه دور از طریق Sprites.
اجرای عاملهای متنباز محلی: حفظ گردش کارهای کمهزینه و امن با ادغام مدلهای محلی مانند GLM 4.7 از طریق OpenCode، Amp Code و Ollama.
معماری Human-in-the-Loop: طراحی سیستمهایی که در آن هوش مصنوعی تحلیلهای سنگین دادهها را انجام میدهد، در حالی که اپراتور انسانی کنترل مطلق اجرا را در دست دارد.
مقیاسپذیری برای کدبیسهای عظیم: پیادهسازی ایندکسگذاری حرفهای و تاکتیکهای پنجره کانتکست برای هدایت عاملها در مخازن قدیمی و پیچیده.
پیش نیازها:بدون نیاز به تجربه قبلی در برنامهنویسی: برای شرکت در این بوتکمپ نیازی نیست مهندس نرمافزار باشید. چه یک بنیانگذار غیرفنی باشید که در حال ساخت MVP است و چه یک معمار ارشد که به دنبال افزایش بازدهی است، این دوره به شما میآموزد چگونه هوش مصنوعی را هدایت کنید، نه اینکه چگونه سینتکس بنویسید.
یک اشتراک پریمیوم هوش مصنوعی: شما به یک حساب فعال در کنسول API Anthropic نیاز دارید. (توجه: سطح رایگان Claude.ai شامل دسترسی به Claude Code CLI نمیشود).
ذهنیت یک معمار: باید آماده باشید تا از پرسیدن غیرفعال تکه-کدهای ساده از چتباتها، به سمت مدیریت فعال عاملهای خودگردان و مدیریت معماری سیستم حرکت کنید.
سختافزار پایه کامپیوتر: هر دستگاه استانداردی با سیستمعامل macOS 13.0+، Windows 10+ یا Ubuntu 20.04+. حداقل ۴ گیگابایت رم (۸ گیگابایت توصیه میشود) نیاز است. نیازی به GPU گرانقیمت نیست؛ تمام پردازشهای AI در فضای ابری انجام میشود.
به لبه تکنولوژی معماری نرمافزار خوش آمدید. در سال ۲۰۲۶، ما از نقطه عطفی عبور کردهایم که در آن عاملهای کدنویسی AI میتوانند سریع، مستقل و قابل اعتماد برای ساخت پلتفرمهای کامل عمل کنند. این بوتکمپ سازندگان را با هر پیشزمینهای تجهیز میکند تا پروژههای نرمافزاری عظیم و ایستگاههای کاری دادهای بسیار پیچیده را با سرعتی فوقالعاده تحویل دهند.
سیستمهای AI سطح تولید و Multi-Agent Swarms را از صفر مهندسی کنید
معماری محصولات کامل SaaS و MVPهای تجاری بدون غرق شدن در تئوریهای خشک.
هماهنگسازی چندین عامل AI که به صورت موازی با استفاده از Gastown و طراحی Spec-Driven (GSD) کار میکنند.
استقرار خط لولههای تکرار مداوم، امن و خودگردان (Ralph Loops) در فضای ابری.
ساخت یک داشبورد معاملاتی سیستماتیک برای بازار زنده که دادههای مالی لحظهای را مدیریت میکند.
تغییر به سمت مهندسی عاملمحور (Agentic Engineering) چشمانداز مهندسی نرمافزار به طور بنیادین تغییر کرده است. دوران درخواست تکه-کد از LLM و چسباندن دستی آن در IDE به پایان رسیده است. امروز، موثرترین توسعهدهندگان به عنوان معماران ارشد عمل میکنند و ناوگانی از عاملهای کدنویسی خودگردان مانند Claude Code را فرماندهی میکنند تا در کدبیسهای عظیم پیمایش کنند، APIهای پیچیده را از طریق پروتکل کانتکست مدل (MCP) ادغام کنند و به صورت خودکار Pull Request باز کنند. چه یک رویاپرداز غیرفنی باشید که MVP تجاری میسازد و چه یک مهندس ارشد که به دنبال مقیاسبندی خروجی روزانه خود است، تسلط بر گردش کارهای عاملمحور، بزرگترین ضربکننده بهرهوری است.
روش ساخت ما ما تئوریهای کلی را کنار میگذاریم و مستقیماً به سراغ خروجیهای سطح تولید با نرخ موفقیت بالا میرویم. در این مسترکلاس سه مرحلهای، شما را از «کدنویسی حسی» (Vibe Coding) به «مهندسی حسی» (Vibe Engineering) دقیق منتقل میکنیم.
ابتدا، با تسلط بر گردش کارهای تکعاملی در IDEهایی مانند Cursor و ابزارهایی مانند GitHub Copilot، پایه شما را بنا میکنیم. سپس از IDE خارج شده و مستقیماً به ترمینال میرویم تا قدرت خالص Claude Code CLI را آزاد کنیم. یاد میگیرید سرورهای MCP را به دیتابیسهای زنده متصل کنید، خط لولههای CI/CD خود را مستقیماً از تیکتهای Jira اتوماتیک کنید و با استفاده از فایلهای دقیق agents.md، استانداردهای معماری خود را تحمیل کنید تا توهمات و کدهای زائد AI حذف شوند.
در نهایت، به سمت «هرجومرج کنترل شده» میرویم. شما Swarmهای چند-عاملی موازی را هماهنگ کرده و سندباکسهای ابری راه دور را برای اجرای ایمن حلقههای توسعه مداوم مستقر میکنید. برای اثبات تسلط شما، پروژه نهایی ما یک ایستگاه کاری سیستماتیک برای بازار زنده است. ما این سیستم را با یک «لمس انسانی» (Human Touch) دقیق معماری میکنیم؛ به گونهای که AI کارهای سنگین تحلیلی را انجام دهد، در حالی که شما به عنوان اپراتور انسانی، کنترل مطلق اجرا بر تحلیل بازار را حفظ کنید.
در پایان این مسیر، شما مهارتها، پورتفولیو و نقشه معماری دقیقی خواهید داشت تا هر آنچه را که تصور میکنید بسازید.
سرفصل ها و درس ها
ذهنیت مهندسی هوش مصنوعی
The AI Engineering Mindset
خوشآمدگویی: چرخش از کدنویسی حسی به مهندسی حسی
Welcome: The Pivot from Vibe Coding to Vibe Engineering
معماری محیط: ۸ مرحله هماهنگسازی عاملها
Architecting the Environment: The 8 Stages of Agent Orchestration
آمادهسازی ایستگاه کاری – نصب محیط و پیکربندیهای اصلی
Provisioning the Workstation – Environment Setup & Core Configuration
مکانیسمهای LLM برای سازندگان: توکنها، پنجرههای کانتکست و حافظه
LLM Mechanics for Builders: Tokens, Context Windows, and Memory
کارگاه عملی: مکانیسمهای LLM برای سازندگان - توکنها، پنجرههای کانتکست و حافظه
Lab: LLM Mechanics for Builders - Tokens, Context Windows, and Memory
راهنمای گمشده: عبور از پرامپتهای تکمرحلهای به سمت حلقههای عاملمحور
The Missing Manual: Moving Beyond Single-Shot Prompts to Agentic Loops
مهندسی کانتکست و چارچوبهای اصلی
Context Engineering & Core Frameworks
مسترکلاس مهندسی کانتکست: ساختاردهی به agents.md برای کدهای با نرخ موفقیت بالا
Context Engineering Masterclass: Structuring agents.md for High-Win-Rate Code
پارادایم حلقه رالف (Ralph Loop): پیادهسازی حلقههای تکرار مداوم
The Ralph Loop Paradigm: Implementing Continuous Iteration Loops
کدنویسی YOLO مسئولانه: تنظیم OpenRouter و حفاظهای API
Responsible YOLO Coding: Setting Up OpenRouter and API Safeguards
همکاری بین مدلها: ادغام Claude Sonnet، Codex و DeepSeek V4 Flash
Cross-Model Collaboration: Integrating Claude Sonnet, Codex, DeepSeek V4 Flash
کدنویسی حسی در IDE
Vibe Coding in the IDE
ارزیابی IDEها: Cursor، GitHub Copilot، Codex و Antigravity
IDE Evaluation: Cursor, GitHub Copilot, Codex, and Antigravity
بررسی عمیق فایل agents.md و تنظیمات Cursor
Deep Dive into `agents.md` & Cursor Settings
دوره های حرفه ای DevOps گاهی اوقات ، دستیابی و گرفتن دست کسی آغاز یک سفر است. ما اغلب به شخصی احتیاج داریم که به ما کمک کند چند قدم اول را قبل از اینکه در آن حرکت استاد بگیریم ، برداریم. این چشم انداز ما در پشت همه دوره های ما "گام به گام" است 1. از ابتدا شروع کنید 2. موضوع را خراب کنید 3. کارها را ساده کنید 4. مرحله به مرحله پیش بروید تدریس اشتیاق ماست و ما هر دوره را طراحی می کنیم ، بنابراین شما می توانید از ابتدا شروع کنید ، هیچ چیزی در مورد یک موضوع نمی دانید و بعد از دوره متخصص می شوید و می توانید روی پروژه های سازمانی کار کنید.
نمایش نظرات