این دوره شامل استفاده از هوش مصنوعی است.
این دوره به شما میآموزد چگونه از پرامپتنویسیهای پراکنده و اتفاقی به یک گردشکار مهندسی ساختاریافته و در سطح تولید (Production-grade) حرکت کنید.
به جای treating AI به عنوان یک تولیدکننده کد ساده، یاد میگیرید سیستمهایی طراحی کنید که در آن «مشخصات» منبع حقیقت هستند، معماری از قصد و هدف مشتق میشود و اعتبارسنجی در هر مرحله از توسعه تعبیه شده است.
توسعه مدل-محور (SDD) بداههپردازی را با یک خط لوله تکرارپذیر جایگزین میکند:
تعیین مشخصات ← برنامهریزی ← تعریف وظایف ← پیادهسازی ← تایید
در پایان این دوره، خواهید توانست توسعه با کمک AI را به گونهای مدیریت کنید که قابل حسابرسی، مقیاسپذیر و مطابق با استانداردهای واقعی تولید باشد.
محتویات این دوره:
ماژول ۱ - مبانی توسعه مدل-محور (SDD)
درک خواهید کرد که چرا کدنویسی بر اساس حس (Vibe-coding) برای پروتوتایپها جواب میدهد اما در محدودیتهای محیط تولید شکست میخورد.
با مفهوم «وارونگی قدرت» آشنا میشوید، جایی که کد در خدمت مشخصات است.
تکامل از SDLC، PRDها، TDD و BDD به سمت SDD را بررسی خواهید کرد.
اصول کلیدی اسناد زنده، قصد اجرایی، مدیریت ابهام و گیتهای اعتبارسنجی را درک میکنید.
ماژول ۲ - گردشکار اصلی SDD:
بر چرخه کامل تسلط مییابید:
تعیین مشخصات - تعریف ستاره قطبی و معیارهای موفقیت قابل اندازهگیری بدون دخالت در جزئیات پیادهسازی.
برنامهریزی - تولید معماری متناسب با کدبیس فعلی و مطابق با قانون اساسی پروژه.
وظایف - شکستن ویژگیهای پیچیده به واحدهای اتمی و قابل بررسی.
پیادهسازی - اجرای وظایف با اعتبارسنجی انسانی (Human-in-the-loop) و شناسایی مداوم انحرافات.
ماژول ۳ - کانتکست پروژه و حاکمیت:
یک «قانون اساسی پروژه» طراحی میکنید که DNA معماری شما را تعریف میکند.
فایلهای دستورالعمل ساختاریافته برای ایجنتها جهت کنترل رفتار AI ایجاد میکنید.
مدل مرزی سه سطحی را پیاده میکنید: همیشه انجام بده، ابتدا بپرس، هرگز انجام نده.
پشته تکنولوژی خود را استاندارد میکنید تا کدهای تولید شده توسط AI بومی و مطابق با استانداردهای تیمها باشد.
ماژول ۴ - نوشتن مشخصات موثر برای هوش مصنوعی:
یاد میگیرید چگونه الزامات قابل تفسیر برای ماشین را با استفاده از سینتکس EARS بنویسید.
ابهامات را با استفاده از گیتهای شفافسازی و بررسی کامل بودن الزامات حذف میکنید.
تولید UI و UX را با استفاده از بصریها، موکاپها و یکپارچگی با Figma هماهنگ میکنید.
مشخصات را به عنوان اسناد زنده و تحت کنترل نسخه مدیریت میکنید.
ماژول ۵ - ابزارها و اکوسیستم:
با ابزارهای واقعی SDD کار خواهید کرد، از جمله:
GitHub Spec Kit و گردشکار دستورات اسلش ساختاریافته آن.
Agent OS برای شکلدهی ویژگیها و سازماندهی وظایف.
Amazon Kiro برای اعتبارسنجی سختگیرانه الزامات و تستهای مبتنی بر ویژگی (Property-based testing).
پروتکل کانتکست مدل (MCP) برای تشخیصهای زمان اجرا و دیباگینگ مبتنی بر شواهد.
ماژول ۶ - پیادهسازی، تست و تایید:
مشخصات تست-محور را پیاده میکنید که در آن الزامات به گاردریلهای اجرایی تبدیل میشوند.
گیتهای تایید اجباری را پیش از ادغام کد (Merge) اعمال میکنید.
از تستهای مبتنی بر ویژگی مشتق شده از ناوردانهای EARS استفاده میکنید.
چندین زیر-ایجنت تخصصی را در حالی که یکپارچگی معماری حفظ شده، مدیریت میکنید.
ماژول ۷ - موارد استفاده پیشرفته SDD:
تشخیصهای زمان اجرا را مستقیماً به مشخصات متصل میکنید.
سیستم شناسایی انحراف (Drift Detection) را برای تحمیل معماری در زمان اجرا پیاده میکنید.
سیستمهای قدیمی (Legacy) را بدون به ارث بردن بدهی فنی مدرن میکنید.
پیادهسازیهای چندگانه با برابری در زبان و عملکرد را از یک منبع حقیقت واحد تولید میکنید.
ماژول ۸ - استراتژی پذیرش و نرخ بازگشت سرمایه (ROI):
یک توجیه تجاری برای SDD با استفاده از دادههای واقعی بهرهوری میسازید.
یک استقرار مرحلهبندی شده از پایلوت تا پذیرش در سطح سازمان طراحی میکنید.
از تلههای رایج مانند پرامپتهای مبهم، انحراف از مشخصات و مثلث مرگبار «سرعت، عدم قطعیت و هزینه» دوری میکنید.
معیارهایی را ردیابی میکنید که بهبود SDD را در بهرهوری، کیفیت و قابلیت اطمینان عملیاتی اثبات میکند.
ارزیابی:
دوره با یک کوییز جامع برای تقویت مفاهیم کلیدی و اطمینان از درک عملی گردشکار SDD به پایان میرسد.
با تکمیل این دوره، شما قادر خواهید بود:
گردشکارهای مهندسی تحت مدیریت AI را طراحی کنید.
مشخصات اجرایی و قابل تفسیر برای ماشین بنویسید.
انضباط معماری را از طریق گیتهای اعتبارسنجی تحمیل کنید.
هوش مصنوعی را به صورت ایمن در تیمها و کدبیسهای پیچیده مقیاسبندی کنید.
بازگشت سرمایه پذیرش ساختاریافته AI را اندازهگیری و اثبات کنید.
این دوره برای مهندسان، معماران، لیدهای فنی و مدیران مهندسی طراحی شده است که میخواهند از خروجیهای سریع اما شکننده AI به سیستمهای کنترلشده، قطعی و در سطح تولید حرکت کنند.
Skliar Serhii
مدرس در Udemy
نمایش نظرات