آموزش مهندسی پرامپت پیشرفته و ابزارهای هوش مصنوعی - آخرین آپدیت

تسلط بر مهندسی پرامپت پیشرفته Mastering Advanced Prompt Engineering

• مرور کلی بخش Section Overview

• آزمایشگاه عملی: الگوی «معکوس کردن سناریو» Practical Lab: The "Flip the Script" Pattern

• آزمایشگاه عملی: کاربردهای الگوی «معکوس کردن سناریو» Practical Lab: "Flip the Script" Pattern Applications

• آزمایشگاه عملی: استفاده از هوش مصنوعی برای تولید پرامپت Practical Lab: Using AI to Generate Prompts

• آزمایشگاه عملی: بهینه‌سازی پرامپت‌های تولید شده توسط AI Practical Lab: Refining AI-Generated Prompts

• آزمایشگاه عملی: تجزیه وظایف پیچیده با متد Decomposition Practical Lab: Breaking Down Complex Tasks with Decomposition

• آزمایشگاه عملی: بهبود پاسخ‌ها با نقد خودکار (Self Critique) Practical Lab: Improving Responses with Self-Critique

• آزمایشگاه عملی: آشنایی با فراخوانی توابع (Function Calling) Practical Lab: Introduction to Function Calling

• آزمایشگاه عملی: فراخوانی پیشرفته توابع Practical Lab: Advanced Function Calling

• آزمایشگاه عملی: آشنایی با سازگاری خودکار (Self Consistency) Practical Lab: Introduction to Self-Consistency

• آزمایشگاه عملی: جمع‌بندی سازگاری خودکار Practical Lab: Self-Consistency Wrap-Up

ماژول پروژه ۳: ساخت بررسی‌کننده کد هوش مصنوعی Project Module #3: Building an AI Code Reviewer

• مرور کلی و اهداف ماژول Module Overview and Goals

• بررسی برنامه پیاده‌سازی ماژول Reviewing the Module Implementation Plan

• بازنویسی کد برای استفاده از کتابخانه GitPython Refactoring to Use the GitPython Library

• بهبود مدیریت استثناها (Exception Handling) Improving Exception Handling

• ایجاد ساختار اولیه برای دستور بررسی (Review Command) Creating the Boilerplate for the Review Command

• استفاده از Dataclasses برای داده‌های ساختاریافته Using Dataclasses for Structured Data

• افزودن دستور بررسی به رابط خط فرمان (CLI) Adding the Review Command to the CLI

• طراحی پرامپت‌ها برای بررسی منطق و نحو کد Designing Prompts for Logic and Syntax Checks

• اجرای منطق اصلی بررسی هوش مصنوعی Executing the Core AI Review Logic

• توسعه پرسوناهای متخصص برای تحلیل عمیق‌تر کد Developing Expert Personas for Deeper Code Analysis

• ساخت گردش‌کار سازگاری خودکار برای بررسی‌ها Building a Self-Consistency Workflow for Reviews

• تکمیل پیاده‌سازی سازگاری خودکار Completing the Self-Consistency Implementation

• تعریف ابزارهای خارجی برای بررسی‌کننده Defining External Tools for the Reviewer

• ساخت یک رجیستری ابزار پایه Building a Basic Tool Registry

• تکمیل رجیستری ابزارها Completing the Tool Registry

• رفع خطاهای تایپ استاتیک (Static Typing) Resolving Static Typing Errors

• ایجاد حلقه اولیه فراخوانی ابزار AI Creating the Initial AI Tool-Calling Loop

• بهینه‌سازی منطق فراخوانی ابزار Refining the Tool-Calling Logic

• نوشتن تست‌ها برای قابلیت فراخوانی ابزار Writing Tests for the Tool-Calling Feature

• ادغام مرحله نقد خودکار در فرآیند بررسی Integrating a Self-Critique Phase into the Review Process

ماژول پروژه ۴: خروجی ساختاریافته و نهایی‌سازی Project Module #4: Structured Output and Finalization

• مرور کلی و اهداف ماژول Module Overview and Goals

• شروع مهاجرت به خروجی ساختاریافته Initiating the Migration to Structured Output

• بازنویسی ماژول بررسی برای قابلیت نگهداری بیشتر Refactoring the Review Module for Maintainability

• رفع خطاهای تست پس از بازنویسی Resolving Test Failures After Refactoring

• به‌روزرسانی پرامپت‌ها برای تولید خروجی JSON Updating Prompts to Generate JSON Output

• اصلاح تست‌ها برای اعتبارسنجی خروجی JSON Modifying Tests to Validate JSON Output

• تطبیق خط لوله (Pipeline) برای استفاده از Dataclasses Adapting the Pipeline to Use Dataclasses

• ادامه مهاجرت به Dataclass Continuing the Dataclass Migration

• نهایی‌سازی مهاجرت خط لوله Finalizing the Pipeline Migration

• بررسی و رفع باگ‌های جزئی Addressing and Fixing Minor Bugs

• اصلاح خطاهای باقی‌مانده در تست‌ها Correcting Remaining Test Failures

• ساخت پارسر خروجی JSON Building the JSON Output Parser

• تکمیل نهایی: منطق ترکیب و مستندسازی Final Touches: Synthesis Logic and Documentation