آموزش بازبینی کد و مدرن‌سازی سیستم‌های قدیمی با GitHub Copilot - آخرین آپدیت

دانلود AI Code Review & Legacy Modernization with GitHub Copilot

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: از دستیارهای کدنویسی هوش مصنوعی برای بازبینی کدهای قدیمی (Legacy)، شناسایی ریسک‌ها، تولید تست‌ها، ریفکتورینگ ایمن و برنامه‌ریزی برای مدرن‌سازی استفاده کنید. استفاده از دستیارهای هوش مصنوعی برای پشتیبانی از بازبینی ساختارمند و مبتنی بر شواهد کدهای قدیمی. ایجاد یک خط مبنای (Baseline) قابل اجرا قبل از تغییر در برنامه‌های ارث‌بری شده. خلاصه‌سازی کدهای ناشناخته و ردیابی جریان‌های کاری استاندارد و متقاطع. شناسایی قوانین تجاری پنهان، پیش‌فرض‌های نقش‌ها، رفتارهای اعتبارسنجی و وابستگی‌های مستند نشده. جداسازی شواهد تایید شده از فرضیات و توصیه‌های تولید شده توسط هوش مصنوعی. ساخت دفتر ثبت بدهی فنی و ریسک شامل تاثیر، شدت، میزان اطمینان و اقدام پیشنهادی. تولید و بازبینی انتقادی سناریوهای اعتبارسنجی دستی، تست‌های واحد (Unit)، تست‌های یکپارچه‌سازی (Integration) و مشخصه‌سازی (Characterization). ریفکتورینگ ایمن در بخش‌های کوچک کد و تصمیم‌گیری در مورد زمان مناسب برای بازنویسی کنترل‌شده. آماده‌سازی خلاصه‌های شفاف برای Pull Requestها، یادداشت‌های بازبین و بسته‌های بازبینی قابل استفاده مجدد. تایید تغییرات از طریق بازرسی منبع، بیلدها، تست‌ها، رفتار زمان اجرا و بررسی Diffها. تطبیق این گردش کار با سایر زبان‌ها، فریم‌ورک‌ها، مخازن و ابزارهای توسعه مبتنی بر هوش مصنوعی. پیشنیازها: تجربه پایه در توسعه نرم‌افزار با هر زبان برنامه‌نویسی. توانایی خواندن، پیمایش، بیلد و اجرای یک برنامه موجود. دانش پایه در مورد Git و کنترل نسخه (Source Control). دسترسی به یک دستیار کدنویسی هوش مصنوعی برای تمرینات عملی توصیه می‌شود. به تجربه پیشرفته در هوش مصنوعی، امنیت سایبری، تست یا مدرن‌سازی نیازی نیست. در دموها از GitHub Copilot و یک برنامه وب قدیمی C#/.NET استفاده شده است. یادگیرندگانی که از استک‌های دیگر استفاده می‌کنند می‌توانند با تطبیق فایل‌های پروژه، دستورات بیلد، ابزارهای تست و اهداف مدرن‌سازی، همین فرآیند بازبینی را اعمال کنند.

آیا یک کد قدیمی را به ارث برده‌اید و مطمئن نیستید از کجا شروع کنید؟ این دوره به شما می‌آموزد چگونه از GitHub Copilot و سایر دستیارهای هوش مصنوعی برای درک کدهای ناشناخته، شناسایی باگ‌ها، ریسک‌های امنیتی و بدهی‌های فنی، تولید تست‌های محافظتی، ریفکتورینگ ایمن، بازبینی Pull Requestها و برنامه‌ریزی برای یک مدرن‌سازی کنترل‌شده استفاده کنید.

دوره «بازبینی و مدرن‌سازی کدهای قدیمی با کمک هوش مصنوعی»، یک گردش کار تکرارپذیر و «اول-بازبینی» را برای درک، تست، بهبود و مدرن‌سازی نرم‌افزارهای قدیمی آموزش می‌دهد. شما از هوش مصنوعی به عنوان دستیاری برای تحقیق و اجرا استفاده خواهید کرد، در حالی که شواهد، اعتبارسنجی و قضاوت مهندسی را در مرکز هر تصمیم قرار می‌دهید.

این دوره درباره این نیست که از هوش مصنوعی بخواهید یک برنامه قدیمی را بازنویسی کند و امیدوار باشید که نتیجه کار کند. تمرکز بر مهندسی نرم‌افزار منضبط است: ایجاد خط مبنا، استفاده از هوش مصنوعی برای سرعت بخشیدن به تحقیقات، تایید یافته‌ها با کد منبع، تولید تست‌های محافظتی، بازبینی هر تغییر و مستندسازی شواهد لازم قبل از پذیرش تغییرات مدرن‌سازی.

این گردش کار به‌گونه‌ای طراحی شده که در زبان‌های برنامه‌نویسی، فریم‌ورک‌ها و ابزارهای هوش مصنوعی مختلف قابل انتقال باشد. در دموها از GitHub Copilot و یک برنامه وب قدیمی C#/.NET استفاده شده تا یک سیستم واقعی به‌طور عمیق بررسی شود. همین متدها را می‌توان برای Java، JavaScript، TypeScript، Python، PHP، C++ و سایر استک‌های توسعه با تغییر فایل‌های پروژه و ابزارهای مربوطه تطبیق داد.

این دوره همچنین شما را برای گردش‌های کاری مدرن‌سازی Agentic آماده می‌کند، جایی که ابزارهای هوش مصنوعی می‌توانند در ارزیابی کد، پیشنهاد برنامه، اعمال تغییرات و آماده‌سازی Pull Requestها کمک کنند. خواهید آموخت که چرا این جریان‌ها همچنان به بازبینی انسانی، وظایف محدود، شواهد اعتبارسنجی، تفکر بازگشتی (Rollback) و معیارهای پذیرش شفاف نیاز دارند.

شما با ایجاد یک خط مبنا شروع خواهید کرد. قبل از اینکه از هوش مصنوعی بخواهید چیزی را ریفکتور یا مدرن کند، برنامه ارث‌بری شده را اجرا کرده، ساختار آن را ثبت، محیط را مستند، جریان‌های کاری کلیدی را شناسایی و آنچه در حال حاضر کار می‌کند را ثبت می‌کنید. این کار یک نقطه مقایسه پایدار برای تغییرات بعدی فراهم می‌کند.

سپس، هوش مصنوعی را برای کارهای بازبینی جدی پیکربندی می‌کنید. دستورالعمل‌های مخزن (Repository Instructions)، فایل‌های پرومپت قابل استفاده مجدد و پرومپت‌های بازبینی متمرکز ایجاد می‌کنید که محدوده، شواهد مورد نیاز، فرمت خروجی و شرایط توقف را تعریف می‌کنند. این الگوها به کاهش پاسخ‌های کلی و ساده‌تر شدن تایید یافته‌های هوش مصنوعی کمک می‌کنند.

سپس از هوش مصنوعی برای درک کدبیس استفاده خواهید کرد. ساختار برنامه را خلاصه می‌کنید، یک جریان کاری استاندارد و یک جریان متقاطع را ردیابی کرده و قوانین تجاری پنهان را شناسایی می‌کنید. هدف تولید مستندات برای هر فایل نیست، بلکه کسب دانش تایید شده کافی برای تصمیم‌گیری ایمن در مورد بازبینی و مدرن‌سازی است.

بخش اولویت‌بندی ریسک (Risk-Triage)، مشاهدات را به کارهای مهندسی قابل اجرا تبدیل می‌کند. شما بدهی فنی، دغدغه‌های امنیتی و حریم خصوصی، پیش‌فرض‌های کنترل دسترسی، ریسک‌های وابستگی و آمادگی برای مدرن‌سازی را بررسی می‌کنید. هر یافته به بخش‌های شواهد، تاثیر، شدت، اطمینان و اقدام پیشنهادی تقسیم می‌شود تا توسط توسعه‌دهنده یا تصمیم‌گیرنده دیگر بازبینی شود.

تست‌ها به عنوان شواهدی برای مدرن‌سازی در نظر گرفته می‌شوند. از هوش مصنوعی برای پیشنهاد و تولید سناریوهای تست استفاده کرده و سپس به‌طور انتقادی بررسی می‌کنید که آیا این تست‌ها واقعاً از رفتار فعلی محافظت می‌کنند یا خیر. قبل از اجازه دادن به ریفکتورینگ یا مهاجرت، با استراتژی‌های تست مشخصه‌سازی، تست واحد، تست یکپارچه‌سازی و اعتبارسنجی دستی کار خواهید کرد.

گردش کار ریفکتورینگ به شما کمک می‌کند تصمیم بگیرید که آیا یک تغییر باید به صورت یک ریفکتور ساختاری کوچک، یک بازنویسی کنترل‌شده، یک آیتم به تعویق افتاده یا یک تحقیق اجرا شود. شما تغییرات را در برابر خط مبنا و تست‌ها اعتبارسنجی می‌کنید، به جای اینکه صرفاً چون یک بهبود تولید شده توسط هوش مصنوعی «تمیزتر» به نظر می‌رسد، آن را بپذیرید.

همچنین یاد می‌گیرید که چگونه نتایج کار را منتقل کنید. این دوره شامل آماده‌سازی Pull Request با کمک هوش مصنوعی، بازبینی PR، شواهد اعتبارسنجی، یادداشت‌های ریسک و بسته‌های بازبینی است که به هم‌تیمی‌ها کمک می‌کند بفهمند چه چیزی تغییر کرده و چه مواردی هنوز نیاز به توجه دارد.

در نهایت، با مدرن‌سازی به عنوان شکلی دیگر از بازبینی کد برخورد خواهید کرد. یک ارزیابی تولید شده توسط هوش مصنوعی را بررسی، برنامه پیشنهادی را بازبینی، تغییرات را در نقاط بازرسی کنترل شده اجرا، نتیجه Diff و رفتار را بررسی و در صورت عدم دسترسی به ایجنت‌های تخصصی مدرن‌سازی، از یک گردش کار جایگزین استفاده خواهید کرد.

در پایان دوره، شما یک فرآیند قابل استفاده مجدد برای مواجهه با سیستم‌های ارث‌بری شده با حدس و گمان کمتر خواهید داشت. قادر خواهید بود از هوش مصنوعی برای سرعت بخشیدن به درک کدبیس، کشف ریسک، برنامه‌ریزی تست، ریفکتورینگ و ارتباطات بازبینی استفاده کنید، در حالی که مسئولیت نهایی آنچه پذیرفته، ادغام و نگهداری می‌شود بر عهده شماست.


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

اتخاذ ذهنیت اول-بازبینی Adopting A Review-First Mindset

  • مرور کلی بخش Section Overview

  • سناریوی برنامه مدیریت مدرسه School Management Application Scenario

  • چه چیزی کدبیس قدیمی و مدرن‌سازی را ریسکی می‌کند؟ What Makes a Legacy Codebase and Modernization Risky?

  • یک مدرن‌سازی حرفه‌ای باید چه مواردی را پوشش دهد؟ What a Professional Modernization Should Cover

  • جایگاه هوش مصنوعی در بازبینی کد قدیمی Where AI Fits in Legacy Code Review

  • استفاده مسئولانه از هوش مصنوعی برای بازبینی کد Responsible AI Usage for Code Review

  • گردش کار جامع بازبینی (End-to-End) The End-to-End Review Workflow

  • دفاع از رویکرد مدرن‌سازی اول-بازبینی Defending a Review-First Modernization Approach

  • مرور بخش Section Review

راه‌اندازی پروژه و بازبینی خط مبنای کد قدیمی Project Setup and Legacy Baseline Review

  • مرور کلی بخش Section Overview

  • کد منبع بخش Section Source Code

  • پیکربندی محیط و ابزارهای توسعه [دمو] Configure Environment and Development Tools [Demo]

  • کلون و باز کردن پروژه قدیمی [دمو] Clone and Open the Legacy Project [Demo]

  • راه‌اندازی دیتابیس توسعه محلی [دمو] Setup Local Development Database [Demo]

  • بیلد و اجرای پروژه نمونه [دمو] Build and Run the Sample Project [Demo]

  • ایجاد چک‌لیست ارزیابی خط مبنا [دمو] Create the Baseline Assessment Checklist [Demo]

  • مرور بخش Section Review

  • تایید خط مبنای کد قدیمی قبل از کمک هوش مصنوعی Confirming the Legacy Baseline Before AI Assistance

پیکربندی هوش مصنوعی برای بازبینی و کارهای مدرن‌سازی Configuring AI for Review and Modernization Work

  • مرور کلی بخش Section Overview

  • کد منبع بخش Section Source Code

  • مرور قابلیت‌های بازبینی GitHub Copilot GitHub Copilot Review Features Overview

  • بازبینی دستورالعمل‌های Copilot در مخزن Review the Repository Copilot Instructions

  • ایجاد کتابخانه پرومپت‌های بازبینی کد [دمو] Create a Code Review Prompt Library [Demo]

  • نوشتن یک پرومپت بازبینی با کیفیت بالا [دمو] Write a High-Quality Review Prompt [Demo]

  • ایجاد پرومپت بازبینی ویژگی (Feature) [دمو] Create a Feature Review Prompt [Demo]

  • مرور بخش Section Review

  • نوشتن نرینگ‌ها (Guardrails) برای پرومپت‌های بازبینی هوش مصنوعی Writing Guardrails for AI Review Prompts

درک و مستندسازی کدبیس قدیمی Understanding and Documenting the Legacy Codebase

  • مرور کلی بخش Section Overview

  • کد منبع بخش Section Source Code

  • درخواست خلاصه‌سازی کدبیس از هوش مصنوعی [دمو] Ask AI to Summarize the Codebase [Demo]

  • ردیابی یک گردش کار استاندارد CRUD [دمو] Trace a Standard CRUD Workflow [Demo]

  • ردیابی یک گردش کار متقاطع (Cross Cutting) [دمو] Trace a Cross-Cutting Workflow [Demo]

  • شناسایی قوانین تجاری پنهان [دمو] Identify Hidden Business Rules [Demo]

  • چه زمانی مستندسازی را متوقف و بازبینی را شروع کنیم؟ When to Stop Documenting and Start Reviewing

  • توضیح جریان‌های کاری قدیمی بدون مستندسازی بیش از حد Explaining Legacy Workflows Without Over-Documenting

  • مرور بخش Section Review

اولویت‌بندی ریسک‌های کد قدیمی با کمک هوش مصنوعی AI-Assisted Legacy Risk Triage

  • مرور کلی بخش Section Overview

  • کد منبع بخش Section Source Code

  • از درک کد تا اولویت‌بندی ریسک From Understanding to Risk Triage

  • نمای کلی بدهی فنی [دمو] Technical Debt Snapshot [Demo]

  • نمای کلی امنیت، حریم خصوصی و کنترل دسترسی [دمو] Security, Privacy, and Access Control Snapshot [Demo]

  • نمای کلی وابستگی‌ها و آمادگی برای مدرن‌سازی [دمو] Dependency and Modernization Readiness Snapshot [Demo]

  • ساخت دفتر ثبت تجمیعی بدهی‌های فنی [دمو] Build the Consolidated Tech Debt Register [Demo]

  • مرور بخش Section Review

  • ساخت دفتر ثبت ریسک آماده برای تصمیم‌گیری Building a Decision-Ready Risk Register

تولید و بهبود تست‌ها با هوش مصنوعی Generating and Improving Tests with AI

  • مرور کلی بخش Section Overview

  • کد منبع بخش Section Source Code

  • چرا تست‌ها قبل از ریفکتورینگ و مدرن‌سازی می‌آیند؟ Why Tests Come Before Refactoring and Modernization

  • تولید و بازبینی ایده‌های تست با هوش مصنوعی [دمو] Generate and Review Test Ideas with AI [Demo]

  • تولید و بازبینی تست‌های واحد (Unit Tests) [دمو] Generate and Review Unit Tests [Demo]

  • تولید و بازبینی تست‌های یکپارچه‌سازی (Integration Tests) [دمو] Generate and Review Integration Tests [Demo]

  • آزمایشگاه هدایت شده: تولید گزارش شکاف تست [اختیاری] Guided Lab - Generate Test Gap Report [Optional]

  • مرور بخش Section Review

  • به چالش کشیدن ایده‌های تست تولید شده توسط هوش مصنوعی Challenging AI-Generated Test Ideas

ریفکتورینگ ایمن با کمک هوش مصنوعی Safe Refactoring with AI Assistance

  • مرور کلی بخش Section Overview

  • کد منبع بخش Section Source Code

  • زمانی که بازنویسی کنترل‌شده ایمن‌تر از ریفکتورینگ است When a Controlled Rewrite Is Safer Than Refactoring

  • ریفکتورینگ ایمن در درزهای کوچک کد Refactor Small Code Seams Safely

  • بازنویسی یک ماژول با کمک هوش مصنوعی Rewriting a Module With AI-Assistance

  • تصمیم‌گیری در مورد ریفکتور کردن یا بازنویسی Deciding What to Refactor or Rewrite

  • مرور بخش Section Review

  • ریفکتور یا بازنویسی: انتخاب تغییر ایمن‌تر Refactor or Rewrite: Choosing the Safer Change

درخواست‌های پول (Pull Requests)، بسته‌های بازبینی و گردش کار نگهداری Pull Requests, Review Packages, and the Maintenance Workflow

  • مرور کلی بخش Section Overview

  • کد منبع بخش و PR مرجع Section Source Code and Reference PR

  • آماده‌سازی Pull Request با هوش مصنوعی Prepare a Pull Request with AI

  • بازبینی PR با کمک هوش مصنوعی AI-Assisted PR Review

  • مرور بخش Section Review

  • دفاع از یک بسته بازبینی Pull Request Defending a Pull Request Review Package

مدرن‌سازی پروژه با کمک هوش مصنوعی AI-Assisted Project Modernization

  • مرور کلی بخش Section Overview

  • مدرن‌سازی همچنان یک بازبینی کد است Modernization Is Still Code Review

  • قابلیت‌های ایجنت مدرن‌سازی GitHub Copilot GitHub Copilot Modernization Agent Capabilities

  • اجرای ارزیابی (Assessment) ایجنت مدرن‌سازی GitHub Copilot Run the GitHub Copilot Modernization Agent - Assessment

  • اجرای برنامه (Plan) ایجنت مدرن‌سازی GitHub Copilot Run the GitHub Copilot Modernization Agent - Plan

  • اجرای عملیات (Execute) ایجنت مدرن‌سازی GitHub Copilot Run the GitHub Copilot Modernization Agent - Execute

  • بازبینی و تست برنامه مهاجرت شده Review and Test Migrated Application

  • مدرن‌سازی بدون ایجنت اختصاصی Modernization Without the Dedicated Agent

  • مرور بخش Section Review

  • تایید برنامه ایجنت مدرن‌سازی Copilot Approving the Copilot Modernization Agent Plan

جمع‌بندی دوره و گام‌های بعدی Course Wrap-Up and Next Steps

  • نتیجه‌گیری و گام‌های بعدی Conclusion and Next Steps

نمایش نظرات

آموزش بازبینی کد و مدرن‌سازی سیستم‌های قدیمی با GitHub Copilot
جزییات دوره
4.5 hours
71
(آخرین آپدیت)
73
4.9 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar