پادکست‌های

برخی از پیشگامان حوزه فناوری معتقدند که کدنویسی به عنوان یک مهارت فنی دیگر ضرورتی ندارد و توسط هوش مصنوعی حل شده است. اما مهندسی نرم‌افزار همچنان یک چالش حل‌نشده است. در این قسمت از پادکست، به بررسی دلایل این ادعا، توسعه مبتنی بر مشخصات، چالش‌های بازبینی کد، تفاوت بین مدل و هارنس، و جنبه‌های ناسالم کدنویسی عامل‌محور می‌پردازیم. اگر شما به عنوان یک مهندس نرم‌افزار نگران آینده شغلی خود هستید، این قسمت برای شماست.

همه با روش کدنویسی احساسی به سمت نرم‌افزارهای خراب می‌روند. هوش مصنوعی بیشتر، پایه‌های ضعیف را تعمیر نمی‌کند، فقط آشفتگی را بلندتر و سریع‌تر می‌کند! در این قسمت از پادکست، به بررسی این موضوع می‌پردازیم که گردش‌کارهای هوش مصنوعی در سطح حرفه‌ای چگونه هستند. مستندات زمینه، حفاظ‌های معماری، ارکستراسیون چندعاملی، و داده‌های تحقیقاتی که نشان می‌دهند چرا 84٪ از توسعه‌دهندگان احساس بهره‌وری بیشتری دارند و چرا 16٪ دیگر احتمالاً اشتباه انجام می‌دهند، مورد بحث قرار می‌گیرد.

در این قسمت از پادکست Pragmatic Engineer، به بررسی روش‌های ایمن و کارآمد استقرار نرم‌افزار در مقیاس بزرگ پرداخته می‌شود. موضوعاتی مانند Kubernetes، GitOps، مهندسی پلتفرم، تحویل تدریجی، فیچر فلگ‌ها، محیط‌های توسعه ابری و نقش رو به رشد هوش مصنوعی در فرآیندهای CI/CD مورد بحث قرار می‌گیرند. همچنین به مقایسه رویکردهای مختلف استقرار، دلایل ادامه استفاده از نرم‌افزارهای self-hosted برای برخی سازمان‌ها، و تکامل اخیر شیوه‌های تحویل نرم‌افزار پرداخته می‌شود.

در اولین قسمت از پادکست Pragmatic Engineer، میزبان سایمون ویلیسون هستم. سایمون یکی از مشهورترین مهندسان نرم‌افزاری است که با مدل‌های زبانی بزرگ (LLM) آزمایش می‌کند تا بهره‌وری خود را افزایش دهد. او بیش از سه سال است که در این زمینه فعالیت می‌کند و یافته‌های خود را به صورت عمومی در وبلاگش منتشر می‌کند.

سایمون خالق Datasette است، یک ابزار متن‌باز برای کاوش و انتشار داده‌ها. او به صورت تمام‌وقت روی توسعه ابزارهای متن‌باز برای روزنامه‌نگاری داده‌ای کار می‌کند که بر پایه Datasette و SQLite هستند. پیش از این، او مدیر مهندسی در Eventbrite بود و از طریق خرید Lanyrd - یک استارتاپ از Y Combinator که در سال 2010 تأسیس کرد - به این شرکت پیوست. سایمون همچنین یکی از هم‌بنیانگذاران چارچوب وب جنگو است. او از اوایل دهه 2000 در مورد توسعه وب وبلاگ‌نویسی می‌کند.

در این گفت‌وگو، عمیقاً به دنیای هوش مصنوعی مولد می‌پردازیم و درباره موضوعات زیر صحبت می‌کنیم:

• آزمایش‌های اولیه سایمون با LLM و ابزارهای کدنویسی

• چرا فاین‌تونینگ معمولاً اتلاف وقت است - و چه زمانی نیست

• مروری بر RAG (تولید با بازیابی افزایش‌یافته)

• تعامل با حالت صوتی GPT

• مجموعه ابزارهای روزانه سایمون با LLM

• تصورات نادرست رایج درباره LLM و حوزه‌های خاکستری اخلاقی

• چگونه بهره‌وری سایمون افزایش یافته و دیدگاه خوش‌بینانه او نسبت به این ابزارها

• نکات، ترفندها و هک‌های تعامل با ابزارهای هوش مصنوعی مولد

• و بیشتر!