وبلاگ

انتخاب مدل Embedding و تلهٔ ناسازگاری ابعاد

یکی از رایج‌ترین اشتباه‌هایی که تیم‌ها هنگام ساخت یک سیستم RAG مرتکب می‌شوند، چیزی نیست که در کد دیده شود؛ در تصمیمی نامرئی اتفاق می‌افتد که هفته‌ها بعد خودش را به‌شکل نتایج جست‌وجوی بی‌معنا نشان می‌دهد: تغییر مدل embedding بعد از این‌که ایندکس با مدل قبلی ساخته شده. این مقاله همان تله را دقیق باز […]

راه‌اندازی محیط کار: گیت، ترمینال و اولین پروژه

قبل از اینکه بتوانید با کمکِ هوش مصنوعی نرم‌افزار بسازید، به چند ابزارِ پایه نیاز دارید: یک پنجرهٔ ترمینال برای دادنِ دستور، سیستمِ گیت برای نگه‌داریِ نسخه‌های مختلفِ کد، و یک پوشه برای اولین پروژه‌تان. این مقاله فرض می‌کند تا حالا هیچ‌کدامِ این‌ها را باز نکرده‌اید و قدم‌به‌قدم، از صفر، همه چیز را راه می‌اندازد. […]

آناتومی یک پرامپت کد خوب؛ زمینه، ورودی، خروجی، محدودیت

خیلی از کسانی که تازه سراغ وایب کدینگ می‌روند، فکر می‌کنند تفاوت یک پرامپت خوب با یک پرامپت بد فقط در ادب یا طول جمله است. اما در عمل، مدل‌های کد مثل یک همکار تازه‌کار رفتار می‌کنند که هیچ پیش‌زمینه‌ای از پروژهٔ شما ندارد؛ هر چیزی که نگویید، حدس می‌زند و حدس‌های او همیشه درست […]

کار با فایل‌های موجود؛ چطور کدبیس را به مدل نشان بدهیم

یکی از رایج‌ترین شکایت‌ها دربارهٔ وایب کدینگ این است: «مدل کدی نوشت که کل پروژه‌ام را بهم ریخت.» در اکثر این موارد، مشکل از مدل نیست؛ مشکل این است که مدل اصلاً کدبیس شما را ندیده بوده. مدل زبانی برخلاف یک همکار انسانی، حافظهٔ دائمی از پروژهٔ شما ندارد و هر بار که پرامپت می‌فرستید، […]

وقتی مدل اشتباه می‌کند؛ حلقهٔ خطا و اصلاح

هیچ مدلی، هرقدر هم قوی، همیشه از اولین بار کد درست تولید نمی‌کند. این طبیعی است و بخشی جدایی‌ناپذیر از وایب کدینگ است. تفاوت بین کسی که با مدل به نتیجه می‌رسد و کسی که خسته و ناامید رها می‌کند، در نحوهٔ برخورد با خطاست. یک حلقهٔ ساده و تکرارشونده وجود دارد که اگر آن […]

ساخت اولین اپ کامل با وایب کدینگ؛ پروژهٔ گام‌به‌گام

بهترین راه یادگیری وایب کدینگ، خواندن نیست، ساختن است. در این مقاله یک پروژهٔ واقعی و کوچک را از صفر تا اجرا با هم پیش می‌بریم: یک ابزار وب سادهٔ یادداشت‌برداری که در مرورگر اجرا می‌شود، بدون نیاز به سرور یا دیتابیس. هدف این نیست که یک محصول کامل بسازیم، هدف این است که کل […]

دیتابیس، احراز هویت و دیپلوی بدون دانش قبلی

تا اینجای این سری، دربارهٔ نوشتن پرامپت خوب، نشان‌دادن کدبیس به مدل و رفع خطا صحبت کردیم؛ همهٔ این‌ها به شما کمک می‌کنند اپی بسازید که روی سیستم خودتان کار می‌کند. اما یک اپ واقعی معمولاً باید داده‌ها را جایی نگه دارد، کاربران را بشناسد، و در نهایت روی اینترنت در دسترس دیگران باشد. این […]

بازنویسی کد تولیدشده؛ کجا باید خودتان وارد شوید

وقتی یک ابزار هوش مصنوعی یک قطعه کد کامل برایتان می‌نویسد، وسوسهٔ «تحویل بگیر و برو» بسیار قوی است. کد اجرا می‌شود، خروجی درست است، و اگر تستی هم باشد سبز است. اما یک پرسش جدی‌تر جا می‌ماند: این کد قرار است شش ماه دیگر هم قابل نگهداری باشد یا نه؟ در راهنمای کامل وایب […]

بدهی فنی وایب کدینگ؛ چه چیزی را بعداً باید پس بدهید

بدهی فنی (technical debt) یک استعارهٔ مالی ساده دارد: هر بار که یک راه‌حل سریع را به‌جای راه‌حل درست انتخاب می‌کنید، مثل این است که وام گرفته‌اید. وام کار امروز را راه می‌اندازد، اما بهره‌اش — زمان بیشتر برای فهمیدن کد، ریسک بیشتر برای هر تغییر، احتمال بالاتر باگ — هر ماه اضافه می‌شود. وایب […]

تست و بازبینی کدی که خودتان ننوشته‌اید

وقتی کدی را خودتان ننوشته‌اید — چه از یک مدل هوش مصنوعی گرفته باشید، چه از یک همکار یا یک کتابخانهٔ open source — مسئولیت بازبینی آن هنوز روی دوش شماست. این مقاله یک چک‌لیست کاملاً کاربردی برای بازبینی دفاعی است: نه این‌که چطور به سیستمی حمله شود، بلکه چطور پیش از انتشار، نقاط ضعف […]