diff --git a/chapters/16-future-path/00-lesson-chapter-goals/spec.md b/chapters/16-future-path/00-lesson-chapter-goals/spec.md new file mode 100644 index 0000000..e5c8b15 --- /dev/null +++ b/chapters/16-future-path/00-lesson-chapter-goals/spec.md @@ -0,0 +1,84 @@ +# مشخصات درس‌نامه: اهداف فصل شانزدهم (Chapter Goals) +- **شناسه در سیلابس:** `L16.1` +- **فصل:** فصل ۱۶: ادامه راه (Ch 16) +- **نوع محتوا:** 📘 درس‌نامه متنی +- **زمان تقریبی مطالعه:** ۶ دقیقه +- **پیش‌نیازهای مستقیم:** `L15.12` (ساخت اپلیکیشن دسکتاپ با Tauri و Electron) + +--- + +## ۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy) +دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند: +- [ ] **درک کند (Understand):** افق کلان پایان دوره و گذار از «کدنویسی تفننی» به «مهندسی ایجنتیک حرفه‌ای در مقیاس صنعتی» را بشناسد. +- [ ] **درک کند (Understand):** نقشه راه ۹ درس‌نامه تخصصی فصل پایانی شامل: تفاوت وایب کدینگ با مهندسی ایجنتیک، ۴ بررسی موردی عمیق شرکت‌های پیشروی ایرانی (دیجی‌کالا، اسنپ، کافه‌بازار، دیوار)، نقش جدید برنامه‌نویس به عنوان ارکستراتور سیستم‌ها، استراتژی‌های یادگیری مستمر در دنیای پرشتاب هوش مصنوعی، و جمع‌بندی نهایی دوره و منابع پیشرفته را بداند. +- [ ] **تحلیل/ارزیابی کند (Evaluate):** کاربردهای واقعی و عملیاتی ابزارهای هوش مصنوعی و ایجنت‌های کدنویسی در ۴ غول فناوری ایران (دیجی‌کالا، اسنپ، کافه‌بازار، دیوار) را برای شناخت فرصت‌های شغلی و حل مسائل در مقیاس‌های بزرگ ارزیابی نماید. +- [ ] **به‌کار ببندد (Apply):** برنامه اقدام شخصی (Action Plan) پس از پایان دوره را برای ورود به بازار کار فریلنسری، کارآفرینی یا استخدام در تیم‌های مدرن ترسیم کند. + +--- + +## ۲. محدوده و مرزهای محتوا (Scope & Boundaries) + +### آنچه باید پوشش داده شود (In-Scope): +1. **نقطه عطف پایانی دوره: تثبیت هویت مهندسی جدید:** + * شما دیگر فردی نیستید که فقط با هوش مصنوعی گپ می‌زند؛ شما یک سازنده کامل محصول (End-to-End Product Builder) هستید. +2. **مرور سرفصل‌های تخصصی فصل ۱۶ (با تفکیک ۴ درس‌نامه موردی شرکت‌های ایرانی):** + * درس ۱۶.۲: از Vibe Coding تا Agentic Engineering؛ حاکمیت معماری (Governance)، انضباط تیمی و استانداردهای پایداری در سازمان‌ها. + * درس ۱۶.۳ الف: بررسی موردی دیجی‌کالا؛ تسریع کاتالوگ محصولات، لجستیک و انبارداری، تولید تست‌های خودکار و ریفکتورینگ با هوش مصنوعی. + * درس ۱۶.۳ ب: بررسی موردی اسنپ؛ مدیریت میلیون‌ها سفر روزانه، سیستم‌های دیسپچ، پایش بلادرنگ و ایجنت‌های عیب‌یابی خطوط بک‌اند. + * درس ۱۶.۳ ج: بررسی موردی کافه‌بازار؛ بررسی امنیتی خودکار برنامه‌ها، تحلیل بدافزارها و ارزیابی پکیج‌های ارسالی توسعه‌دهندگان به استور. + * درس ۱۶.۳ د: بررسی موردی دیوار؛ پالایش هوشمند آگهی‌ها، چت امن، ارکستراسیون ایجنت‌های پشتیبانی و مهار خطاهای انسانی در مقیاس کلان. + * درس ۱۶.۴: نقش جدید توسعه‌دهنده: ارکستراتور سیستم‌ها (Systems Orchestrator)؛ چگونه از یک کدنویس ساده به کارگردان و ناظر ارشد ایجنت‌ها تبدیل شویم؟ + * درس ۱۶.۵: مسیر آینده و یادگیری مستمر؛ راهکارهای به‌روز ماندن در میان سیل مدل‌ها و ابزارهای نوظهور هوش مصنوعی. + * درس ۱۶.۶: جشن پایان دوره، منابع تکمیلی و دریافت گواهی رسمی کوئرا کالج. +3. **تمرکز بر آینده شغلی و کارآفرینی دانشجو:** + * بهره‌برداری تجاری از پورتفولیوی واقعی ساخته‌شده در طول دوره و اتصال به بازار کار فناوری ایران. +4. **کال‌اوت‌های کوئرا:** + * کال‌اوت سبز (`
`): انگیزه و غرور مهندسی از طی کردن این مسیر جامع ۱۶ فصلی. + +### آنچه نباید وارد آن شویم (Out-of-Scope): +- مباحث نظری محض و ریاضیات یادگیری عمیق در سطح آکادمیک دانشگاهی. +- افراط در ادعاهای غیرواقعی یا پیش‌بینی‌های آخرالزمانی پیرامون حذف کامل انسان از دنیای فناوری. + +--- + +## ۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms) + +| اصطلاح انگلیسی | معادل فارسی مصوب | توضیح یک‌خطی ساده | +| :--- | :--- | :--- | +| Agentic Engineering | مهندسی ایجنتیک | رویکرد مهندسی ساختارمند برای هدایت، اعتبارسنجی و ارکستراسیون ایجنت‌های نرم‌افزاری | +| Case Study | بررسی و مطالعه موردی | کالبدشکافی عمیق تجربیات واقعی و عملیاتی شرکت‌های مطرح در حل چالش‌های فنی با فناوری جدید | +| Systems Orchestrator | ارکستراتور سیستم‌ها | نقش نوین مهندس نرم‌افزار به عنوان کارگردان، معمار و هماهنگ‌کننده تعامل میان ایجنت‌های هوشمند | +| Architectural Governance | حاکمیت معماری | استانداردهای سازمانی و خط‌مشی‌های نظارتی برای اطمینان از امنیت و انطباق کدهای تولیدشده با AI | +| Scale Engineering | مهندسی در مقیاس کلان | مدیریت سیستم‌های نرم‌افزاری با میلیون‌ها کاربر همزمان و تراکنش‌های پیوسته بدون قطعی | + +--- + +## ۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders) +> **راهنمای ایجنت نویسنده:** تمام تصاویر باید در پوشهٔ `images/` ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند: + +1. **تصویر کاور درس:** `images/cover.png` + * **موضوع:** افق درخشان شهری مدرن با برج‌های دیجیتال ۴ غول فناوری ایران (دیجی‌کالا، اسنپ، کافه‌بازار، دیوار) که کابل‌های نوری به سوی مرکز داده متصل کرده‌اند. +2. **نقشه راه جامع فصل ۱۶:** `images/chapter-16-roadmap.png` + * **موضوع:** اینفوگرافیک ۹ مرحله‌ای فصل ۱۶ با نمادهای مهندسی ایجنتیک، ۴ درس‌نامه شرکت‌ها، ارکستراتور، قطب‌نما و گواهی فارغ‌التحصیلی کوئرا. +3. **اکوسیستم هوش مصنوعی در شرکت‌های پیشرو فناوری ایران:** `images/iranian-tech-giants-ai-landscape.png` + * **موضوع:** دیاگرام ارتباطی: دیجی‌کالا (لجستیک و تست)، اسنپ (سفرهای کلان و دیسپچ)، کافه‌بازار (بررسی خودکار پکیج‌ها)، دیوار (پایش آگهی و پشتیبانی). + +--- + +## ۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (`README.md`) + +1. **تیتر اصلی:** `# اهداف فصل شانزدهم: ادامه راه؛ از سازنده انفرادی تا ارکستراتور سیستم‌های مهندسی` +2. **مقدمه کوتاه:** مسیر پرماجرایی که از تعریف پرامپت‌ها در فصل ۲ آغاز شد، اکنون به مقصد نهایی و بررسی تجربیات غول‌های فناوری می‌رسد. +3. **جدول کاور درس** +4. **سرفصل‌های طلایی فصل در یک نگاه:** مرور ۹ گام پایانی دوره. +5. **جدول نقشه راه یادگیری فصل** +6. **معرفی ۴ ایستگاه بررسی موردی شرکت‌های بزرگ ایران:** دیجی‌کالا، اسنپ، کافه‌بازار و دیوار. +7. **پورتفولیوی شما؛ سند افتخار ورود به بازار کار واقعی:** چگونه آموخته‌های این دوره شما را در سطحی متمایز از سایر متقاضیان کار قرار می‌دهد. +8. **کال‌اوت الهام‌بخش Quera (`
`):** آماده‌سازی برای جمع‌بندی دوره و دریافت گواهی رسمی کوئرا کالج. + +--- + +## ۶. معیارهای پذیرش (Acceptance Criteria for Reviewer) +- [ ] اهداف کلان فصل ۱۶ و جایگاه آن در جمع‌بندی دوره تبیین شود. +- [ ] سرفصل‌های ۹ درس‌نامه با ذکر اسامی ۴ شرکت ایرانی به روشنی معرفی گردند. +- [ ] افق شغلی مهندسی ایجنتیک و جایگاه ارکستراتور سیستم‌ها بیان شود. diff --git a/chapters/16-future-path/01-lesson-from-vibe-coding-to-agentic-engineering/spec.md b/chapters/16-future-path/01-lesson-from-vibe-coding-to-agentic-engineering/spec.md new file mode 100644 index 0000000..fb18875 --- /dev/null +++ b/chapters/16-future-path/01-lesson-from-vibe-coding-to-agentic-engineering/spec.md @@ -0,0 +1,96 @@ +# مشخصات درس‌نامه: از Vibe Coding تا Agentic Engineering؛ انضباط معماری و حاکمیت در سازمان‌ها +- **شناسه در سیلابس:** `L16.2` +- **فصل:** فصل ۱۶: ادامه راه (Ch 16) +- **نوع محتوا:** 📘 درس‌نامه متنی +- **زمان تقریبی مطالعه:** ۱۶ دقیقه +- **پیش‌نیازهای مستقیم:** `L16.1` (اهداف فصل شانزدهم) + +--- + +## ۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy) +دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند: +- [ ] **درک کند (Understand):** تفاوت ماهوی میان «وایب کدینگ تفریحی» (Vibe Coding: کدنویسی شهودی بر اساس حس و حال فردی) را با «مهندسی ایجنتیک صنعتی» (Agentic Engineering: رویکرد منضبط، مشخصات‌محور و پایدار در مقیاس تیمی) شرح دهد. +- [ ] **تحلیل/ارزیابی کند (Evaluate):** چهار ستون اصلی مهندسی ایجنتیک سازمانی (پایه‌گذاری بر پایه مشخصات SDD، دروازه‌های تست خودکار، حاکمیت امنیت و داده، و استانداردهای تیمی مشترک) را ارزیابی نماید. +- [ ] **به‌کار ببندد (Apply):** قوانین راهنمای ایجنت مشترک سازمانی (مانند فایل جامع `.cursorrules` یا تنظیمات تیمی) را برای تضمین یکپارچگی استایل و امنیت در یک تیم کاری شبیه‌سازی کند. +- [ ] **ایجاد کند (Create):** یک مانیفست استانداردهای مهندسی ایجنتیک برای پروژه‌های گروهی تنظیم کند تا از ورود کدهای شلخته (AI Slop) به مخزن اصلی جلوگیری شود. + +--- + +## ۲. محدوده و مرزهای محتوا (Scope & Boundaries) + +### آنچه باید پوشش داده شود (In-Scope): +1. **داستان دو دنیای متفاوت: هکرهای آخرهفته در برابر تیم‌های سازمانی:** + * وایب کدینگ برای ساخت سریع ایده عالی است؛ اما وقتی صدها هزار کاربر و میلیون‌ها تراکنش مالی در میان است، انضباط مهندسی حرف اول را می‌زند. +2. **چهار ستون استوار مهندسی ایجنتیک (Enterprise Agentic Engineering):** + * ستون ۱: تقدم مشخصات بر کد (Spec-Driven Development): هرگز به ایجنت اجازه داده نمی‌شود پیش از تصویب سند معماری، دست به کد ببرد. + * ستون ۲: دروازه‌های بازرسی خودکار (Automated Verification Gates): تست‌های پوشش کد، بررسی‌های امنیتی و ممیزی تایپ‌ها در پایپ‌لاین‌های CI/CD. + * ستون ۳: حاکمیت و امنیت داده (Governance & Compliance): کنترل سطح دسترسی ایجنت‌ها به پایگاه داده پروداکشن و مهار نشت اسرار. + * ستون ۴: همگام‌سازی استانداردهای تیمی: استفاده از راهنماهای اشتراکی استایل، قوانین پرامپت‌نویسی سازمانی و الگوهای تایید کد. +3. **خطر بزرگ پدیده «کدهای شلخته و مهارنشده» (AI Slop in Codebases):** + * چگونه تولید بی‌رویه کدهای حجیم و ناخوانا توسط هوش مصنوعی می‌تواند بدهی فنی سازمان را منفجر کند؟ +4. **تکامل فرهنگ تیمی: از برنامه‌نویس انزواطلب تا معمار هدایت‌کننده:** + * تبدیل جلسات اسکرام به جلسات تدوین مشخصات دقیق و هماهنگی میان ایجنت‌ها. +5. **کال‌اوت‌های آموزشی و هشدار کوئرا:** + * کال‌اوت بنفش (`
`): چرا مدیران فنی بزرگ (CTOها) عاشق مهندسانی هستند که هنر نوشتن اسناد مشخصات (Specs) شفاف دارند. + * کال‌اوت سبز (`
`): احساس اقتدار حرفه‌ای وقتی در مصاحبه شغلی، از متدولوژی منضبط هدایت ایجنت‌ها سخن می‌گویید. + * کال‌اوت قرمز (`
`): اشتباه رایج تکیه صرف به «حس خوب»؛ در کارهای جدی، حس جای خود را به متریک‌های خطاپذیری و تست‌های خودکار می‌دهد. + +### آنچه نباید وارد آن شویم (Out-of-Scope): +- استانداردها و گواهینامه‌های رسمی حسابرسی ISO 27001 سازمانی. +- متدولوژی‌های مدیریت پروژه سنتی نظیر Waterfall در پروژه‌های دولتی. + +--- + +## ۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms) + +| اصطلاح انگلیسی | معادل فارسی مصوب | توضیح یک‌خطی ساده | +| :--- | :--- | :--- | +| Agentic Engineering | مهندسی ایجنتیک | رویکرد مهندسی ساختارمند برای هدایت، اعتبارسنجی و ارکستراسیون ایجنت‌های نرم‌افزاری | +| Vibe Coding | کدنویسی شهودی / وایب کدینگ | اصطلاح ابداعی آندری کارپاتی برای توسعه سریع و لذت‌بخش نرم‌افزار بر پایه احساس و هدایت هوش مصنوعی | +| Architectural Governance | حاکمیت معماری | فرآیند پایش و تضمین انطباق کدهای تولیدی با اصول امنیتی، کارایی و استانداردهای سازمان | +| Automated Gates | دروازه‌های بازرسی خودکار | فیلترهای خودکار پیش از ادغام کد که از پاس شدن تست‌ها و نبود باگ اطمینان حاصل می‌کنند | +| AI Code Slop | کدهای شلخته هوش مصنوعی | کدهای متورم، تکراری یا بیش‌ازحد پیچیده‌ای که بدون نظارت انسانی توسط مدل‌ها تولید می‌شوند | + +--- + +## ۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders) +> **راهنمای ایجنت نویسنده:** تمام تصاویر باید در پوشهٔ `images/` ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند: + +1. **تصویر کاور درس:** `images/cover.png` + * **موضوع:** تقابل یک بوم نقاشی هنری پر از رنگ‌های حسی (وایب) در چپ با یک نقشه مهندسی دقیق و لیزری ساخت آسمان‌خراش دیجیتال در راست. +2. **مقایسه وایب کدینگ در برابر مهندسی ایجنتیک سازمانی:** `images/vibe-vs-agentic-engineering.png` + * **موضوع:** جدول اینفوگرافیک مقایسه‌ای: رویکرد تک‌نفره، سرعت، تست‌ها، مستندسازی، و تاب‌آوری در مقیاس‌های بزرگ. +3. **چهار ستون مهندسی ایجنتیک سازمانی:** `images/four-pillars-agentic-engineering.png` + * **موضوع:** تصویر گرافیکی ۴ ستون معبد مهندسی: اسناد مشخصات (SDD)، دروازه‌های تست خودکار، حاکمیت امنیت، و فرهنگ تیمی. +4. **جریان بازرسی کدهای ایجنت در پایپ‌لاین CI/CD سازمانی:** `images/enterprise-agent-guardrails-flow.png` + * **موضوع:** فلوچارت: کد تولیدشده توسط ایجنت $\rightarrow$ ممیزی امنیتی $\rightarrow$ اجرای ۱۰۰ تست واحد $\rightarrow$ بررسی مطابقت با رولز $\rightarrow$ تایید توسط مهندس ارشد. + +--- + +## ۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (`README.md`) + +1. **تیتر اصلی:** `# از Vibe Coding تا Agentic Engineering؛ انضباط معماری و حاکمیت در سازمان‌ها` +2. **مقدمه:** وایب کدینگ به شما سرعت ۱۰ برابری داد؛ اما چگونه این سرعت را به موفقیتی پایدار در شرکت‌های بزرگ و تیم‌های حرفه‌ای تبدیل کنیم؟ +3. **جدول کاور درس** +4. **استعاره پرواز با پاراگلایدر در برابر هدایت بوئینگ مسافربری:** + * پرواز انفرادی هیجان‌انگیز است؛ اما وقتی جان و سرمایه مسافران در میان است، نیازمند پروتکل‌های سخت‌گیرانه هستید. +5. **مرزهای مشخص میان کدنویسی شهودی و مهندسی ایجنتیک:** + * چرا مهندسی ایجنتیک هنرِ کنترل کیفیت، مرزبندی و معماری دقیق است. +6. **چهار ستون مهندسی ایجنتیک در شرکت‌های فناوری پیشرو:** + * مشخصات‌محوری (SDD)، تست‌های ضدپس‌رفت، امنیت و انضباط تیمی. +7. **شکار و مهار پدیده AI Code Slop:** + * چرا نباید اجازه دهیم کدهای پروژه متورم و غیرقابل نگهداری شوند؟ +8. **فرهنگ تیمی جدید: ارتقای استانداردهای همکاری:** + * استفاده از فایل‌های کانفیگ مشترک (`.cursorrules`) برای کل تیم. +9. **باکس نکته Quera (`
`):** تغییر بازی در استخدام؛ شرکت‌های تراز اول به دنبال افرادی نیستند که فقط کد تایپ کنند، بلکه معمارانی را می‌خواهند که بتوانند ۱۰ ایجنت را به درستی رهبری کنند. +10. **باکس هشدار Quera (`
`):** خطر کدهای حل‌المسائلی بدون درک؛ هرگز کدی را که منطق آن را درک نمی‌کنید در محیط پروداکشن سازمانی ادغام نکنید. +11. **باکس رضایت‌بخش Quera (`
`):** احساس آرامش از اینکه کدهای شما نه تنها سریع نوشته شده‌اند، بلکه در سطح استانداردهای جهانی مهندسی تمیز و پایدار هستند. +12. **جمع‌بندی درس‌نامه:** بلوغ دیدگاه مهندسی؛ ورود به دنیای واقعی و بررسی نمونه‌های زنده استفاده از AI در شرکت‌های بزرگ ایران و جهان در درس بعدی. + +--- + +## ۶. معیارهای پذیرش (Acceptance Criteria for Reviewer) +- [ ] تمایز میان Vibe Coding فردی و Agentic Engineering سازمانی تبیین شود. +- [ ] ستون‌های چهارگانه مهندسی ایجنتیک با مثال‌های ملموس تشریح گردند. +- [ ] خطرات کدهای متورم و شلخته (AI Slop) و راهکارهای مهار آن ارائه شود. +- [ ] نقش دگرگون‌شده مهندس نرم‌افزار در ساختارهای سازمانی مدرن تحلیل گردد. diff --git a/chapters/16-future-path/02-lesson-case-study-digikala/spec.md b/chapters/16-future-path/02-lesson-case-study-digikala/spec.md new file mode 100644 index 0000000..824d9f8 --- /dev/null +++ b/chapters/16-future-path/02-lesson-case-study-digikala/spec.md @@ -0,0 +1,101 @@ +# مشخصات درس‌نامه: بررسی موردی دیجی‌کالا؛ هوش مصنوعی در مقیاس میلیون‌ها کالا، انبارداری و کاتالوگ +- **شناسه در سیلابس:** `L16.3a` +- **فصل:** فصل ۱۶: ادامه راه (Ch 16) +- **نوع محتوا:** 📘 درس‌نامه متنی +- **زمان تقریبی مطالعه:** ۱۸ دقیقه +- **پیش‌نیازهای مستقیم:** `L16.2` (از Vibe Coding تا Agentic Engineering) + +--- + +## ۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy) +دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند: +- [ ] **درک کند (Understand):** چالش‌های مهندسی بزرگ‌ترین پلتفرم تجارت الکترونیک ایران (دیجی‌کالا) با بیش از ۱۰ میلیون تنوع کالایی (SKUs) و ده‌ها میلیون کاربر را تحلیل نماید. +- [ ] **تحلیل/ارزیابی کند (Evaluate):** کاربردهای عملیاتی هوش مصنوعی و ایجنت‌های کدنویسی در دیجی‌کالا شامل: مدیریت کاتالوگ، بررسی خودکار داده‌های فروشندگان (Marketplace Moderation)، بهینه‌سازی مسیرهای لجستیک و انبارداری را ارزیابی کند. +- [ ] **درک کند (Understand):** فرآیند مهاجرت و ریفکتورینگ سرویس‌های قدیمی (Legacy Codebases) با کمک ایجنت‌های نرم‌افزاری و تست‌نویسی خودکار را در تیم‌های فنی دیجی‌کالا بشناسد. +- [ ] **به‌کار ببندد (Apply):** درس‌آموخته‌های مقیاس‌پذیری کاتالوگ محصولات، ایندکس‌گذاری دیتابیس و مدیریت داده‌های فروشگاهی را در پروژه‌های بعدی خود پیاده سازد. + +--- + +## ۲. محدوده و مرزهای محتوا (Scope & Boundaries) + +### آنچه باید پوشش داده شود (In-Scope): +1. **تصویر کلان مقیاس دیجی‌کالا: غول تجارت الکترونیک ایران:** + * میزبانی بیش از ۳۰۰ هزار فروشنده فعال، پردازش صدها هزار سفارش روزانه و مدیریت انبار مکانیزه دانشور. +2. **محور اول هوش مصنوعی: مدیریت هوشمند کاتالوگ و مشخصات کالا:** + * فروشندگان اطلاعات کالا را با نگارش‌های مختلف، ناقص یا غلط ثبت می‌کنند؛ مدل‌های زبانی و الگوریتم‌های پردازش تصویر دیجی‌کالا چگونه مشخصات را استانداردسازی می‌کنند؟ + * استخراج خودکار ویژگی‌های فنی محصول از کاتالوگ‌های تصویری با OCR و بینایی ماشین. + * حذف خودکار محصولات تکراری یا تقلبی با مقایسه بردارهای معنایی و تصاویر. +3. **محور دوم هوش مصنوعی: مهندسی لجستیک، زنجیره تأمین و انبارداری:** + * مسیریابی هوشمند ناوگان دیجی‌اکسپرس (Route Optimization) با هوش مصنوعی برای کاهش مصرف سوخت و تاخیر. + * پیش‌بینی تقاضای فصلی کالاها (Demand Forecasting) برای انتقال پیش‌دستانه اجناس پرتقاضا به انبارهای نزدیک‌تر. +4. **محور سوم: مهندسی نرم‌افزار با ایجنت‌های AI در تیم‌های توسعه دیجی‌کالا:** + * استفاده توسعه‌دهندگان از ابزارهای ادیتور هوشمند (Cursor و GitHub Copilot) برای سرعت‌بخشی به توسعه میکروسرویس‌ها. + * ری‌فکتورینگ و ترجمه کدهای قدیمی لایه‌های پیشین به زبان‌های پرسرعت نظیر Go. + * بهینه‌سازی کوئری‌های کند پایگاه داده با تحلیل خودکار Slow Query Logs توسط مدل‌ها. +5. **درس‌های طلایی دیجی‌کالا برای یک وایب کدر:** + * اهمیت استانداردسازی ساختار داده‌ها و اجتناب از داده‌های شلخته در دیتابیس از همان روز اول. +6. **کال‌اوت‌های آموزشی و الهام‌بخش کوئرا:** + * کال‌اوت بنفش (`
`): مفهوم تطبیق محصول (Product Deduplication) در مقیاس میلیون‌ها رکورد با تعبیه برداری (Embeddings). + * کال‌اوت سبز (`
`): فرصت‌های استخدام و نیازمندی تیم‌های دیجی‌کالا به توسعه‌دهندگانی که بر ابزارهای هوش مصنوعی و تست‌نویسی خودکار تسلط دارند. + * کال‌اوت قرمز (`
`): اهمیت ممیزی انسانی در قیمت‌گذاری؛ هرگز نباید قیمت‌گذاری کالاها را بدون سقف امنیتی سخت‌گیرانه به الگوریتم‌های خودکار واگذار کرد. + +### آنچه نباید وارد آن شویم (Out-of-Scope): +- جزییات اسرار تجاری و معماری‌های محرمانه داخلی شبکه اختصاصی دیجی‌کالا. +- مباحث سخت‌افزاری اتوماسیون نقاله‌های صنعتی انبارداری. + +--- + +## ۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms) + +| اصطلاح انگلیسی | معادل فارسی مصوب | توضیح یک‌خطی ساده | +| :--- | :--- | :--- | +| SKU (Stock Keeping Unit) | واحد نگهداری موجودی | شناسه یکتای اختصاصی برای هر تنوع کالایی مشخص در سیستم‌های انبارداری و فروشگاهی | +| Marketplace Moderation | پالایش بازارگاه فروشندگان | فرآیند بازرسی، اعتبارسنجی و تایید اصالت کالاها و مشخصات ثبت‌شده توسط فروشندگان شخص ثالث | +| Demand Forecasting | پیش‌بینی تقاضای بازار | استفاده از مدل‌های داده برای برآورد حجم خرید کاربران در روزها و فصل‌های آینده | +| Legacy Migration | مهاجرت از کدهای موروثی | بازنویسی و انتقال سیستم‌های قدیمی و سنگین نرم‌افزاری به معماری‌های مدرن و چابک | +| Slow Query Optimization | بهینه‌سازی کوئری‌های کند | بازبینی و اصلاح دستورات سنگین دیتابیس با ایندکس‌های مناسب برای پیشگیری از قفل شدن پایگاه داده | + +--- + +## ۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders) +> **راهنمای ایجنت نویسنده:** تمام تصاویر باید در پوشهٔ `images/` ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند: + +1. **تصویر کاور درس:** `images/cover.png` + * **موضوع:** انبار مکانیزه نئونی دیجی‌کالا با ربات‌های باربر هوشمند و نمودارهای خطوط کدهای مدرن در فضای ابری. +2. **جریان پالایش خودکار کاتالوگ کالا با هوش مصنوعی در دیجی‌کالا:** `images/digikala-catalog-ai-flow.png` + * **موضوع:** اینفوگرافیک: ثبت عکس و متن توسط فروشنده $\rightarrow$ استخراج داده با OCR و مدل زبانی $\rightarrow$ اعتبارسنجی اصالت $\rightarrow$ انتشار خودکار در کاتالوگ. +3. **چرخه بهینه‌سازی کدهای مایکروسرویس‌ها با ایجنت‌های مهندسی:** `images/digikala-dev-ai-workflow.png` + * **موضوع:** فلوچارت: رصد خطاهای سیستم $\rightarrow$ ارجاع لاگ به کامپوزر $\rightarrow$ تولید خودکار تست‌های یکپارچگی $\rightarrow$ ریفکتور امن به میکروسرویس Go. +4. **مسیریابی هوشمند ناوگان توزیع کالا:** `images/digikala-express-routing-map.png` + * **موضوع:** نقشه تعاملی شهر با مسیرهای رنگی بهینه‌شده بسته‌رسانی خودروها و موتورهای دیجی‌اکسپرس برای کاهش تاخیر. + +--- + +## ۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (`README.md`) + +1. **تیتر اصلی:** `# بررسی موردی دیجی‌کالا؛ هوش مصنوعی در مقیاس میلیون‌ها کالا، انبارداری و کاتالوگ` +2. **مقدمه:** بزرگ‌ترین فروشگاه اینترنتی خاورمیانه چگونه از دل میلیون‌ها سطر کد و میلیون‌ها کالا، با هوش مصنوعی سرعت و بهره‌وری خلق می‌کند؟ +3. **جدول کاور درس** +4. **مقیاس دیجی‌کالا: غول تجارت الکترونیک در اعداد:** + * ۱۰ میلیون کالا، ۳۰۰ هزار فروشنده و پردازش انبوه سفارش‌ها. +5. **شکار هوشمند خطاهای کاتالوگ: استانداردسازی محتوا با AI:** + * رفع اشکالات نگارشی، حذف کالاهای تکراری و استخراج مشخصات فنی از روی تصاویر جعبه محصول. +6. **لجستیک و انبارداری الگوریتمی:** + * پیش‌بینی تقاضا و کاهش زمان رسیدن بسته به دست مشتری با مسیریابی هوشمند. +7. **کدنویسی در مقیاس دیجی‌کالا: چگونه مهندسان از ایجنت‌های AI استفاده می‌کنند؟** + * تولید خودکار تست‌های رگرسیون برای پایدار ماندن سیستم‌های پردازش پرداخت در بلک‌فرایدی (جمعه شگفت‌انگیز). + * بازنویسی میکروسرویس‌های سنگین و بهینه‌سازی کوئری‌های دیتابیس. +8. **درس‌های عملیاتی برای پروژه‌های شخصی شما:** + * چرا نباید از روز اول پایگاه داده را نامرتب طراحی کنیم و اهمیت تعریف تایپ‌های سخت‌گیرانه. +9. **باکس نکته Quera (`
`):** استفاده از تکنیک Product Deduplication با بردارهای معنایی؛ چطور ده‌ها عنوان مشابه مثل «گوشی A15» و «Galaxy A15 128GB» به عنوان یک کالای واحد شناسایی می‌شوند. +10. **باکس هشدار Quera (`
`):** خطر اتوماسیون بدون ناظر در بازارهای مالی؛ تجربیات دیجی‌کالا در اعمال سقف بازرسی انسانی روی تغییرات قیمت کالاها. +11. **باکس رضایت‌بخش Quera (`
`):** الهام‌گیری از الگوهای معماری دیجی‌کالا و تطبیق آن‌ها با استانداردهای پورتفولیو و استارتاپ شخصی. +12. **جمع‌بندی درس‌نامه:** پایان بررسی دیجی‌کالا؛ ورود به ایستگاه بررسی موردی اسنپ (مدیریت میلیون‌ها سفر و دیسپچ لحظه‌ای) در درس بعدی. + +--- + +## ۶. معیارهای پذیرش (Acceptance Criteria for Reviewer) +- [ ] مقیاس مهندسی و چالش‌های پلتفرم دیجی‌کالا با اعداد و ارقام واقعی تبیین شود. +- [ ] کاربردهای عملیاتی AI در کاتالوگ کالا، انبارداری و لجستیک تشریح گردند. +- [ ] نحوه استفاده مهندسان نرم‌افزار دیجی‌کالا از ابزارهای هوش مصنوعی (تست‌نویسی، ریفکتور) ارائه شود. +- [ ] درس‌آموخته‌های قابل انتقال به پروژه‌های دانشجویان در متن لحاظ گردد. diff --git a/chapters/16-future-path/03-lesson-case-study-snapp/spec.md b/chapters/16-future-path/03-lesson-case-study-snapp/spec.md new file mode 100644 index 0000000..8770564 --- /dev/null +++ b/chapters/16-future-path/03-lesson-case-study-snapp/spec.md @@ -0,0 +1,102 @@ +# مشخصات درس‌نامه: بررسی موردی اسنپ؛ مدیریت میلیون‌ها سفر روزانه، سیستم‌های دیسپچ و تاب‌آوری بلادرنگ +- **شناسه در سیلابس:** `L16.3b` +- **فصل:** فصل ۱۶: ادامه راه (Ch 16) +- **نوع محتوا:** 📘 درس‌نامه متنی +- **زمان تقریبی مطالعه:** ۱۸ دقیقه +- **پیش‌نیازهای مستقیم:** `L16.3a` (بررسی موردی دیجی‌کالا) + +--- + +## ۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy) +دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند: +- [ ] **درک کند (Understand):** معماری سیستم‌های توزیع‌شده فوق‌پرترافیک در سوپراپلیکیشن **اسنپ** (پردازش بیش از ۵ میلیون سفر و تراکنش روزانه در بیش از ۱۵۰ شهر) را شرح دهد. +- [ ] **تحلیل/ارزیابی کند (Evaluate):** کاربردهای هوش مصنوعی و یادگیری ماشین در اسنپ شامل: موتور تطبیق و تخصیص راننده به مسافر (Dispatch Engine)، تخمین زمان رسیدن (ETA Prediction)، و تشخیص خودکار تقلب (Fraud Detection) را ارزیابی نماید. +- [ ] **درک کند (Understand):** چگونه تیم‌های مهندسی اسنپ از ایجنت‌های هوش مصنوعی برای تولید پروتکل‌های ارتباطی پرسرعت (gRPC / Protobuf)، ممیزی لاگ‌های استریم کافکا (Kafka) و نگهداری کدهای با همزمانی بالا (Concurrency) استفاده می‌کنند. +- [ ] **به‌کار ببندد (Apply):** اصول تاب‌آوری در برابر بار لحظه‌ای، مدیریت سوکت‌های بلادرنگ (Real-time WebSockets)، و بهینه‌سازی ارتباطات شبکه را در معماری پروژه‌های خود لحاظ کند. + +--- + +## ۲. محدوده و مرزهای محتوا (Scope & Boundaries) + +### آنچه باید پوشش داده شود (In-Scope): +1. **مقیاس ماورایی اسنپ: قلب تپنده حمل‌ونقل شهری ایران:** + * مدیریت میلیون‌ها مسافر و صدها هزار راننده همزمان آنلاین که هر ثانیه مختصات جغرافیایی (GPS) خود را به سرور مخابره می‌کنند. +2. **محور اول هوش مصنوعی: موتور دیسپچ و تطبیق هوشمند (Intelligent Dispatch):** + * چرا اختصاص نزدیک‌ترین راننده از نظر خط مستقیم لزوماً بهترین انتخاب نیست؟ (ترافیک، جهت حرکت، موانع یک‌طرفه). + * شبکه‌بندی جغرافیایی فضایی (Geohash / H3 Grid) و استفاده از الگوریتم‌های بهینه‌سازی برای تطبیق دسته‌ای درخواست‌ها در کسری از ثانیه. +3. **محور دوم هوش مصنوعی: تخمین زمان رسیدن به مقصد (ETA Prediction):** + * ترکیب داده‌های زنده ترافیک، الگوهای تاریخی حرکت در روزهای بارانی و ساعت‌های پیک با مدل‌های یادگیری عمیق برای تخمین دقیق زمان سفر. +4. **محور سوم هوش مصنوعی: سپر امنیتی و کشف تقلب (Fraud & Anomaly Detection):** + * کشف رفتارهای غیرعادی رانندگان (مثل سفرهای صوری برای دریافت پاداش، جعل مختصات GPS Spoofing، یا حساب‌های جعلی) با مدل‌های بدون نظارت. +5. **محور چهارم: مهندسی نرم‌افزار با ایجنت‌های AI در تیم‌های فنی اسنپ:** + * نوشتن کدهای پرهمزمانی با زبان‌های Go و Elixir و استفاده از ابزارهای هوش مصنوعی برای تولید اسکیماهای gRPC. + * پایش بلادرنگ صف‌های پیام کافکا (Apache Kafka) و استفاده از ایجنت‌ها برای ریشه‌یابی آنی تاخیرها (Lag Analysis). + * تولید خودکار تست‌های تنش و شبیه‌سازی ترافیک سنگین بار برای اطمینان از تاب‌آوری سیستم‌ها در روزهای برفی. +6. **درس‌های طلایی اسنپ برای یک وایب کدر:** + * مدیریت وضعیت‌های زنده (Real-time State)؛ چرا هر درخواستی نباید مستقیم به دیتابیس کوئری بزند و اهمیت لایه‌های کش موقت. +7. **کال‌اوت‌های آموزشی و الهام‌بخش کوئرا:** + * کال‌اوت بنفش (`
`): مفهوم شاخص مکانی H3 ابداعی Uber و نحوه تقسیم شهر به شش‌ضلعی‌های فضایی برای محاسبات فوق‌سریع هوش مصنوعی. + * کال‌اوت سبز (`
`): تقاضای رو به رشد تیم‌های فنی اسنپ برای جذب مهندسانی که ذهنیت سیستم‌های توزیع‌شده و تسلط بر ابزارهای هوش مصنوعی دارند. + * کال‌اوت قرمز (`
`): اهمیت مانیتورینگ بلادرنگ؛ در سیستمی مانند اسنپ، حتی ۵ ثانیه تاخیر در پاسخ سرور می‌تواند منجر به لغو هزاران سفر شود. + +### آنچه نباید وارد آن شویم (Out-of-Scope): +- فرمول‌های ریاضی پیچیده الگوریتم‌های بهینه‌سازی کولونی مورچه‌ها. +- جزییات محرمانه سورس‌کدهای داخلی شرکت اسنپ. + +--- + +## ۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms) + +| اصطلاح انگلیسی | معادل فارسی مصوب | توضیح یک‌خطی ساده | +| :--- | :--- | :--- | +| Dispatch Engine | موتور تخصیص و دیسپچ | سیستم محاسباتی مرکزی که بر اساس فاصله، ترافیک و موقعیت، درخواست مسافر را به بهترین راننده واگذار می‌کند | +| ETA (Estimated Time of Arrival) | زمان تخمینی رسیدن | محاسبه پیش‌بینانه دقیق لحظه رسیدن راننده به مبدأ یا رسیدن خودرو به مقصد بر پایه ترافیک زنده | +| GPS Spoofing | جعل مختصات ماهواره‌ای | ترفند فریبکارانه دستکاری نرم‌افزاری موقعیت مکانی گوشی برای تظاهر به حضور در منطقه‌ای دیگر | +| Concurrency | همزمانی پردازش | توانایی سیستم نرم‌افزاری در پردازش مستقل و همزمان هزاران درخواست بدون ایجاد صف انتظار | +| Spatial Indexing (H3) | نمایه‌سازی فضایی جغرافیایی | روش تقسیم‌بندی نقشه زمین به سلول‌های شش‌ضلعی هندسی برای تسریع الگوریتم‌های موقعیت‌یابی | + +--- + +## ۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders) +> **راهنمای ایجنت نویسنده:** تمام تصاویر باید در پوشهٔ `images/` ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند: + +1. **تصویر کاور درس:** `images/cover.png` + * **موضوع:** نقشه تاریک و نئونی شهر با نقاط نورانی بی‌شمار خودروها، مسیرهای سبز و نارنجی ترافیک و شبکه‌های شش‌ضلعی هوشمند اسنپ. +2. **چرخه تخصیص هوشمند راننده با شبکه شش‌ضلعی H3:** `images/snapp-dispatch-h3-grid.png` + * **موضوع:** اینفوگرافیک: مسافر درخواست می‌دهد $\rightarrow$ تقسیم نقشه به سلول‌های شش‌ضلعی $\rightarrow$ فیلتر رانندگان فعال $\rightarrow$ اولویت‌بندی بر اساس ترافیک و زمان رسیدن $\rightarrow$ ارسال درخواست به گوشی راننده. +3. **معماری پایش بلادرنگ با کافکا و ایجنت‌های هوش مصنوعی:** `images/snapp-kafka-telemetry-architecture.png` + * **موضوع:** دیاگرام توزیع داده: صدها هزار کلاینت موبایل $\rightarrow$ سرورهای وب‌سوکت $\rightarrow$ صف کافکا $\rightarrow$ آنالیزور بلادرنگ لاگ‌ها با ایجنت $\rightarrow$ داشبورد هشدار مهندسان. +4. **داشبورد پایش بلادرنگ خطاهای شبکه در اسنپ:** `images/snapp-monitoring-metrics-screen.png` + * **موضوع:** اسکرین‌شات از داشبورد گرافیکی مانیتورینگ با نمودار سفرها در ثانیه (Rides Per Second) و نشانگرهای سلامت دیتاسنترها. + +--- + +## ۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (`README.md`) + +1. **تیتر اصلی:** `# بررسی موردی اسنپ؛ مدیریت میلیون‌ها سفر روزانه، سیستم‌های دیسپچ و تاب‌آوری بلادرنگ` +2. **مقدمه:** وقتی میلیون‌ها انسان هر روز برای رسیدن به کار و خانه به یک اپلیکیشن اعتماد می‌کنند، مهندسی نرم‌افزار و هوش مصنوعی چگونه چراغ شهر را روشن نگه می‌دارند؟ +3. **جدول کاور درس** +4. **مقیاس مهندسی اسنپ: شهری که هرگز نمی‌خوابد:** + * پردازش ۵ میلیون سفر روزانه، ارسال ثانیه‌ای مختصات جی‌پی‌اس و مدیریت همزمانی فوق‌العاده بالا. +5. **موتور هوشمند دیسپچ: هنر جفت کردن مسافر و راننده در کسری از ثانیه:** + * چرا فاصله مستقیم خط‌کشی فریبنده است؟ استفاده از شبکه‌بندی شش‌ضلعی H3. +6. **پیش‌بینی زمان رسیدن (ETA) با یادگیری ماشین:** + * چطور اسنپ ترافیک ساعت ۵ عصر اتوبان همت را در هوای بارانی پیش‌بینی می‌کند؟ +7. **کشف خودکار تقلب و تخلفات (Anti-Fraud Systems):** + * شناسایی رانندگانی که با نرم‌افزارهای جعلی موقعیت خود را دستکاری می‌کنند. +8. **مهندسی با ایجنت‌های AI در قلب تیم‌های فنی اسنپ:** + * نوشتن سرویس‌های پرسرعت Go و Elixir و رصد صف‌های سنگین کافکا با دستیاران هوش مصنوعی. +9. **درس‌های اسنپ برای سازندگان وایب کدینگ:** + * اهمیت تفکیک کارهای سنگین محاسباتی از جریان اصلی دیتابیس و بهره‌گیری از معماری Event-Driven. +10. **باکس نکته Quera (`
`):** استفاده از ارتباطات وب‌سوکت دوطرفه (Full-Duplex WebSockets) به جای رفرش مداوم صفحات؛ درسی بزرگ برای ساخت برنامه‌های زنده. +11. **باکس هشدار Quera (`
`):** خطرات وابستگی به جی‌پی‌اس خام؛ همیشه داده‌های مکانی موبایل نیازمند فیلتر کردن نویزها و پرش‌های ناگهانی نقشه هستند. +12. **باکس رضایت‌بخش Quera (`
`):** دیدن عظمت سیستم‌هایی که مهندسان جوان ایرانی در اسنپ ساخته‌اند و الهام‌گیری از استانداردهای مهندسی مقیاس کلان. +13. **جمع‌بندی درس‌نامه:** پایان کالبدشکافی اسنپ؛ ورود به ایستگاه بررسی موردی کافه‌بازار (بررسی خودکار اپلیکیشن‌ها و امنیت استور) در درس بعدی. + +--- + +## ۶. معیارهای پذیرش (Acceptance Criteria for Reviewer) +- [ ] چالش‌های مقیاس کلان پلتفرم اسنپ به همراه اعداد و ارقام واقعی بیان شود. +- [ ] مکانیزم‌های دیسپچ، نمایه‌سازی فضایی H3 و پیش‌بینی ETA به زبان ساده تشریح گردند. +- [ ] نحوه استفاده مهندسان اسنپ از ابزارهای هوش مصنوعی در پایش کافکا و کدنویسی همزمان آموزش داده شود. +- [ ] درس‌های معماری تاب‌آور و Real-time برای دانشجویان دوره ارائه گردد. diff --git a/chapters/16-future-path/04-lesson-case-study-cafebazaar/spec.md b/chapters/16-future-path/04-lesson-case-study-cafebazaar/spec.md new file mode 100644 index 0000000..92f35b0 --- /dev/null +++ b/chapters/16-future-path/04-lesson-case-study-cafebazaar/spec.md @@ -0,0 +1,104 @@ +# مشخصات درس‌نامه: بررسی موردی کافه‌بازار؛ بررسی خودکار اپلیکیشن‌ها، تحلیل بدافزارها و موتور پیشنهاد +- **شناسه در سیلابس:** `L16.3c` +- **فصل:** فصل ۱۶: ادامه راه (Ch 16) +- **نوع محتوا:** 📘 درس‌نامه متنی +- **زمان تقریبی مطالعه:** ۱۸ دقیقه +- **پیش‌نیازهای مستقیم:** `L16.3b` (بررسی موردی اسنپ) + +--- + +## ۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy) +دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند: +- [ ] **درک کند (Understand):** معماری و چالش‌های فنی بزرگ‌ترین فروشگاه اپلیکیشن‌های اندرویدی ایران (**کافه‌بازار**) با بیش از ۴۵ میلیون کاربر فعال و صدها هزار برنامه و بازی را تحلیل نماید. +- [ ] **تحلیل/ارزیابی کند (Evaluate):** فرآیند ممیزی و بازرسی خودکار برنامه‌ها (Automated App Review) با تحلیل استاتیک و دینامیک فایل‌های APK، بررسی دسترسی‌های خطرناک، و کشف بدافزارها با هوش مصنوعی را ارزیابی کند. +- [ ] **درک کند (Understand):** سازوکار موتور جستجو و سیستم پیشنهاد هوشمند اپلیکیشن‌ها (Recommendation System) در استور و نقش الگوریتم‌های هوش مصنوعی در درک مقصود کاربر را بشناسد. +- [ ] **به‌کار ببندد (Apply):** استانداردهای امنیتی مجوزهای اندروید (Android Permissions)، بهینه‌سازی حجم فایل‌های خروجی و قوانین انتشار استورها را در ساخت برنامه‌های آتی خود به کار گیرد. + +--- + +## ۲. محدوده و مرزهای محتوا (Scope & Boundaries) + +### آنچه باید پوشش داده شود (In-Scope): +1. **تصویر کلان کافه‌بازار: دروازه ورود ایرانیان به جهان اپلیکیشن‌های موبایل:** + * میزبانی بیش از ۴۵ میلیون کاربر، پتابایت‌ها دانلود ماهیانه، و تعامل روزانه با ده‌ها هزار تیم توسعه‌دهنده اندروید. +2. **محور اول هوش مصنوعی: بازرسی و ممیزی خودکار برنامه‌ها (Automated App Review):** + * چرا بررسی دستی صدها آپدیت روزانه غیرممکن است؟ + * تحلیل ایستا (Static Analysis): دیکامپایل بایت‌کد APK و بررسی فایل `AndroidManifest.xml` برای کشف دسترسی‌های مشکوک (دسترسی به پیامک، دفترچه تلفن، ضبط صدا در پس‌زمینه). + * تحلیل پویا (Dynamic Sandbox Analysis): اجرای برنامه در یک شبیه‌ساز ایزوله و رصد ترافیک شبکه برای کشف رفتارهای بدافزاری، تبلیغات مزاحم و سرقت اطلاعات. + * ممیزی محتوایی با مدل‌های زبانی: بررسی خودکار تطابق توضیحات برنامه با قوانین کافه‌بازار و بررسی اسناد حریم خصوصی. +3. **محور دوم هوش مصنوعی: موتور جستجو و پیشنهاد هوشمند برنامه‌ها:** + * درک خطاهای املایی کاربران فارسی‌زبان در جستجوی نام برنامه‌ها و بازی‌ها (Typo-tolerant Search). + * سیستم پیشنهادگر شخصی‌سازی‌شده (Personalized Recommendations) بر اساس دسته‌بندی علاقه‌مندی‌ها و الگوهای دانلود قبلی کاربر. +4. **محور سوم: مهندسی نرم‌افزار با ابزارهای AI در کافه‌بازار:** + * توسعه خطوط لوله تحویل محتوای فوق‌پرسرعت (CDN Pipelines) و ذخیره‌سازی داده‌های حجیم. + * استفاده توسعه‌دهندگان از ایجنت‌های هوش مصنوعی برای تست خودکار کدهای پایتون و Go. + * خودکارسازی فرآیند امضای دیجیتال و بررسی چک‌سام‌های بسته‌های نصبی. +5. **درس‌های طلایی کافه‌بازار برای سازندگان وایب کدینگ:** + * چرا وقتی اپلیکیشن موبایل می‌سازید (درس ۱۵.۱۱)، نباید مجوزهای اضافه درخواست کنید؛ اصل حداقل دسترسی‌ها (Least Privilege). +6. **کال‌اوت‌های آموزشی و الهام‌بخش کوئرا:** + * کال‌اوت بنفش (`
`): روش کار موتورهای تحلیل بدافزار و اسکنرهای امضای ویروس در استورهای اپلیکیشن. + * کال‌اوت سبز (`
`): آمادگی کامل فارغ‌التحصیل این دوره برای انتشار اپلیکیشن‌های خروجی Capacitor/Expo در کافه‌بازار بدون ریجکت شدن. + * کال‌اوت قرمز (`
`): تله دسترسی‌های پنهان در پکیج‌های شخص ثالث؛ اگر یک کتابخانه تبلیغاتی بدون اجازه کاربر به مخاطبین دسترسی بخواهد، برنامه در کافه‌بازار مسدود خواهد شد. + +### آنچه نباید وارد آن شویم (Out-of-Scope): +- جزییات مهندسی معکوس کدهای امنیتی بانکی. +- الگوریتم‌های حفاظت از حق کپی‌رایت گوگل دروید (DRM). + +--- + +## ۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms) + +| اصطلاح انگلیسی | معادل فارسی مصوب | توضیح یک‌خطی ساده | +| :--- | :--- | :--- | +| Automated App Vetting | ممیزی خودکار برنامه‌ها | فرآیند ماشینی بازرسی کدهای اپلیکیشن پیش از انتشار در استور برای اطمینان از سلامت و امنیت | +| Static Analysis | تحلیل ایستای کد | بررسی سورس‌کد و ساختار فایل‌های برنامه بدون نیاز به اجرای واقعی آن در سیستم‌عامل | +| Dynamic Sandbox | سندباکس اجرای پویا | محیط ایزوله مجازی برای اجرای برنامه و رصد رفتارهای مخفی و ترافیک خروجی آن به اینترنت | +| Android Permissions | مجوزهای دسترسی اندروید | دسترسی‌های صریحی که برنامه برای استفاده از حسگرها و داده‌های شخصی کاربر تقاضا می‌کند | +| Recommendation Engine | موتور پیشنهادگر هوشمند | سیستم تحلیلی که بر پایه الگوهای رفتاری کاربر، آیتم‌های مرتبط و جذاب را به او پیشنهاد می‌دهد | + +--- + +## ۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders) +> **راهنمای ایجنت نویسنده:** تمام تصاویر باید در پوشهٔ `images/` ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند: + +1. **تصویر کاور درس:** `images/cover.png` + * **موضوع:** گیت بازرسی امنیتی دیجیتال با آیکون سبز سبد کافه‌بازار که فایل‌های APK ورودی را اسکن و تایید می‌کند. +2. **فرآیند دو مرحله‌ای بازرسی برنامه‌ها در کافه‌بازار:** `images/cafebazaar-vetting-pipeline.png` + * **موضوع:** اینفوگرافیک گام‌به‌گام: بارگذاری APK توسط توسعه‌دهنده $\rightarrow$ ۱) تحلیل ایستا (بررسی منیفست و دسترسی‌ها) $\rightarrow$ ۲) تحلیل پویا در سندباکس $\rightarrow$ ۳) تایید محتوا با مدل زبانی $\rightarrow$ انتشار عمومی. +3. **نمودار معماری موتور جستجوی هوشمند کافه‌بازار:** `images/cafebazaar-search-architecture.png` + * **موضوع:** دیاگرام تعاملی: کوئری کاربر $\rightarrow$ رفع غلط املایی $\rightarrow$ جستجوی معنایی تگ‌ها و نام‌ها $\rightarrow$ اولویت‌بندی رتبه‌ها بر اساس رضایت و تعداد نصب $\rightarrow$ نمایش نتایج. +4. **داشبورد توسعه‌دهندگان کافه‌بازار و گزارش بررسی برنامه:** `images/cafebazaar-developer-panel-review.png` + * **موضوع:** اسکرین‌شات از پنل توسعه‌دهندگان بازار با تیک‌های سبز اعتبارسنجی امنیتی و وضعیت آماده انتشار. + +--- + +## ۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (`README.md`) + +1. **تیتر اصلی:** `# بررسی موردی کافه‌بازار؛ بررسی خودکار اپلیکیشن‌ها، تحلیل بدافزارها و موتور پیشنهاد` +2. **مقدمه:** چگونه کافه‌بازار با بیش از ۴۵ میلیون کاربر، صدها هزار اپلیکیشن را بدون ارتش انسانی و با کمک هوش مصنوعی از بدافزارها پاک نگه می‌دارد؟ +3. **جدول کاور درس** +4. **مقیاس کافه‌بازار: قلب تپنده اپلیکیشن‌های موبایل در ایران:** + * پتابایت‌ها دانلود ماهانه و ده‌ها هزار تیم توسعه‌دهنده در سرتاسر کشور. +5. **کارخانه بررسی خودکار برنامه‌ها (Automated App Review Pipeline):** + * دیکامپایل بایت‌کد و تحلیل ایستا (Static Analysis). + * شکار دسترسی‌های خطرناک در `AndroidManifest.xml`. +6. **سندباکس تست پویا (Dynamic Sandbox): اجرای آزمایشی در قفس شیشه‌ای:** + * اگر برنامه‌ای سعی کند پنهانی به سرورهای ناشناس پیامک بفرستد، چگونه در سندباکس رسوا می‌شود؟ +7. **موتور جستجو و سیستم پیشنهادگر محتوا:** + * اصلاح خطاهای تایپی فارسی و ارائه پیشنهادات شخصی‌سازی‌شده در صفحه اصلی استور. +8. **مهندسی مدرن با AI در تیم‌های کافه‌بازار:** + * استفاده از ایجنت‌های هوش مصنوعی برای اتوماسیون پایپ‌لاین‌های بیلد و ممیزی PRها. +9. **درس‌های عملیاتی کافه‌بازار برای اپلیکیشن موبایل پورتفولیوی شما:** + * چطور پکیج خروجی Capacitor یا Expo خود را آماده کنیم تا بدون اخطار در کافه‌بازار پذیرفته شود. +10. **باکس نکته Quera (`
`):** اهمیت رعایت قانون شفافیت حریم خصوصی (Privacy Policy URL)؛ چرا گذاشتن لینک صفحه حریم خصوصی در صفحه استور الزامی است. +11. **باکس هشدار Quera (`
`):** خطر کتابخانه‌های تبلیغاتی مشکوک؛ اضافه کردن یک پکیج نامعتبر به پروژه می‌تواند کل زحمات ساخت اپلیکیشن شما را به عنوان بدافزار زیر سوال ببرد. +12. **باکس رضایت‌بخش Quera (`
`):** لذت دیدن اپلیکیشن خودساخته در میان نتایج جستجوی کافه‌بازار با نشان تایید اصالت و امنیت. +13. **جمع‌بندی درس‌نامه:** پایان بررسی کافه‌بازار؛ ورود به آخرین ایستگاه بررسی موردی شرکت‌های ایرانی: دیوار (پالایش آگهی‌ها و چت امن) در درس بعدی. + +--- + +## ۶. معیارهای پذیرش (Acceptance Criteria for Reviewer) +- [ ] مقیاس مهندسی کافه‌بازار و چالش‌های میزبانی هزاران اپلیکیشن تبیین شود. +- [ ] متدولوژی تحلیل ایستا و پویای فایل‌های APK به زبان فنی و شفاف تشریح گردد. +- [ ] نحوه کارکرد موتور جستجو و پیشنهادگر استور بررسی شود. +- [ ] راهنمای آماده‌سازی اپلیکیشن‌های دانشجویان برای انتشار موفق در استورها ارائه گردد. diff --git a/chapters/16-future-path/05-lesson-case-study-divar/spec.md b/chapters/16-future-path/05-lesson-case-study-divar/spec.md new file mode 100644 index 0000000..63d304e --- /dev/null +++ b/chapters/16-future-path/05-lesson-case-study-divar/spec.md @@ -0,0 +1,104 @@ +# مشخصات درس‌نامه: بررسی موردی دیوار؛ پالایش هوشمند آگهی‌ها، چت امن و سیستم‌های ضدکلاهبرداری +- **شناسه در سیلابس:** `L16.3d` +- **فصل:** فصل ۱۶: ادامه راه (Ch 16) +- **نوع محتوا:** 📘 درس‌نامه متنی +- **زمان تقریبی مطالعه:** ۱۸ دقیقه +- **پیش‌نیازهای مستقیم:** `L16.3c` (بررسی موردی کافه‌بازار) + +--- + +## ۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy) +دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند: +- [ ] **درک کند (Understand):** مقیاس عظیم پلتفرم نیازمندی‌های آنلاین **دیوار** با بیش از ۵۰ میلیون کاربر فعال و صدها هزار آگهی جدید روزانه در صدها شهر ایران را تحلیل نماید. +- [ ] **تحلیل/ارزیابی کند (Evaluate):** سامانه پالایش خودکار آگهی‌ها (Automated Content Moderation) را با ترکیب مدل‌های پردازش زبان طبیعی (NLP/LLMs) برای کشف کلمات فریبکارانه و مدل‌های بینایی ماشین برای اسکن تصاویر آگهی‌ها ارزیابی کند. +- [ ] **درک کند (Understand):** سازوکار پایش بلادرنگ چت امن (Safe Chat) و سیستم‌های هشداردهنده خودکار ضد فیشینگ (Anti-Phishing) را در هنگام تبادل پیام میان خریدار و فروشنده بشناسد. +- [ ] **به‌کار ببندد (Apply):** الگوهای گاردریل محتوایی، اعتبارسنجی ورودی‌های متنی و دیوارهای امنیتی ضدسوءاستفاده را در بخش‌های تعاملی پروژه‌های آینده پیاده کند. + +--- + +## ۲. محدوده و مرزهای محتوا (Scope & Boundaries) + +### آنچه باید پوشش داده شود (In-Scope): +1. **تصویر کلان مقیاس دیوار: بازار آنلاین ایران:** + * انتشار صدها هزار آگهی روزانه در دسته‌های خودرو، مسکن، لوازم و استخدام، و میلیاردها بار بازدید هفتگی. +2. **محور اول هوش مصنوعی: پالایش خودکار و انتشار آنی آگهی‌ها (Ad Moderation):** + * چالش تایید آگهی در کمتر از چند ثانیه بدون تشکیل صف‌های چندساعته انسانی. + * پردازش متن با مدل‌های NLP: کشف کلمات ممنوعه، دور زدن‌های فریبکارانه شماره تماس (نوشتن شماره با حروف یا ایموجی)، و قیمت‌های غیرواقعی یا فیک. + * بینایی ماشین برای تصاویر: رد کردن عکس‌های تار، تشخیص عکس‌های کپی‌شده از اینترنت، و فیلتر محتوای نامناسب. + * تایید خودکار بیش از ۸۰٪ آگهی‌های سالم و ارجاع موارد مشکوک به کارشناسان انسانی. +3. **محور دوم هوش مصنوعی: سامانه چت امن و مقابله با فیشینگ (Safe Chat & Fraud Prevention):** + * کلاهبرداری کلاسیک «دریافت بیعانه با لینک پرداخت جعلی»: خریدار پیام می‌دهد «وارد این لینک شو بیعانه‌ت رو بگیر». + * مدل‌های هوش مصنوعی چطور در لحظه (Real-time) لینک‌های فیشینگ و الگوهای کلاهبرداری را شناسایی کرده و با کادر هشدار قرمز به کاربر اخطار می‌دهند؟ +4. **محور سوم: مهندسی نرم‌افزار با AI در تیم‌های فنی دیوار:** + * معماری میکروسرویس‌های فوق‌پرسرعت با زبان‌های Go و Python و پایگاه داده توزیع‌شده. + * استفاده از ایجنت‌های هوش مصنوعی برای مستندسازی میکروسرویس‌ها و بازبینی کدهای PRها. + * ارکستراسیون ایجنت‌های پاسخ‌گوی پشتیبانی: پیشنهاد پاسخ‌های دقیق و سریع به اپراتورهای مرکز تماس برای حل مشکلات کاربران. +5. **درس‌های طلایی دیوار برای سازندگان وایب کدینگ:** + * حفظ سلامت اکوسیستم؛ اگر روی محتوای ورودی کاربران نظارت نکنید، اعتماد به برند شما در چند روز نابود می‌شود. +6. **کال‌اوت‌های آموزشی و الهام‌بخش کوئرا:** + * کال‌اوت بنفش (`
`): مفهوم مهار خطای انسانی و سیستم‌های هیبریدی (ترکیب ماشین + انسان)؛ هوش مصنوعی غربالگری اولیه را انجام می‌دهد و انسان تصمیم نهایی موارد مرزی را می‌گیرد. + * کال‌اوت سبز (`
`): افتخار به مهندسی ایرانی؛ دیواری که کاملاً متناسب با زبان فارسی، لحن‌ها و اصطلاحات بومی ایران بهینه‌سازی شده است. + * کال‌اوت قرمز (`
`): اهمیت حفاظت از حریم خصوصی؛ پایش محتوا برای امنیت نباید بهانه‌ای برای نقض حریم خصوصی و افشای چت‌های خصوصی کاربران باشد. + +### آنچه نباید وارد آن شویم (Out-of-Scope): +- جزییات تعاملات مالی با پلیس فتا و فرآیندهای استعلام قضایی. +- الگوریتم‌های هوش مصنوعی تخمین رسمی قیمت املاک برای مراجع دولتی. + +--- + +## ۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms) + +| اصطلاح انگلیسی | معادل فارسی مصوب | توضیح یک‌خطی ساده | +| :--- | :--- | :--- | +| Content Moderation | پالایش و مدیریت محتوا | فرآیند بازرسی متون و تصاویر بارگذاری‌شده برای انطباق با قوانین و پیشگیری از تخلفات | +| Phishing Detection | کشف درگاه‌های جعلی فیشینگ | شناسایی پیوندها و رفتارهای کلاهبردارانه‌ای که قصد سرقت اطلاعات کارت بانکی کاربران را دارند | +| Text Obfuscation | مبهم‌سازی متنی فریبکارانه | تلاش کاربران خاطی برای دور زدن فیلترها با نوشتن اعداد با حروف، نمادها یا غلط املایی عمدی | +| Real-time Guardrails | سپرهای محافظتی بلادرنگ | فیلترهای ماشینی آنی که پیام‌ها را در کسری از ثانیه پیش از تحویل به طرف مقابل ارزیابی می‌کنند | +| Hybrid Moderation | پالایش ترکیبی انسان و ماشین | مدل همکاری که در آن هوش مصنوعی پالایش سریع را انجام داده و موارد مشکوک را به ناظر انسانی ارجاع می‌دهد | + +--- + +## ۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders) +> **راهنمای ایجنت نویسنده:** تمام تصاویر باید در پوشهٔ `images/` ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند: + +1. **تصویر کاور درس:** `images/cover.png` + * **موضوع:** سپر دیجیتال نئونی درخشان با نشان قرمز و سفید دیوار که از میان میلیون‌ها آگهی آنلاین، آگهی‌های سالم را تایید و پیام‌های مشکوک را متوقف می‌کند. +2. **خط تولید پالایش خودکار آگهی در دیوار:** `images/divar-ad-moderation-pipeline.png` + * **موضوع:** اینفوگرافیک گام‌به‌گام: کاربر آگهی را ثبت می‌کند $\rightarrow$ اسکن متن با NLP (بررسی قیمت و کلمات) $\rightarrow$ اسکن عکس‌ها با بینایی ماشین $\rightarrow$ تایید آنی یا ارجاع به کارشناس $\rightarrow$ انتشار عمومی. +3. **سازوکار سپر محافظتی چت امن دیوار در برابر فیشینگ:** `images/divar-safe-chat-phishing-shield.png` + * **موضوع:** اسکرین‌شات از محیط چت دیوار با هایلایت قرمز دور پیام کلاهبردار و نمایش بنر اخطار نارنجی: «توجه: هرگز وارد لینک‌های ناشناس برای دریافت بیعانه نشوید!». +4. **داشبورد ارکستراسیون ایجنت‌های پشتیبانی دیوار:** `images/divar-support-ai-agent-screen.png` + * **موضوع:** اسکرین‌شات از پنل اپراتور پشتیبانی با متن پیشنهادی خودکار ایجنت هوش مصنوعی برای پاسخ سریع به کاربر. + +--- + +## ۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (`README.md`) + +1. **تیتر اصلی:** `# بررسی موردی دیوار؛ پالایش هوشمند آگهی‌ها، چت امن و سیستم‌های ضدکلاهبرداری` +2. **مقدمه:** چگونه پلتفرمی با بیش از ۵۰ میلیون کاربر، صدها هزار آگهی جدید در روز را در کمتر از چند ثانیه بدون به خطر افتادن امنیت مردم تایید و منتشر می‌کند؟ +3. **جدول کاور درس** +4. **مقیاس خارق‌العاده دیوار: بزرگ‌ترین بازار معاملات بدون واسطه ایران:** + * انتشار آگهی‌ها در صدها شهر و تنوع بی‌شمار دسته‌بندی‌ها از ملک و خودرو تا استخدام. +5. **موتور پالایش محتوا (Content Moderation Engine):** + * شکار خودکار کلمات ممنوعه، قیمت‌های غیرواقعی و ترفندهای دور زدن شماره تماس. + * پردازش تصاویر با بینایی ماشین برای کشف عکس‌های دانلودی و بی‌کیفیت. +6. **سامانه چت امن: مبارزه هوشمند با کلاهبرداری بیعانه و فیشینگ:** + * پایش بلادرنگ پیام‌های رد و بدل شده و نمایش هشدارهای زنده به محض ارسال لینک‌های خطرناک. +7. **ترکیب طلایی انسان و ماشین (Hybrid Intelligence):** + * چرا هوش مصنوعی ۸۵٪ آگهی‌های استاندارد را فوراً آزاد می‌کند و ۱۵٪ موارد مشکوک را برای چشم تیزبین انسان می‌فرستد. +8. **مهندسی مدرن در دیوار: تیم‌هایی که با ابزارهای AI پرواز می‌کنند:** + * نوشتن میکروسرویس‌های پایدار Go و اتوماسیون تست‌ها و مستندات. +9. **درس‌های دیوار برای پروژه‌های شما:** + * ایجاد گاردریل‌های سخت‌گیرانه برای ورودی‌های کاربران؛ هرگز نگویید «کاربران من قصد بدی ندارند!». +10. **باکس نکته Quera (`
`):** چالش زبان فارسی و عامیانه در NLP؛ چگونه مهندسان دیوار مدل‌های زبانی را برای درک اصطلاحات محاوره‌ای و بازاری ایرانی بومی‌سازی کردند. +11. **باکس هشدار Quera (`
`):** مسئولیت حفظ حریم خصوصی؛ پایش امنیتی چت‌ها باید کاملاً ماشینی، رمزنگاری‌شده و بدون نقض حریم شخصی کاربران انجام گیرد. +12. **باکس رضایت‌بخش Quera (`
`):** الهام‌گیری از استانداردهای ایمن‌سازی دیوار و استفاده از این الگوها در فرم‌ها و چت‌بات پورتفولیو. +13. **جمع‌بندی درس‌نامه:** پایان بخش بررسی موردی شرکت‌های بزرگ فناوری ایران؛ ورود به ایستگاه سرنوشت‌ساز: نقش جدید توسعه‌دهنده به عنوان ارکستراتور سیستم‌ها در درس بعدی. + +--- + +## ۶. معیارهای پذیرش (Acceptance Criteria for Reviewer) +- [ ] مقیاس مهندسی و چالش‌های اعتماد در پلتفرم دیوار تشریح گردد. +- [ ] معماری پالایش خودکار آگهی‌ها (متن و تصویر) با جزئیات فنی ارائه شود. +- [ ] مکانیزم امنیتی چت امن و کشف بلادرنگ فیشینگ تبیین شود. +- [ ] رویکرد هیبریدی انسان و ماشین (Human-in-the-Loop) در پالایش محتوا تحلیل گردد. diff --git a/chapters/16-future-path/06-lesson-new-developer-role-systems-orchestrator/spec.md b/chapters/16-future-path/06-lesson-new-developer-role-systems-orchestrator/spec.md new file mode 100644 index 0000000..44bbdc0 --- /dev/null +++ b/chapters/16-future-path/06-lesson-new-developer-role-systems-orchestrator/spec.md @@ -0,0 +1,97 @@ +# مشخصات درس‌نامه: نقش جدید توسعه‌دهنده؛ ارکستراتور سیستم‌ها و کارگردان ایجنت‌های نرم‌افزاری +- **شناسه در سیلابس:** `L16.4` +- **فصل:** فصل ۱۶: ادامه راه (Ch 16) +- **نوع محتوا:** 📘 درس‌نامه متنی +- **زمان تقریبی مطالعه:** ۱۸ دقیقه +- **پیش‌نیازهای مستقیم:** `L16.3d` (بررسی موردی دیوار) + +--- + +## ۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy) +دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند: +- [ ] **درک کند (Understand):** گذار تاریخی نقش مهندس نرم‌افزار از «تایپیست کدهای نحوی» (Syntax Bricklayer) به «ارکستراتور و کارگردان سیستم‌ها» (Systems Orchestrator) را درک و تبیین نماید. +- [ ] **تحلیل/ارزیابی کند (Evaluate):** پنج ابرمهارت کلیدی ارکستراتور مدرن (فرمول‌بندی مسئله و مشخصات‌نویسی، ذائقه معماری سیستم، هدایت دقیق ایجنت‌ها، بازبینی کیفی و امنیتی کد، و درک عمیق محصول و کاربر) را در برابر مهارت‌های سنتی حفظ کردن نحو زبان‌ها ارزیابی کند. +- [ ] **درک کند (Understand):** پارادوکس جونز (Jevons Paradox) در صنعت نرم‌افزار را بشناسد؛ پدیده‌ای که نشان می‌دهد با کاهش هزینه تولید کد به نزدیک صفر، تقاضا برای ساخت نرم‌افزارها و جایگاه معماران سیستم انفجاری رشد می‌کند. +- [ ] **به‌کار ببندد (Apply):** ذهنیت رهبری و ارکستراسیون را در مدیریت روزانه ابزارهای Cursor, Claude Code, Supabase و سیستم‌های تست خودکار نهادینه کند. + +--- + +## ۲. محدوده و مرزهای محتوا (Scope & Boundaries) + +### آنچه باید پوشش داده شود (In-Scope): +1. **پایان دوران آجرچینی کدها: مرگ برنامه‌نویسی به مثابه تایپ کردن:** + * در گذشته ۶۰٪ زمان صرف براکت‌ها، سمیکالن‌ها، و حفظ سینتکس می‌شد؛ امروز هوش مصنوعی در چند ثانیه کد را می‌نویسد. +2. **استعاره رهبر ارکستر سمفونیک و کارگردان سینما:** + * رهبر ارکستر تک‌تک ویولن‌ها یا شیپورها را خودش نمی‌نوازد؛ او پارتیتور موسیقی (مشخصات و معماری) را می‌داند، هماهنگی سازها (ایجنت‌ها) را هدایت می‌کند و کیفیت نهایی اجرا را می‌سنجد. +3. **پنج ابرمهارت معماران و ارکستراتورهای سیستم‌ها:** + * مهارت ۱: فرمول‌بندی مسئله و تدوین مشخصات (Problem Formulation & Specs): شفاف‌سازی آنچه باید ساخته شود. + * مهارت ۲: ذائقه معماری و طراحی سیستم (System Design Taste): انتخاب دیتابیس مناسب، اتصال سرویس‌ها و مرزبندی لایه‌ها. + * مهارت ۳: هدایت ایجنت‌ها و مهندسی پرامپت (Agentic Guidance): دادن کانتکست ایزوله، قیود منفی و هدایت اتمیک. + * مهارت ۴: بازبینی موشکافانه کیفیت و امنیت (Code Review & QA): کشف توهمات، باگ‌های لبه‌ای و رخنه‌های امنیتی. + * مهارت ۵: همدلی با کاربر و هوش تجاری (Product Empathy & Domain Knowledge): درک عمیق درد کاربر و چرایی ساخت محصول. +4. **اقتصاد بازار کار نرم‌افزار: پارادوکس جونز (Jevons Paradox):** + * چرا هوش مصنوعی برنامه‌نویسان را بیکار نمی‌کند؟ ارزان‌تر شدن کدنویسی مساوی با تقاضای بی‌پایان جهان برای اپلیکیشن‌ها، نرم‌افزارهای سلامت، لجستیک، هوشمندسازی و خودکارسازی است. +5. **جایگاه سازندگان وایب کدینگ در شرکت‌های بزرگ و استارتاپ‌ها:** + * یک فرد مجهز به مهارت ارکستراسیون می‌تواند خروجی یک تیم ۵ نفره سنتی را به تنهایی تحویل دهد. +6. **کال‌اوت‌های آموزشی و الهام‌بخش کوئرا:** + * کال‌اوت بنفش (`
`): پارادوکس جونز در علم اقتصاد؛ چطور اختراع موتور بخار مصرف زغال‌سنگ را به جای کاهش، هزار برابر افزایش داد و چرا هوش مصنوعی تقاضای نرم‌افزار را منفجر می‌کند. + * کال‌اوت سبز (`
`): احساس آزادی و قدرت بی‌پایان؛ اکنون هیچ ایده‌ای در ذهن شما وجود ندارد که نتوانید آن را در یک آخرهفته به یک محصول تجاری کامل تبدیل کنید. + * کال‌اوت قرمز (`
`): تله تنبلی فکری؛ ارکستراتور هرگز به معنای زدن چشم‌بسته دکمه Accept نیست؛ تسلط ادراکی و نظارت دقیق انسانی قلب تپنده ارکستراسیون است. + +### آنچه نباید وارد آن شویم (Out-of-Scope): +- پیش‌بینی‌های تاریخی درباره دهه‌های آینده دور و سایبرنتیک. +- دوره‌های آموزش رزومه‌نویسی سنتی بدون ارتباط با مهارت‌های مدرن دوره. + +--- + +## ۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms) + +| اصطلاح انگلیسی | معادل فارسی مصوب | توضیح یک‌خطی ساده | +| :--- | :--- | :--- | +| Systems Orchestrator | ارکستراتور سیستم‌ها | مهندس مدرنی که طراحی معماری، تخصیص تسک‌ها و تضمین کیفیت زنجیره ایجنت‌های هوش مصنوعی را رهبری می‌کند | +| Jevons Paradox | پارادوکس جونز | اصل اقتصادی بیان‌کننده اینکه افزایش بهره‌وری و کاهش هزینه تولید یک منبع، موجب افزایش تصاعدی کل مصرف آن می‌شود | +| System Design Taste | ذائقه طراحی سیستم | توانایی شهودی و مهندسی انتخاب الگوهای معماری تمیز، متناسب و مقیاس‌پذیر برای یک محصول | +| Problem Formulation | فرمول‌بندی مسئله | مهارت تبدیل نیازهای مبهم و انسانی دنیای واقعی به مسائل شفاف، مرزبندی‌شده و قابل حل نرم‌افزاری | +| Intellectual Agency | تسلط و عاملیت ادراکی | حفظ کنترل، مسئولیت و درک عمیق مهندس نسبت به تمام خطوط و خروجی‌های کدهای تولیدشده توسط ماشین | + +--- + +## ۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders) +> **راهنمای ایجنت نویسنده:** تمام تصاویر باید در پوشهٔ `images/` ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند: + +1. **تصویر کاور درس:** `images/cover.png` + * **موضوع:** رهبر ارکستر نئونی مدرن با چوب‌دستی نورانی که در میان امواج ایجنت‌های هوشمند دیجیتال ایستاده و هارمونی سیستم‌های ابری را هماهنگ می‌کند. +2. **مقایسه نقش برنامه‌نویس دیروز با ارکستراتور امروز:** `images/developer-vs-orchestrator.png` + * **موضوع:** اینفوگرافیک مقایسه‌ای: کدنویس سنتی (غرق در تایپ خطوط نحوی) در برابر ارکستراتور مدرن (ایستاده بر فراز معماری، مشخصات، تست‌ها و امنیت). +3. **پنج ستون مهارت‌های ابرارکستراتور نرم‌افزار:** `images/five-super-skills-radar.png` + * **موضوع:** نمودار راداری ۵ مهارت: فرمول‌بندی مسئله، ذائقه معماری، هدایت ایجنت، بازبینی کد، و همدلی محصولی. +4. **نمودار اقتصادی پارادوکس جونز در صنعت نرم‌افزار:** `images/jevons-paradox-software.png` + * **موضوع:** نمودار گرافیکی: کاهش هزینه تولید کد $\rightarrow$ انفجار تقاضا برای ساخت پروژه‌ها $\rightarrow$ رشد سرسام‌آور ارزش معماران و ارکستراتورها. + +--- + +## ۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (`README.md`) + +1. **تیتر اصلی:** `# نقش جدید توسعه‌دهنده؛ ارکستراتور سیستم‌ها و کارگردان ایجنت‌های نرم‌افزاری` +2. **مقدمه:** آیا هوش مصنوعی شغل برنامه‌نویسان را نابود می‌کند؟ خیر؛ بلکه هوش مصنوعی برنامه‌نویسان را از بردگی تایپ سینتکس آزاد کرده و به صندلی کارگردانی نشانده است! +3. **جدول کاور درس** +4. **دگرگونی بزرگ: از تایپیست کد به رهبر ارکستر:** + * رهبر ارکستر موسیقی را می‌شناسد، ناهماهنگی را می‌شنود و روح اثر را خلق می‌کند؛ شما رهبر ارکستر نرم‌افزار خود هستید. +5. **پنج ابرمهارت ارکستراتورها در عصر هوش مصنوعی:** + * تشریح عمیق ۵ مهارت کلیدی و چرایی اهمیت هر یک در بازار کار جدید. +6. **پارادوکس جونز (Jevons Paradox): چرا کار شما در آینده بیش از هر زمان دیگری رونق دارد؟** + * وقتی ساخت نرم‌افزار ارزان و سریع شود، هر کسب‌وکار، پزشک، معلم، فروشگاه و سازمانی نیازمند ده‌ها نرم‌افزار هوشمند اختصاصی خواهد بود. +7. **ارزش اقتصادی یک تیم تک‌نفره (The One-Person Unicorn):** + * چگونه سازنده‌ای که بر وایب کدینگ و مهندسی ایجنتیک مسلط است، می‌تواند به اندازه یک تیم مهندسی سنتی خروجی تجاری خلق کند. +8. **باکس نکته Quera (`
`):** تغییر لحن در مصاحبه‌های شغلی؛ به جای گفتن «من سینتکس جاوااسکریپت بلدم»، بگویید: «من می‌توانم با هدایت ایجنت‌های هوش مصنوعی، یک محصول کامل و امن را در یک هفته از ایده به پروداکشن برسانم». +9. **باکس هشدار Quera (`
`):** خطر از دست دادن کنترل فکری؛ هرگز اجازه ندهید سرعت ایجنت‌ها باعث شود کدی را بدون اینکه از دلیل وجودش مطمئن باشید بپذیرید. +10. **باکس رضایت‌بخش Quera (`
`):** احساس اقتدار، اعتماد به نفس و امید به آینده؛ شما اکنون مسلح به مدرن‌ترین شیوه خلق نرم‌افزار در جهان هستید. +11. **جمع‌بندی درس‌نامه:** تثبیت هویت ارکستراتور؛ ورود به مبحث استراتژی‌های یادگیری مستمر و به‌روز ماندن در میان طوفان ابزارهای نو در درس بعدی. + +--- + +## ۶. معیارهای پذیرش (Acceptance Criteria for Reviewer) +- [ ] تحول نقش سنتی برنامه‌نویس به ارکستراتور سیستم‌ها با استعاره رهبر ارکستر تبیین شود. +- [ ] مهارت‌های پنج‌گانه ارکستراتور مدرن به صورت عمیق و تفکیک‌شده ارائه گردند. +- [ ] پدیده اقتصادی پارادوکس جونز (Jevons Paradox) به همراه نمودار مفهومی تشریح شود. +- [ ] چشم‌انداز بازار کار و جایگاه سازندگان مستقل در اقتصاد دیجیتال تبیین گردد. diff --git a/chapters/16-future-path/07-lesson-future-path-and-continuous-learning/spec.md b/chapters/16-future-path/07-lesson-future-path-and-continuous-learning/spec.md new file mode 100644 index 0000000..1821233 --- /dev/null +++ b/chapters/16-future-path/07-lesson-future-path-and-continuous-learning/spec.md @@ -0,0 +1,102 @@ +# مشخصات درس‌نامه: مسیر آینده، یادگیری مستمر و فیلتر سیگنال از نویز در طوفان هوش مصنوعی +- **شناسه در سیلابس:** `L16.5` +- **فصل:** فصل ۱۶: ادامه راه (Ch 16) +- **نوع محتوا:** 📘 درس‌نامه متنی +- **زمان تقریبی مطالعه:** ۱۶ دقیقه +- **پیش‌نیازهای مستقیم:** `L16.4` (نقش جدید توسعه‌دهنده: ارکستراتور سیستم‌ها) + +--- + +## ۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy) +دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند: +- [ ] **درک کند (Understand):** شتاب خیره‌کننده دنیای هوش مصنوعی را تحلیل کرده و روش‌های پیشگیری از فرسودگی ناشی از تغییرات مداوم ابزارها (AI Fatigue) را شرح دهد. +- [ ] **تحلیل/ارزیابی کند (Evaluate):** تفاوت بنیادین میان «دانش پایدار زیرساختی» (Durable Knowledge: مفاهیم وب، امنیت، دیتابیس و معماری) با «دانش ابزاری زودگذر» (Ephemeral Knowledge: نام و رابط کاربری ابزارهای روزمره) را ارزیابی کند. +- [ ] **به‌کار ببندد (Apply):** فیلتر تفکیک سیگنال از نویز (Signal vs Noise Filter) را با دنبال کردن مراجع معتبر، خبرنامه‌های کیفی و مخازن گیت‌هاب برای به‌روز ماندن فعال نماید. +- [ ] **ایجاد کند (Create):** یک استراتژی ساخت در انظار عمومی (Build in Public) در شبکه‌های حرفه‌ای (لینکدین و گیت‌هاب) طراحی کند تا دستاوردها و پروژه‌ها به فرصت‌های واقعی شغلی و تجاری تبدیل شوند. + +--- + +## ۲. محدوده و مرزهای محتوا (Scope & Boundaries) + +### آنچه باید پوشش داده شود (In-Scope): +1. **طوفان هرروزه ابزارها: چگونه در دریای هوش مصنوعی غرق نشویم؟** + * هر هفته یک مدل جدید، یک فریم‌ورک جدید و یک ابزار ترند می‌آید؛ رمز آرامش و پیشرفت چیست؟ +2. **سپر دفاعی در برابر فرسودگی: تمایز دانش پایدار و دانش زودگذر:** + * دانش پایدار (Durable Knowledge): اصول کارکرد اینترنت، دیتابیس رابطه‌ای، امنیت، تست‌نویسی، درک نیاز کاربر و هنر مشخصات‌نویسی (این دانش‌ها تا دهه‌ها ماندگارند). + * دانش زودگذر (Ephemeral Knowledge): نام دکمه‌های Cursor، دستورات خاص یک کتابخانه نوظهور، یا کلیدهای یک چت‌بات (این‌ها دائماً عوض می‌شوند و نباید برایشان نگران بود). +3. **فیلتر طلایی تفکیک سیگنال از هیاهو (Signal vs Noise):** + * دوری از موج‌سواری‌ها و توییت‌های اغراق‌آمیز «برنامه‌نویسی تمام شد!». + * مراجع درجه یک برای پیگیری تحولات واقعی: + - رصد ریپازیتوری‌های ترند گیت‌هاب (GitHub Trending). + - وبلاگ‌ها و نوشته‌های معماران برجسته (آندری کارپاتی، سایمون ویلیسون، مارتین فاولر). + - خبرنامه‌های مهندسی باکیفیت و بدون هیاهو نظیر The Batch و TLDR. + - کامیونیتی دانشجویان و فارغ‌التحصیلان کوئرا کالج. +4. **عادت آزمایش ۶۰ دقیقه‌ای آخر هفته (The 60-Minute Spike):** + * به جای خواندن ۵۰ خبر درباره یک ابزار جدید، ۶۰ دقیقه به خود فرصت دهید و یک مینی‌پروژه کوچک با آن بسازید تا حد و مرز واقعی‌اش را کشف کنید. +5. **قدرت خارق‌العاده ساخت در ملاء عام (Build in Public):** + * اشتراک‌گذاری فرآیند ساخت، چالش‌ها، حل باگ‌ها و لینک لایو پورتفولیو در لینکدین. + * چگونه مستند کردن مسیر، کارفرمایان و پروژه‌های بین‌المللی را به سوی شما جذب می‌کند. +6. **کال‌اوت‌های آموزشی و الهام‌بخش کوئرا:** + * کال‌اوت بنفش (`
`): مفهوم یادگیری تی‌شکل (T-Shaped Skills)؛ دانش عمومی در همه ابزارها در کنار تخصص عمیق در پشته اصلی خودتان. + * کال‌اوت سبز (`
`): داستان‌های واقعی از اعضای کوئرا که با انتشار یک پست فنی از پورتفولیوی خود، پیشنهادهای کاری عالی دریافت کردند. + * کال‌اوت قرمز (`
`): تله عوض کردن مداوم ابزارها (Shiny Object Syndrome)؛ با تغییر هرروزه ابزار، هرگز به استادی در یک اکوسیستم نخواهید رسید. + +### آنچه نباید وارد آن شویم (Out-of-Scope): +- آموزش الگوریتم‌های شبکه‌های اجتماعی برای جذب فالوور زرد. +- مباحث تخصصی بازاریابی ویروسی محتوا. + +--- + +## ۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms) + +| اصطلاح انگلیسی | معادل فارسی مصوب | توضیح یک‌خطی ساده | +| :--- | :--- | :--- | +| Durable Knowledge | دانش پایدار بنیادین | اصول جاودانه مهندسی و علوم کامپیوتر که مستقل از تغییر نسخه‌ها و ابزارها معتبر باقی می‌مانند | +| Ephemeral Knowledge | دانش زودگذر ابزاری | جزییات موقتی نحو یا رابط کاربری ابزارها که دائماً در حال تغییر و جایگزینی هستند | +| Build in Public | ساخت در ملاء عام | رویکرد به اشتراک‌گذاری شفاف مراحل توسعه، شکست‌ها و پیشرفت‌های محصول در شبکه‌های حرفه‌ای | +| Signal vs Noise | سیگنال در برابر نویز | مهارت تفکیک اطلاعات ارزشمند و کاربردی فنی از هیاهوها و تبلیغات اغراق‌آمیز اینترنتی | +| Shiny Object Syndrome | سندروم شیء براق جدید | تمایل وسواسی به رها کردن کار روی پروژه اصلی برای پریدن روی هر ابزار یا فریم‌ورک تازه‌معرفی‌شده | + +--- + +## ۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders) +> **راهنمای ایجنت نویسنده:** تمام تصاویر باید در پوشهٔ `images/` ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند: + +1. **تصویر کاور درس:** `images/cover.png` + * **موضوع:** فانوس دریایی نئونی درخشان در میان طوفان امواج دیجیتال که مسیر امن کشتی را در اقیانوس فناوری روشن می‌کند. +2. **کوه یخ دانش: پایدار در برابر زودگذر:** `images/durable-vs-ephemeral-iceberg.png` + * **موضوع:** اینفوگرافیک کوه یخ: نوک قله بیرون از آب (ابزارها و مدل‌های زودگذر) در برابر بدنه عظیم غوطه‌ور در آب (معماری، وب، امنیت، دیتابیس و حل مسئله). +3. **چرخه ساخت در ملاء عام (Build in Public Loop):** `images/build-in-public-cycle.png` + * **موضوع:** فلوچارت رشد: ساخت محصول $\rightarrow$ انتشار دموی زنده و گزارش در لینکدین $\rightarrow$ دریافت بازخورد و تعامل $\rightarrow$ جذب پروژه‌ها و ارتباطات کاری. +4. **نقشه منابع موثق سیگنال در برابر نویز:** `images/signal-sources-radar.png` + * **موضوع:** تصویر گرافیکی رادار با فیلتر هیاهو و نشانه‌گذاری مخازن معتبر، متون مهندسی و جامعه توسعه‌دهندگان کوئرا در کانون رادار. + +--- + +## ۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (`README.md`) + +1. **تیتر اصلی:** `# مسیر آینده، یادگیری مستمر و فیلتر سیگنال از نویز در طوفان هوش مصنوعی` +2. **مقدمه:** چگونه در دنیایی که هر روز صبح یک مدل یا ابزار جدید معرفی می‌شود، نه تنها دچار سردرگمی و خستگی نشویم، بلکه همیشه یک گام جلوتر باشیم؟ +3. **جدول کاور درس** +4. **استعاره ریشه‌های درخت تنومند و برگ‌های فصلی:** + * برگ‌ها در پاییز می‌ریزند و برگ‌های نو در بهار می‌رویند (ابزارها)، اما ریشه محکم در خاک می‌ماند (دانش بنیادین مهندسی). +5. **دانش پایدار در برابر دانش زودگذر: روی چه چیزی سرمایه‌گذاری کنیم؟** + * چرا یادگیری معماری سیستم، امنیت و مهارت دیباگ همیشه شما را برنده نگه می‌دارد. +6. **فیلتر سیگنال از نویز: کانال‌های اصیل اطلاعاتی را بشناسید:** + * دوری از تیترهای زرد کلیک‌خور و مراجعه به منابع موثق، گیت‌هاب و مهندسان تراز اول. +7. **عادت جادویی تست ۶۰ دقیقه‌ای (Weekend Spike):** + * چگونه در یک ساعت ابزارهای نوظهور را به چالش بکشیم بدون اینکه وقتمان هدر برود. +8. **هنر Build in Public: کاری کنید که فرصت‌ها به سراغ شما بیایند:** + * انتشار دموی پورتفولیو، ویدیوی کارکرد چت‌بات، و نوشتن یک پست آموزشی کوتاه درباره چالش‌هایی که در این دوره حل کردید. +9. **باکس نکته Quera (`
`):** استفاده از مهارت یادگیری T-Shaped؛ داشتن درک کلی از تمام ابزارهای AI در کنار تسلط عمیق بر پشته مدرن Next.js + Supabase. +10. **باکس هشدار Quera (`
`):** سندروم شیء براق (Shiny Object Syndrome)؛ هرگز پروژه در حال پیشرفت خود را برای سوار شدن بر موج یک فریم‌ورک آزمایشی جدید نیمه‌کاره رها نکنید. +11. **باکس رضایت‌بخش Quera (`
`):** احساس آرامش و بینش روشن نسبت به آینده؛ شما اکنون فرمول بقا و درخشش در عصر هوش مصنوعی را می‌دانید. +12. **جمع‌بندی درس‌نامه:** تثبیت رویکرد یادگیری مستمر؛ ورود به باشکوه‌ترین لحظه: جشن فارغ‌التحصیلی، جمع‌بندی دوره و دریافت گواهینامه کوئرا در درس پایانی! + +--- + +## ۶. معیارهای پذیرش (Acceptance Criteria for Reviewer) +- [ ] پدیده فرسودگی هوش مصنوعی (AI Fatigue) و راهکارهای غلبه بر آن تبیین شود. +- [ ] تمایز میان دانش پایدار و دانش زودگذر با مصادیق عینی تشریح گردد. +- [ ] استراتژی فیلتر سیگنال از نویز و منابع معتبر معرفی شوند. +- [ ] مزایای رویکرد ساخت در ملاء عام (Build in Public) برای جذب فرصت‌های شغلی لحاظ گردد. diff --git a/chapters/16-future-path/08-lesson-course-wrapup-and-resources/spec.md b/chapters/16-future-path/08-lesson-course-wrapup-and-resources/spec.md new file mode 100644 index 0000000..4cd6fa9 --- /dev/null +++ b/chapters/16-future-path/08-lesson-course-wrapup-and-resources/spec.md @@ -0,0 +1,106 @@ +# مشخصات درس‌نامه: جشن پایان دوره، کارنامه دستاوردها، منابع طلایی و گواهی کوئرا کالج +- **شناسه در سیلابس:** `L16.6` +- **فصل:** فصل ۱۶: ادامه راه (Ch 16) +- **نوع محتوا:** 📘 درس‌نامه متنی +- **زمان تقریبی مطالعه:** ۱۵ دقیقه +- **پیش‌نیازهای مستقیم:** `L16.5` (مسیر آینده، یادگیری مستمر و فیلتر سیگنال از نویز) + +--- + +## ۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy) +دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند: +- [ ] **درک کند (Understand):** تصویر کلان ۱۶ فصل پرماجرای دوره و تحول شگفت‌انگیز هویت خود از یک فرد ناآشنا با کد تا یک معمار تمام‌عیار نرم‌افزار و ارکستراتور ایجنت‌ها را مرور نماید. +- [ ] **تحلیل/ارزیابی کند (Evaluate):** کارنامه فنی محصول ساخته‌شده در طول دوره (پورتفولیوی چندسکویی، پنل ادمین، دیتابیس Supabase، پیامک، ایمیل، درگاه پرداخت، چت‌بات هوش مصنوعی، مانیتورینگ سنتری، PWA، اپ اندروید و دسکتاپ) را ارزیابی کند. +- [ ] **به‌کار ببندد (Apply):** کتابخانه جامع منابع طلایی، مخازن مرجع، جامعه دانش‌آموختگان کوئرا و الگوهای پرامپت‌های پیشرفته را در پروژه‌های حرفه‌ای بعدی به کار گیرد. +- [ ] **ایجاد کند (Create):** گواهی رسمی معتبر و دو زبانه پایان دوره کوئرا کالج را دریافت کرده و پروژه خود را در تالار افتخارات کوئرا و شبکه‌های حرفه‌ای با افتخار ثبت کند. + +--- + +## ۲. محدوده و مرزهای محتوا (Scope & Boundaries) + +### آنچه باید پوشش داده شود (In-Scope): +1. **لحظه باشکوه فارغ‌التحصیلی: شما فاتح قله وایب کدینگ شدید!** + * مروری بر روزهای اول فصل ۱ و ۲؛ جایی که شاید نوشتن یک پرامپت ساده دلهره‌آور بود، تا امروز که یک سیستم چندپلتفرمه جهانی را اداره می‌کنید. +2. **کارنامه افتخارات مهندسی: آنچه در این دوره واقعاً خلق کردید:** + * پورتفولیوی مدرن با فریم‌ورک Next.js و استایل‌های شکیل TailwindCSS. + * پایگاه داده ابری رابطه‌ای PostgreSQL در Supabase با سیاست‌های ضدگلوله RLS. + * احراز هویت امن با Google، GitHub و الگوی ورود پیامکی بومی. + * اتصال وب‌سرویس پیامک کاوه‌نگار و SMS.ir با الگوهای خدماتی عبور از بلک‌لیست. + * اتصال ایمیل‌سرور تراکنشی لیارا با پروتکل استاندارد SMTP. + * اتصال درگاه پرداخت آنلاین ایرانی با زرین‌پال و پروتکل تایید تراکنش (Verification). + * تزریق مغز متفکر هوش مصنوعی با چت‌بات رزومه زنده و استریم توکن‌ها. + * جستجوی معنایی پیشرفته با اکستنشن برداری pgvector. + * سپرهای دفاعی اعتبارسنجی Zod، مقابله با XSS و ریت لیمیتینگ سرورلس با Upstash Redis. + * استقرار زنده روی پلتفرم‌های لیارا و ورسل با دامنه اختصاصی، SSL رایگان و CDN ابر آروان و کلودفلر. + * جعبه سیاه ردگیری باگ با Sentry و مانیتورینگ ۲۴ ساعته آپتایم با هشدار تلگرام UptimeRobot. + * سئو تکنیکال خودکار، سرچ کنسول گوگل و تحلیل ویدیویی رفتار با Microsoft Clarity. + * وب‌اپلیکیشن پیش‌رونده (PWA) با قابلیت کارکرد آفلاین. + * خروجی اپلیکیشن موبایل اندروید (APK) با Capacitor و نسخه Expo. + * خروجی نرم‌افزار دسکتاپ سبک با فریم‌ورک انقلابی Tauri. +3. **گنجینه منابع طلایی برای ادامه مسیر (Resource Vault):** + * پیوند مخازن پرامپت‌های مهندسی، قوانین استانداردهای ادیتورها (`.cursorrules`). + * جامعه توسعه‌دهندگان و کانال‌های اختصاصی فارغ‌التحصیلان کوئرا کالج برای شبکه‌سازی و جذب پروژه. +4. **راهنمای دریافت گواهی رسمی کوئرا کالج:** + * شرایط نهایی، دریافت لینک استعلام بین‌المللی گواهی و افزودن آن به پروفایل لینکدین (Licenses & Certifications). +5. **پیام تبریک و بدرقه رسمی تیم کوئرا کالج:** + * دعوت به ادامه پرواز، جسارت در ساخت ایده‌ها و رها نکردن اشتیاق خلق کردن. + +### آنچه نباید وارد آن شویم (Out-of-Scope): +- مباحث دوره‌های دیگر یا تبلیغات نامرتبط تجاری. +- آزمون‌های داوری مجدد؛ این درس جشن پایان و تحویل کارنامه است. + +--- + +## ۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms) + +| اصطلاح انگلیسی | معادل فارسی مصوب | توضیح یک‌خطی ساده | +| :--- | :--- | :--- | +| End-to-End Product Builder | سازنده کامل محصول | فردی توانمند که می‌تواند تمام مراحل یک پروژه از ایده تا فرانت، بک، دیتابیس، دیپلوی و نگهداری را رهبری کند | +| Quera College Certificate | گواهی رسمی کوئرا کالج | مدرک معتبر مهارت‌آموزی دارای کد استعلام آنلاین و شناسه رسمی برای ارائه به کارفرمایان داخلی و خارجی | +| Resource Vault | گنجینه منابع تخصصی | مجموعه دستچین‌شده و غنی از مستندات، پرامپت‌ها، مخازن و ابزارهای توسعه برای پروژه‌های آینده | +| Hall of Fame | تالار افتخارات | بخش ویژه نمایش برترین پروژه‌ها و پورتفولیوهای فارغ‌التحصیلان برتر در پلتفرم کوئرا | +| Ship, Iterate, Scale | بساز، تکرار کن، مقیاس بده | مانیفست بنیادین سازندگان موفق دنیای فناوری برای استمرار در خلق ارزش | + +--- + +## ۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders) +> **راهنمای ایجنت نویسنده:** تمام تصاویر باید در پوشهٔ `images/` ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند: + +1. **تصویر کاور درس:** `images/cover.png` + * **موضوع:** صحنه جشن باشکوه دیجیتال نئونی با پرتاب کاغذهای رنگی (Confetti)، جام درخشان قهرمانی و کلاه فارغ‌التحصیلی طلایی بر فراز لپ‌تاپ پورتفولیو. +2. **اینفوگرافیک کارنامه جامع دستاوردهای دوره (۱۶ فصل در یک نگاه):** `images/course-mastery-infographic.png` + * **موضوع:** پوستر کامل مسیر: از پرامپت‌نویسی $\rightarrow$ فرانت‌اند Next.js $\rightarrow$ دیتابیس Supabase $\rightarrow$ پیامک و پرداخت $\rightarrow$ امنیت $\rightarrow$ دیپلوی لیارا $\rightarrow$ مانیتورینگ $\rightarrow$ موبایل و دسکتاپ. +3. **نمونه گواهی رسمی فارغ‌التحصیلی کوئرا کالج:** `images/quera-certificate-sample-preview.png` + * **موضوع:** تصویر لوکس و باکیفیت از گواهی انگلیسی و فارسی کوئرا کالج با مهر طلایی، کد استعلام QR و عنوان دوره وایب کدینگ. +4. **دعوت‌نامه ورود به تالار افتخارات و کامیونیتی کوئرا:** `images/quera-community-hall-of-fame.png` + * **موضوع:** بنر گرافیکی جامعه دانش‌آموختگان با آیکون‌های تعامل، فرصت‌های شغلی و اشتراک‌گذاری پروژه‌ها. + +--- + +## ۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (`README.md`) + +1. **تیتر اصلی:** `# جشن پایان دوره، کارنامه دستاوردها، منابع طلایی و گواهی کوئرا کالج` +2. **مقدمه:** کلاه‌ها را به هوا پرتاب کنید! به خط پایان یکی از جامع‌ترین و مدرن‌ترین دوره‌های مهندسی نرم‌افزار جهان رسیدید؛ لحظه‌ای برای افتخار به مسیری که پیمودید. +3. **جدول کاور درس** +4. **نگاهی به پشت سر: روز اول در برابر امروز:** + * یادآوری اولین باری که با ابزارهای هوش مصنوعی آشنا شدید در برابر قدرتی که امروز در ساخت و انتشار سیستم‌های پیچیده دارید. +5. **کارنامه درخشان یک ارکستراتور: چه چیزهایی در دستان شماست؟** + * مرور تیتروار ۱۶ شاهکار فنی ساخته‌شده در پروژه پورتفولیو. +6. **جعبه ابزار طلایی برای پروژه‌های آینده (Resource Vault):** + * معرفی مخازن گیت‌هاب برتر، سایت‌های الهام‌بخش طراحی (21st.dev, Mobbin)، پرامپت‌های نجات‌بخش، و مراجع تخصصی. +7. **شبکه‌سازی و ورود به جامعه فارغ‌التحصیلان کوئرا:** + * چگونه با سایر سازندگان دوره ارتباط بگیرید، تیم تشکیل دهید و پروژه‌های تجاری بزرگ‌تر را شکار کنید. +8. **راهنمای گام‌به‌گام دریافت گواهی رسمی کوئرا کالج:** + * ثبت اطلاعات، صدور مدرک دارای بارکد اصالت‌سنجی آنلاین، و قرار دادن نشان افتخار در لینکدین. +9. **باکس نکته Quera (`
`):** ثبت لینک پروژه در تالار افتخارات (Hall of Fame) کوئرا برای دیده‌شدن توسط شرکت‌های همکار و کارفرمایان متقاضی نیرو. +10. **باکس رضایت‌بخش Quera (`
`):** پیام پرشور و صمیمانه تیم منتورها و طراحان دوره کوئرا کالج: «شما مایه افتخار ما هستید؛ دنیا منتظر دیدن ایده‌های بزرگی است که خواهید ساخت!» +11. **سخن پایانی و مانیفست همیشگی وایب کدرها:** + > **«ایده‌ها ارزانند؛ این توانایی ساختن، منتشر کردن و هدایت هوشمندانه است که از شما یک سازنده تسلیم‌ناپذیر می‌سازد. به ساختن ادامه دهید!»** + +--- + +## ۶. معیارهای پذیرش (Acceptance Criteria for Reviewer) +- [ ] دستاوردهای جامع ۱۶ فصل دوره به صورت منسجم و الهام‌بخش جمع‌بندی شود. +- [ ] فهرست منابع طلایی، مخازن کمکی و راهنمای کامیونیتی ارائه گردد. +- [ ] شیوه دریافت و اعتبارسنجی گواهی رسمی کوئرا کالج تشریح شود. +- [ ] لحن پایانی پرشور، حرفه‌ای و منطبق بر استانداردهای والای پداگوژی کوئرا باشد. diff --git a/curriculum/syllabus.md b/curriculum/syllabus.md index be02d9c..1312d96 100644 --- a/curriculum/syllabus.md +++ b/curriculum/syllabus.md @@ -3,7 +3,7 @@ > **عنوان دوره:** وایب کدینگ: ساخت پروژهٔ واقعی با هوش مصنوعی (Build & Ship Real Projects with AI) > **مخاطب:** بدون نیاز به دانش برنامه‌نویسی؛ فقط تجربهٔ کاربری کامپیوتر و چت با ابزارهای هوش مصنوعی (طراحان، مدیران محصول، کارآفرینان و متخصصان حوزه‌های مختلف) > **پیش‌نیاز:** آشنایی با کار با کامپیوتر و اینترنت (بدون نیاز به سابقه برنامه‌نویسی) -> **آمار کل دوره:** ۱۶ فصل | ۱۰۷ درس‌نامه متنی | ۲ آزمون تستی | ۲ نقطهٔ عطف پروژهٔ عملی | ۲۰۰ امتیاز کل +> **آمار کل دوره:** ۱۶ فصل | ۱۱۰ درس‌نامه متنی | ۲ آزمون تستی | ۲ نقطهٔ عطف پروژهٔ عملی | ۲۰۰ امتیاز کل > **سند مرجع نهایی:** [Google Sheets — Vibe Coding Course Syllabus (FINAL)](https://docs.google.com/spreadsheets/d/1E3sD6iRgE_CzRktGRlggvuBLk2NRPPq1k8Mab7TcUMk/edit?gid=652437728#gid=652437728) --- @@ -27,8 +27,8 @@ | **۱۳** | نگهداری محصول | ۷ | ۰ | — | ۰ | مانیتورینگ، مدیریت لاگ، سئو فنی، تحلیل رفتار کاربر و مستندسازی | | **۱۴** | پروژه ۲ | — | ۰ | نقطهٔ عطف ۲ | ۰ | یکپارچه‌سازی کامل سرویس‌ها، تست، ارتقای امنیت و انتشار نهایی | | **۱۵** | تکامل محصول با AI | ۱۲ | ۰ | — | ۰ | تحلیل فیدبک، ری‌فکتور، ایجنت‌های خودکار، PWA، اپ موبایل و دسکتاپ | -| **۱۶** | ادامه راه | ۶ | ۰ | — | ۰ | گذار به مهندسی ایجنتیک، ارکستراسیون، بررسی موردی غول‌های فناوری و آینده | -| **جمع** | **۱۶ فصل** | **۱۰۷** | **۲** | **۲ پروژه** | **۲۰۰** | — | +| **۱۶** | ادامه راه | ۹ | ۰ | — | ۰ | گذار به مهندسی ایجنتیک، ارکستراسیون، بررسی موردی غول‌های فناوری (دیجی‌کالا، اسنپ، کافه‌بازار، دیوار) و آینده | +| **جمع** | **۱۶ فصل** | **۱۱۰** | **۲** | **۲ پروژه** | **۲۰۰** | — | --- @@ -232,12 +232,15 @@ ### فصل ۱۶: ادامه راه (Ch 16) | ردیف | شناسه | نوع | عنوان | توضیحات تحت پوشش | امتیاز / سطح | | :---: | :--- | :--- | :--- | :--- | :---: | -| ۱ | `L16.1` | 📘 درس‌نامه | اهداف فصل | توضیح خلاصه‌ای از مباحث و اهداف فصل | — | +| ۱ | `L16.1` | 📘 درس‌نامه | اهداف فصل: افق آینده و مهندسی نرم‌افزار ایجنتیک | توضیح خلاصه‌ای از مباحث، مهارت‌های پایانی، نقشه راه و اهداف فصل | — | | ۲ | `L16.2` | 📘 درس‌نامه | از Vibe Coding تا Agentic Engineering در سازمان‌ها | تفاوت کدنویسی تفریحی با مهندسی ایجنتیک، اهمیت معماری، حاکمیت (Governance) و تست‌های خودکار در تیم‌های بزرگ | — | -| ۳ | `L16.3` | 📘 درس‌نامه | بررسی موردی: هوش مصنوعی در شرکت‌های بزرگ | نمونه‌های واقعی اسنپ، دیجی‌کالا، کافه‌بازار و دیوار در استفاده از ابزارهای AI و Agentها برای تسریع توسعه | — | -| ۴ | `L16.4` | 📘 درس‌نامه | نقش جدید توسعه‌دهنده: ارکستراتور سیستم‌ها | تبدیل شدن برنامه‌نویس به مدیر و ناظر ایجنت‌ها (Orchestrator)، و مهارت‌های کلیدی برای آینده بازار کار | — | -| ۵ | `L16.5` | 📘 درس‌نامه | مسیر آینده و یادگیری مستمر | چگونه پس از پایان دوره به‌روز بمانیم و پیشرفت کنیم | — | -| ۶ | `L16.6` | 📘 درس‌نامه | جمع‌بندی دوره و منابع تکمیلی | مرور مسیر طی شده و دستاوردهای دوره + معرفی منابع مفید | — | +| ۳ | `L16.3a` | 📘 درس‌نامه | بررسی موردی دیجی‌کالا: هوش مصنوعی در مقیاس میلیون‌ها کالا، انبارداری و کاتالوگ | چالش‌های کاتالوگ با ۱۰ میلیون SKU، حذف اقلام تکراری با تعبیه برداری، بهینه‌سازی مسیر ناوگان و بازنویسی سرویس‌ها با ایجنت‌ها | — | +| ۴ | `L16.3b` | 📘 درس‌نامه | بررسی موردی اسنپ: مدیریت میلیون‌ها سفر روزانه، سیستم‌های دیسپچ و تاب‌آوری بلادرنگ | موتور تطبیق و تخصیص هوشمند (Dispatch Engine)، تخمین ETA، وب‌سوکت‌های بلادرنگ، لاگ‌های استریم کافکا و تست همزمانی با ایجنت‌ها | — | +| ۵ | `L16.3c` | 📘 درس‌نامه | بررسی موردی کافه‌بازار: بررسی خودکار اپلیکیشن‌ها، تحلیل بدافزارها و موتور پیشنهاد | ممیزی خودکار فایل‌های APK، سندباکس کشف بدافزار، موتور پیشنهاد و سرچ، و استفاده از ایجنت‌های هوش مصنوعی در اتوماسیون تست استور | — | +| ۶ | `L16.3d` | 📘 درس‌نامه | بررسی موردی دیوار: پالایش هوشمند آگهی‌ها، چت امن و سیستم‌های ضدکلاهبرداری | پالایش خودکار متن و تصاویر آگهی‌ها با NLP و Vision، پایش بلادرنگ چت امن (Safe Chat) ضد فیشینگ، و ایجنت‌های پشتیبانی تیکتینگ | — | +| ۷ | `L16.4` | 📘 درس‌نامه | نقش جدید توسعه‌دهنده: ارکستراتور سیستم‌ها و ناظر هوش مصنوعی | تبدیل شدن برنامه‌نویس به مدیر و ناظر ایجنت‌ها (Orchestrator)، کنترل کیفیت، معماری نرم‌افزار و مهارت‌های کلیدی بازار کار | — | +| ۸ | `L16.5` | 📘 درس‌نامه | مسیر آینده و یادگیری مستمر: همگام ماندن با تحولات شتابان AI | ساخت سیستم یادگیری پایدار، تفکیک سیگنال از نویز، پیگیری مقالات و ابزارهای جدید و توسعه جعبه‌ابزار شخصی | — | +| ۹ | `L16.6` | 📘 درس‌نامه | جمع‌بندی دوره، منابع منتخب و گام‌های بعدی | مرور مسیر طی شده و دستاوردهای دوره از ایده تا مقیاس، معرفی منابع طلایی و مراجع تکمیلی و نقشه راه دریافت گواهی کوئرا کالج | — | ---