Terminal Notes
28 subscribers
6 photos
4 videos
2 files
22 links
Cloudy thoughts 💭
Download Telegram
توی دنیای DevOps و SRE ارزش شما با «میزان عمق دانش از یک ابزار» سنجیده نمیشه، بلکه به این هست که چقدر خوب می‌تونید دانشتون از ابزارهای مختلف رو به هم متصل کنید تا یک مشکل واقعی کسب‌وکار رو حل کنین. اینجاست که بازدهی زمانِ یادگیری (ROI) از قانون 80/20 پیروی میکنه: یادگیریِ 20 درصد از قابلیت‌های یک ابزار، 80 درصد از نیازهای روزمره شما رو برطرف میکنه. اگه خیلی زود درگیر یادگیری جزئیات و ریزه‌کاری‌های یک ابزار بشید، وقت باارزشی رو هدر میدید که می‌تونستید صرف یادگیری کلیت سیستم و بقیه ابزارها کنید.

مثلا اکر جونیور هستین و ۴۰ ساعت وقت بذارید و داکیومنت‌های NGINX رو از سیر تا پیاز بخونید، شاید یاد بگیرین که چطوری بافرهای سطح پایینِ ورکرها (Workers) رو با زبان C دستکاری کنید و کلی کار خفن دیگه. اما یه کارآموز یا جونیور واقعا چند وقت یک‌بار به همچین چیزهایی نیاز پیدا میکنه؟ تقریبا هیچ‌وقت. توی این حالت بازدهی یادگیری شما پایینه، چون ۳۵ ساعت از اون ۴۰ ساعت رو صرف چیزهایی کردید که احتمالا تا سال‌ها به کارتون نمیاد.

📈 چطوری بازدهی (ROI) را بالا ببریم؟

پیاده کردن قانون 80/20 خیلی سادس: وقتی با ابزار جدیدی روبه‌رو میشید، سراغ 20 درصدی برید که برای راه‌اندازی و انجام یه کار واقعی به اون نیاز هست.

اما یه سوال مهم اینجا مطرح میشه: کدوم 20% رو باید یاد گرفت؟

راه درستش اینه که همیشه از یه سنیور یا تیم‌لید بپرسید؛ اگر در دسترس نیست از AI. بدون این راهنمایی، ریسک اینو دارید که اشتباهی چیزهای حیاتی رو «advanced» فرض کنید و skip کنید (یا برعکس).

💭 اما آیا این یعنی همیشه سطحی بمونیم؟

ممکنه بگید اگه تمام اعضای تیم فقط دانش سطحی و گسترده داشته باشن، سایت یا اپلیکیشن شما با قطعی‌های طولانی‌مدت مواجه میشه (که درسته). به همین دلیله که شرکت‌ها مهندس Senior استخدام میکنن؛ کسایی که در طول بیش از 7 سال کار، به تدریج دانش خودشون توی ابزارها رو عمیق کردن و تو شرایط بحرانی، جونیورها رو پشتیبانی میکنن.

این مدل توی صنعت به T-Shaped Engineer معروفه:

بخش افقیِ T: آگاهی گسترده از ابزارهای مختلف
بخش عمودیِ T: عمق واقعی در حداقل یک حوزه

هدف اینه که در مسیر رشدتون، به تدریج اون بخش عمودی رو بسازید، نه از روز اول.

🔘 @TerminalNotes <- #devops #sre
3👍2
Terminal Notes
توی دنیای DevOps و SRE ارزش شما با «میزان عمق دانش از یک ابزار» سنجیده نمیشه، بلکه به این هست که چقدر خوب می‌تونید دانشتون از ابزارهای مختلف رو به هم متصل کنید تا یک مشکل واقعی کسب‌وکار رو حل کنین. اینجاست که بازدهی زمانِ یادگیری (ROI) از قانون 80/20 پیروی…
الان که توی شرایط قطعی (Blackout) سراسری اینترنت هستیم و عملا کار زیادی از پیش نمیره، داشتن یه پیشرفت حداقلی و کوچیک خیلی واجبه. مسیر یادگیری مثل دوچرخه‌سواریه؛ اگه دست از رکاب زدن بردارین، زمین میخورین.

کتاب خوندن یکی از بهترین راه‌ها برای حفظ این حرکته. شاید این حرف کلیشه‌ای باشه و همه‌جا شنیده باشین (که البته درست هم هست)، اما صحبت الان من چیز دیگه‌ایه: چطوری باید با کتاب‌های حوزه IT رفتار کنیم؟

1. خوندن کتاب‌های IT با رمان فرق می‌کنه

وقتی خوندن یه کتاب فنی رو شروع می‌کنین، لزوما قرار نیست اون رو از فصل اول تا آخر پشت سر هم بخونین. برای اینکه بدونین دقیقا چقدر از یه کتاب رو باید مطالعه کنین، به همون قانون ۲۰/۸۰ که توی پیام قبل گفتم مراجعه کنید.
با بقیه کتاب مثل یه مرجع (Desk Reference) رفتار کنین؛ یعنی هر وقت برای حل یه مسئله به بخش خاصی نیاز پیدا کردین، همون بخش رو بخونین. این روش مزایای خودش رو هم داره: وقتی یه مفهوم جدید رو یاد می‌گیرین و همون لحظه ازش استفاده می‌کنین، ماندگاریش توی ذهن به مراتب بیشتر میشه.

2. مراقب کتاب‌های تاریخ‌گذشته (Outdated) باشین

توی دنیای IT، کتاب‌هایی که موضوعشون مرتب در حال تغییر و تحوله (مثل Docker) و بیشتر از 2 سال از انتشارشون میگذره، توی این حوزه منسوخ حساب میشن. پس اگه منابع به‌روزتر و بهتری در دسترس دارین، وقتتون رو صرف کتاب‌های قدیمی نکنین.

🔘 @TerminalNotes <- #book #it
👍3🐳1
🔗 Docmost
An open-source team wiki and documentation platform built for internal knowledge sharing.

Good for:
• Shared notes and SOPs
• Team wikis and internal docs
• Real-time collaboration


🔗 AFFiNE
An open-source all-in-one workspace that combines docs, whiteboards, and visual planning.

Good for:
• Brainstorming sessions
• Mind maps and whiteboards
• Visual note-taking
• Flexible idea organization


🔗 Outline
An open-source team knowledge base and wiki designed for fast internal documentation and collaborative writing.

Good for:
• Team knowledge bases
• Shared knowledge in one place
• Collaborative wiki-style writing


🔘 @TerminalNotes <- #tool
31
Forwarded from KhashayarTalks
چطور هرچیزی رو‌ یاد بگیریم؟

نوشته خشایار حاجی‌پور

۱/۲۱
بیشترِ آدم‌هایی که توی یاد گرفتنِ یه چیز شکست می‌خورن، نه تنبل‌ان نه کمهوش.
فقط یه فرمولِ ساده رو بلد نیستن.
ده سال زبان درس دادم و چند سال یوتیوب کار کردم — این همون چیزیه که هر بار جواب داده.

۲/۲۱
دو تا دام هست:
— یکی ادامه می‌ده ولی هیچ‌وقت خودش رو اصلاح نمی‌کنه.
— یکی دائم چیز جدید امتحان می‌کنه ولی هیچ‌جا نمی‌مونه.
هر دو تلاش می‌کنن. هیچ‌کدوم به جایی نمی‌رسن.

۳/۲۱
فرمولِ یاد گرفتنِ هر چیزی فقط دو عنصر داره:
استمرار + تکرار و اصلاح.
(consistency + iteration)
همین. نه بیشتر.

۴/۲۱
استمرار بدونِ اصلاح = صد بار یه راهِ غلط رو رفتن.
اصلاح بدونِ استمرار = هیچ‌وقت نموندن تا جواب بده.
هیچ‌کدوم به‌تنهایی کار نمی‌کنه. فقط کنار هم.

۵/۲۱
تصور کن سوارِ ماشینی و می‌خوای به یه مقصد برسی.
موتور جلو می‌برتت → استمرار.
فرمان جهت می‌ده → اصلاح.
فقط گاز بدی گم می‌شی؛ فقط فرمان بچرخونی تکون نمی‌خوری.
به مقصد می‌رسی وقتی هر دو رو داشته باشی.

۶/۲۱
چرا استمرار ضروریه؟
چون بدونش وارد «باغِ» یه مهارت نمی‌شی.
هر کسی می‌تونه دو ساعت راجع به یه چیز بخونه. ولی اهلِ کار با دو جمله می‌فهمه تو باغ نیستی.
فقط موندن تو رو می‌بره داخل.

۷/۲۱
استمرار، اثرِ مرکب می‌سازه.
هر چیزِ خوبی که دور و برت می‌بینی، نتیجه‌ی ادامه دادن در یه مسیره.
و نتیجه نمایی رشد می‌کنه: اولش کند، بعد یهو میترکه.
ولی فقط برای کسی که موند.

۸/۲۱
استمرار، تصویرت از واقعیت رو درست می‌کنه.
قبل از شروع، یه تصویرِ خیالی از کار داری.
لحظه‌ای که ادامه می‌دی، اون تصویر زمین تا آسمون عوض می‌شه — و تصمیم‌های بهتری می‌گیری.

۹/۲۱
دو دلیلِ دیگه:
اعتبار میان‌بر نداره؛ معتبرترین آدم‌ها مدتِ طولانی کارشون رو کردن.
و خلاقیت، ته استمراره. کسی که دو ماهه ساز می‌زنه آهنگسازِ بزرگ نمی‌شه. اول باید بمونی، تا بتونی نو بسازی.

۱۰/۲۱
ولی تکرارِ خالی بهترت نمی‌کنه — فقط همون شیار رو عمیق‌تر می‌کنه.
هزار بار یه حرکت رو غلط تمرین کن، می‌شی استادِ همون غلط.
استمرار سرعته، اصلاح جهت. سرعت در جهتِ غلط یعنی سریع‌تر شکست خوردن.

۱۱/۲۱
کلِ اصلاح، توی یه چرخه اتفاق می‌افته:
تلاش → فیدبک → اصلاح → تکرار.
فیدبک رو حذف کنی، داری حدس می‌زنی.
اصلاح رو حذف کنی، داری فقط تکرار می‌کنی.

۱۲/۲۱
یه چرخهی خوب:
— یه هدفِ مشخص داره (نه همه‌چیز با هم)
— سریعه
— کوتاهه
— فیدبک داره
— نتیجه‌ش روشنه
هرچی چرخه کوتاه‌تر، یادگیری سریع‌تر.

۱۳/۲۱
نکته‌ای که کم گفته می‌شه:
مغز وقتی بیشتر یاد می‌گیره که بین کار و استراحت نوسان کنی.
موقعِ کار اطلاعات رو «جمع» می‌کنی؛ موقعِ استراحت و خواب، مغز «بایگانی‌شون» می‌کنه.
برای همین خواب، نصفِ یادگیریه.

۱۴/۲۱
مثلِ شیر زندگی کن.
شیر یه‌سره نمی‌دوه. استراحت می‌کنه، بعد با تمامِ توان شکار می‌کنه، دوباره استراحت.
این نوسان هم یادگیری رو عمیق‌تر می‌کنه، هم نمی‌ذاره انرژیت ته بکشه.

۱۵/۲۱
مهم‌ترین حرفِ این رشته:
استمرار «بی‌وقفه موندن» نیست. استمرار هنر بازگشته.
حواس‌پرتی برای همه پیش میاد. برنده اونیه که بلده برگرده.
بازنده اونی نیست که یه روز نزد؛ اونیه که برنگشت.

۱۶/۲۱
و هر بار که برمی‌گردی، قوی‌تر می‌شی.
استمرار مثلِ ماهیچه‌ست: هرچی بیشتر ازش کار بکشی، قوی‌تر می‌شه.
هر بازگشت، بازگشتِ بعدی رو آسون‌تر می‌کنه.

۱۷/۲۱
چطور بمونیم؟
— چراییت رو روشن کن (دلیلِ مشخص نگهت می‌داره)
— آستانهی بازگشت رو بیار پایین («فقط ۵ دقیقه»)
— با بقیه انجامش بده
— به سیستم تکیه کن، نه انگیزه

۱۸/۲۱
برای اصلاح، فیدبکِ صادق لازمه — نه «عالی بود» دوست و فامیل.
فیدبکِ راست از سه جا میاد:
— بازارِ آزاد (آمار دروغ نمی‌گه)
— طبیعت (واقعیت دروغ نمی‌گه)
— آدم‌هایی که تعارف ندارن

۱۹/۲۱
دو قانونِ طلایی اصلاح:
۱) هر بار فقط یه چیزِ کوچیک رو بهتر کن. مغز یه‌جا فقط رو یه چیز تمرکز می‌کنه.
۲) چیزی که جواب داد رو قفل کن، دستش نزن، برو سراغِ ضعفِ بعدی.

۲۰/۲۱
خلاصه:
استمرار تو رو تو بازی نگه می‌داره. اصلاح راهیه که باهاش می‌بری.
یه چیز رو انتخاب کن. بمون. هر بار یه چیزِ کوچیک رو بهتر کن.
چون هیچ چیزِ خوبی در زندگی به دست نمیاد، مگر با استمرار.

۲۱/۲۱
این رشته، خلاصه‌ی یه کتابچه‌ست که کاملش رو نوشتم.
کتابچه‌ی «چطور هر چیزی رو یاد بگیریم؟» رو می‌تونید رایگان از کانالِ تلگرامِ خشایار تاکس دریافت کنید.
🏆2👍1💯1
همه جا صحبت از هوش مصنوعی هست، اما نحوه درست استفاده ازش کمتر راجبش بحث میشه.

کلیت مسئله: لازم هست هرکس برای خودش «خط قرمز» داشته باشه تا دچار وابستگی بیش از حد نشه. این خط قرمزها برای هر کس، بسته به شغل و نیازش، متفاوته.

چرا باید خط قرمز داشته باشیم؟ که مغز رو همچنان در حالت «تقلا» (Struggling) نگه داریم. اگه همه چیز رو به هوش مصنوعی بسپاریم، خلاقیت و هنر حل مسئله در مغز ما به مرور ضعیف میشه.

نمونه شخصی:
به جای دادن پرامپتِ «این کد/برنامه رو برای من بنویس» به هوش مصنوعی:
۱. کد رو مینویسم و روی اون فکر میکنم.
۲. در آخر، کد را به AI میدیم برای ارزیابی دست خط یا بهینه کردن اون.

🔘 @TerminalNotes
2👍2
منظور از «دست خط» خوانایی کد هست. یه نفر دست خطش خوبه همه میتونن بخون، یکی بدخطه.
😁3
خلاصه ویدیو ها: چطور ابتکار عمل داشته باشیم و از صفر پروژه بنویسیم.

برای جونیور دولوپر برنامه نویسی یه جور crafting یا سر هم کردن هست بیشتر تا ابتکار عمل که به مرور به مرحله ابتکار هم میرسه.

🔗 Monkey see, monkey do.


🔘 @TerminalNotes
1
Forwarded from Matin SenPai (᯽マティ️️ン先輩)
آیا هوش مصنوعی داره قدرت تفکر رو از ما می‌گیره؟🏃‍♂

یه مقاله‌ی جالب توی وبلاگ ArtFish منتشر شد، درباره‌ی اینکه چطور داریم کم‌کم «فکر کردن» رو به هوش مصنوعی واگذار می‌کنیم. نویسنده‌ی مقاله خودش توی بخش توسعه‌ی Gemini کار می‌کنه، ولی یه سری دغدغه‌های به‌شدت درست و روانی مطرح کرده که خوندنش خالی از لطف نیست.

خلاصه‌ی بحث و چند تا نکته‌ی جذابی که گفته:

1- از موتور جستجو تا ماشین فکر: قبل از چت‌جی‌پی‌تی و جمنای و...، ما برای پیدا کردن جواب می‌رفتیم گوگل می‌کردیم، ولی همون سرچ کردن هم نیاز به «فکر» داشت. باید سوال رو می‌شکستیم، منابع رو می‌خوندیم و خودمون ترکیبشون می‌کردیم تا به جواب برسیم. اما الان هوش مصنوعی تمام این مراحلِ میانی رو حذف کرده و یه جواب شسته‌رفته و آماده می‌ذاره کف دستمون. این کار زمان رو ذخیره می‌کنه، اما «فکر کردن» رو هم حذف می‌کنه🤔

2- داستان ترسناک مرد میکروفون‌دار! نویسنده تعریف می‌کنه که دوستش تو یه رویداد استارتاپی تو سانفرانسیسکو یه نفر رو دیده که یه میکروفون کوچیک به لباسش وصل کرده بوده و کل مکالمات روزمره‌ش رو ضبط می‌کرده. آخر شب هم می‌داده به هوش مصنوعی تا تحلیلش کنه! اون آدم با افتخار می‌گفته: "کلاد از من باهوش‌تره و تفکر انتقادی (Critical Thinking) بهتری داره، پس من کلاً فکر کردنم رو سپردم به اون!" 🎤

3- مرز بین دستیار و از دست دادن استقلال: ما همیشه بین «جواب‌های سریع» و «تفکر عمیق» یه معامله می‌کنیم. وقتی برای هر سوال کوچیک و بزرگی (از اینکه "شام چی بخورم؟" تا سوالات فلسفی و تاریخی) سریع گوشی رو درمیاریم و از AI می‌پرسیم، کم‌کم قدرت استدلال، حدس زدن و بحث کردن رو از دست می‌دیم🗃️

4- داستان سفر پرتغال: یه جای قشنگ مقاله می‌گه با خواهرش تو پرتغال بودن و براشون یه سوال تاریخی/فرهنگی پیش میاد. خواهرش سریع می‌گه "بذار از ChatGPT بپرسم". اما نویسنده می‌گه "نه، بیا اول خودمون فکر کنیم." شروع می‌کنن به حدس زدن، تئوری بافتن، مخالفت با هم و استفاده از اطلاعات دبیرستانشون. بعد از کلی بحث، می‌رن از AI می‌پرسن و می‌بینن خیلی از حدس‌هاشون درست بوده. لذتِ اون «مسیر فکری» دقیقاً چیزیه که داریم با هوش مصنوعی از دستش می‌دیم🗺

5- اگه من کارای روتین رو بدم به AI، زندگیم بهتر نمی‌شه؟ اینم یه زاویه‌ست. خیلیا می‌گن اگه تسک‌های خسته‌کننده (مثل ترجمه داکیومنت یا خلاصه‌سازی) رو بدیم به AI، وقتمون برای تفکر مهم‌تر و جذاب‌تر آزاد می‌شه. اما مشکل اینجاست که مرز بین «اتوماتیک کردن کار» و «تنبل شدن ذهن» خیلی باریکه. مثل دانش‌آموزایی که حل مسئله‌ی فیزیک رو می‌دن به AI؛ درسته که نمره می‌گیرن، اما در نهایت یاد نمی‌گیرن «چطور» به اون جواب برسن👍

حرف آخر:
سوال اصلی اینه که ما دقیقاً داریم چیو اتوماتیک می‌کنیم؟ «کارهای انسانی» رو یا «عاملیت (Agency) و تفکر انسانی» رو؟ استفاده از AI عالیه، ولی یادمون نره که بعضی وقتا حدس زدن، اشتباه کردن و با ذهن خودمون به جواب رسیدن، همون چیزیه که ما رو انسان نگه می‌داره🛡

لینک مقاله‌ی اصلی: https://www.artfish.ai/p/offloading-thinking-to-ai

✉️ t.me/MatinSenPaii
Please open Telegram to view this post
VIEW IN TELEGRAM