خب کمال‌گرایی در این حد توی این فاز کافیست! اصولاً برای اینکه ماست مالی کنن میان با worker و یه شبیه‌سازی ساده‌تر قضیه رو می‌بندن! ولی مهم بود که native از خود سیستم‌عامل کمک بگیریم.

حالا بخش دیتابیس تگرا تقریباً به حد کافی non block I/O شده و این برای پیشروی بخش‌های بعدی عالیست.

وقتی می‌گم کدی که هوش مصنوعی تولید می‌کنه حتماً باید توسط یک متخصص بررسی بشه، منظورم دقیقاً همین چیزهاست.

یکی از ایرادهای رایج هوش مصنوعی اینه که ممکنه ظاهرِ زبان برنامه‌نویسی رو بلد باشه، اما سلیقه، استاندارد و روش درست طراحی در اون زبان رو خوب نفهمه.

مثلاً این کد رو ببینید:

enum class HttpMethod {
    get,
    head,
    post,
    put,
    delete_,
    patch,
    options,
    trace,
    connect,
    unknown,
};

در ظاهر، کد کامپایل می‌شه. شاید حتی چند تا تست ساده هم پاس بشه.
اما از نگاه یک توسعه‌دهندهٔ حرفه‌ای سی‌پلاس‌پلاس، این طراحی تمیز و استاندارد نیست.

چرا؟ چون کلمات کلیدی خود هستهٔ زبان مثل delete، class، concept، requires، module، import و export با حروف کوچک نوشته می‌شن. وقتی شما مقدارهای یک enum رو هم با همین سبکِ حروف کوچک می‌نویسید، احتمال برخورد با کلمات کلیدی زبان بالا می‌ره.

راه حل هوش مصنوعی اینه که میاد یه همچین مزخرفی تولید می‌کنه:

delete_

این چیه آخه بی‌شعور! این چه سبک کد نویسه! خب به این حساس شده چون می‌دونه کلمهٔ کلیدی delete برای آزاد کردن حافظه و حذف کردن شیء استفاده می‌شه.راه‌کارش این بوده که یه _ جلوش بذاره! خاککک عالم بر سرت.

درستش اینه برای enum class که خودش محدودهٔ مشخص داره، شکل تمیزتری داشته باشیم مثل این:

enum class HttpMethod {
    Unknown,
    Get,
    Head,
    Post,
    Put,
    Delete,
    Patch,
    Options,
    Trace,
    Connect,
};

اینجا وقتی می‌نویسیم:

HttpMethod::Delete

هم خواناتر است، هم با کلمات کلیدی زبان قاطی نمی‌شود، هم شبیه وصله‌پینه و راه‌حل موقتی نیست.

جمع‌بندی:
هوش مصنوعی ممکنه کدی تولید کنه که از نظر کامپایلر قابل قبول باشه، اما از نظر طراحی، نام‌گذاری، خوانایی، نگه‌داری بلندمدت و استانداردهای واقعی مهندسی نرم‌افزار، ضعیف باشه.

صد جور می‌تونم ثابت کنم که تولید کد با هوش مصنوعی به معنی قبول کردن خروجی خام اون نیست. شما وقتی یه برنامه می‌نویسی و می‌گی ساختمش یا نوشتمش اما حتی نمی‌دونی قانون استاندارد چی هست یعنی یه آشغال ساختی! به خصوص در مورد زبانهای چند پارادایمی مثل سی++ قرار نیست چون اگه کار می‌کنه پس خوب باشه، باید آموزشش بدی.

یکی رو سیمون ساخته که از کمیتهٔ استاندارد‌سازیه.
یکیشم خودم ساختم! خوبه از همین استفاده کنید حال کنید.

خوبیش اینه که به فارسی هم درک درستی داره چون از من آموزش دیده. 😎

یک خوبی دیگه اینه که علاوه بر نمونهٔ CMake، آخر کدش توصیه به نسخهٔ سنتی رو هم میده.

اینارو بدین به اون اساتید دانشگاه بی‌سوادتون که حداقل ازاین سی++ ۹۸ بکشن بیرون.

صد ساله خزعبلات آموزش ملت میدن وقتی وارد بازار میشن می‌بینن انگار تازه از غار اومدن بیرون.

ما به خاطر شرایط زندگی، فشار اقتصادی و اوضاع مملکت، خیلی وقت‌ها مجبوریم بگیم:

«بابا زیاد کمال‌گرایی نکن، یه چیزی سرهم کن بیاد بالا، زودتر پول بشه بچسبونیم به درد و بدبختیامون.»

این حرف‌ها تا حدی درسته ولی قوائد مهندسی این چیزا حالیش نیست.

کد شلخته و عجله‌ای یعنی یه نقطهٔ کور توی سیستم درست کردی؛ یه جایی که بعداً نمی‌فهمی با تغییر دادنش چی قراره بترکه.

یکی از زیبایی‌های معماری تگرا همینه که هر بخشش باید جداگانه قابل ساختن، تست کردن، توسعه دادن و حتی جایگزین کردن باشه. آره، زمان می‌بره؛ ولی بعداً جلوی کلی هزینه و دردسر رو می‌گیره.

مثلاً اگه فردا سیستم جستجوی تگرا نیاز داشت کامل عوض بشه، نباید مجبور بشیم کل CMS رو زیر و رو کنیم. وقتی معماری درست باشه، همون بخش رو جدا تغییر می‌دی، تست می‌کنی، جایگزین می‌کنی و بقیهٔ سیستم هم سر جاش می‌مونه.

مثل موتور ماشینه؛ اگه مشکل از پیستونه، باید بتونی همون قطعه رو عوض کنی، نه اینکه کل موتور رو باز کنی بندازی زمین فقط برای یه ایراد مشخص.

این کمال‌گرایی نیست؛ این اصول معماریه.

من بارها دیدم وقتی معماری درست نیست، بعداً حتی برای یه تغییر کوچیک هم جرأت نمی‌کنی به سیستم دست بزنی. چون می‌دونی ممکنه یه جای دیگه رو خراب کنه، سرویس مشتری بخوابه یا حتی یه مشکل امنیتی درست بشه. بعد سیستم تبدیل می‌شه به چیزی که فقط با ترس نگهش می‌داری، نه با اطمینان توسعه‌اش بدی.

تگرا باید از اول با همین نگاه ساخته بشه:
ظاهرش تمیز، معماریش دقیق، اجراییش قابل اعتماد.

این چیزارو باید کرد تو مغز اونی که با AI هوا هوا می‌کنه فکر می‌کنه چون یه خروجی گرفته پس شده طراح!
والاما سال‌ها درسشو باید بخون اینطوری نیست که چون یه چیزی اجرا میشه پس مناسبِ یک محصول شدن هست.

ببخشید ولی کم پُز کدهای شلخته‌پلخته بدین باهاش محتوا درست کنید که بیابگم چطوری اینو بسازی! چقدر محتوای چرند آخه؟ هرچند بازار با همین چرندیات بازاره‌ها... ولی خب آینده‌نگری هم لازم است.

کدهایی که می‌نویسد، اگه مهندسی نباشن اکثر مواقع یک ریال هم ارزش ندارن! حالا بماند اون بدبختی که پول میده بهش رو چطور خر فرض کردین، بیچاره مشتری...

دستم خورد کل GPT برای سی++ رو حذف کردم! نه پیامی نه هشداری!!!

هیچ راه بازیابی نداشت مجبور شدم مدل رو دوباره بسازم!

لینک جدید:

https://chatgpt.com/g/g-6a4a5321aa6c81919db8ad13b87530d8-modern-c

یکم باهاش چت کنید توی فهرست بیاد بالا 😑

در کل این GPT App چیز خوبیه! به عنوان استاد یا کسی که می‌تونید آموزشی بدین می‌تونید مدل رو آموزش بدین بقیه ازش سوال کنن!

عین یه منتور :) چیزای جالبی دارم پیدا می‌کنم.

امروز بخش مدیریت زبان و محتوای تگرا کمی پیچیدگی داشت! چون یکی از مهم‌ترین بخش‌های مدیریت محتواست.

خبر خوش اینکه از همون نسخهٔ ابتدایی زبان‌ها رو بر مبنای استاندارد پشتیبانی می‌کنه.

این ویژگی به عنوان یک بخش مهمی از هستهٔ سیستم هست که اجازه میده بخش‌های مختلف رو روی ترجمه مدیریت کنه:

۱) محتوای درون بانک اطلاعاتی، مثل خبر، لینک، عنوان، موضوع یا هر چیزی.
۲) محتوای درون سیستمی، مانند استثناء‌ها، پیام‌ها یا هر چیزی که به عنوان یک پیام از سمت سیستم ساطع می‌شه.
۳) پشتیبانی از هوش مصنوعی و مدل مشخص (سفارشی شده) در بخش مدیریت که اجازه خواهد داد در کمترین زمان مملکن محتوا رو به زبان مورد نظر ترجمه کنه.

هر سه بخش به ترتیب از روی لینک‌های درون سیستمی تحت فایل json تجزیه می‌شن و محتوا در درون جداول دیتابیس مربوط به هر ماژول نگه‌داری می‌شه.

یک موردی هم که در نظر دارم پشتیبانی از سیستم هوشمند صوتی هست و پوشش دادن یک سری محتوا مختص نابینایان و نا شنوایان. این بخشش پیچیدست ولی توی برنامه خواهیم داشت.

ساختار سادست، فرض بگیریم چنین کدی خواهیم داشت:

auto key = MessageKey::parse("content.slug.conflict");

این درون سیستم به هیچ محتوا یا متن صریحی اشاره نداره، صرفاً یک کلید دسترسی به یک رشتهٔ مشخص در مسیر مشخصه.

سیستم صد در صد به صورت پویاست.

ساختار فایل JSON:

{
  "content": {
    "slug": {
      "conflict": "The slug \"{slug}\" is already used."
    }
  }
}

نمونه مسیری از ساختار فایل‌های ترجمه:

locales/
  en/
    core.json
    content.json
  fa/
    core.json
    content.json

مثال از ساختار هدایت کننده در پیوند‌ها:

eng
en
fa
per
fa-IR
en-US
en-us
zh-Hant-TW

https://yourwebsite.com/en-us/news
https://yourwebsite.com/fa-ir/news
https://yourwebsite.com/fa-ir/خبر
https://yourwebsite.com/fa-ir/دربارهٔ-ما

این موضوع در بحث SEO سازی به زبان موقعیت جغرافیایی و زبان سیستم مهمه.
همچنین رشته‌ها به یونیکد ترجمه می‌شن تا از نظر زبان انسانی قابل درک‌تر باشه؛ هرچند در پس زمینه به کد‌های سطح پایین‌تر تبدیلشون می‌کنم.