دیروز رسماً کل غرور حرفه‌ایم خاکشیر شد؛ پایان توهمی به اسم کدنویسی

رفیقی عزیزی دارم که حتی نمی‌تونه کلمه Deployment رو درست تلفظ کنه. فرق Array و Object رو نمی‌دونه و تو عمرش یه خط کد هم ننوشته. دیروز دیدم با استفاده از Google AI Studio و فقط با چت کردنِ ساده (همون Vibe Coding)، یه سیستم کاملِ جمع‌آوری و فیلتر دیتای تلگرامی برای یه گروه شلوغ بالا آورده.

مثل ساعت کار می‌کرد؛ بدون باگ، بدون قطعی.

منِ برنامه‌نویس سال‌ها جون کندم، چشمم رو پای مانیتور گذاشتم، روی Clean Code تعصب داشتم و دیزاین‌پترن حفظ کردم… بعد اون آدم فقط تو ۴ ساعت با هوش مصنوعی گپ زد و خروجی گرفت!

می‌دونم الان همکارام و بقیه دولوپرها میان تو کامنت‌ها تیکه‌پاره‌ام می‌کنن که:
تو دیگه چرا این حرفو می‌زنی؟ معماری چی پس؟ امنیت کشکه؟ این سیستم می‌تونه یه میلیون کاربر رو هندل کنه؟

رفقا، بیاید حداقل با خودمون روراست باشیم و الکی به همسترینگِ خودمون دلداری ندیم!

مگه چند درصدِ بازارِ کارِ من و شما، ساختن نتفلیکس و آمازون و سیستم‌های High-Load عه؟ ۸۰ درصد چیزی که ما اسمش رو گذاشتیم مهندسی نرم‌افزار، تهش وصل کردن چهار تا API، جابجایی دیتا و یه CRUD ساده‌ست.
کارفرما و صاحب بیزینس، خروجی و سرعت می‌خواد. براش مهم نیست من چقدر دیزاین‌پترن‌ها رو قشنگ پیاده کردم. وقتی یه آدم کاملاً غیرفنی با Vibe Coding می‌تونه نیازهای روتین بازار رو تو چند ساعت و با هزینه صفر دربیاره، چرا باید به منِ نوعی که جونیور یا میدل‌لول هستم حقوق بده؟

ما برای اون ۵ درصد معماری‌های پیچیده و خفن شمشیر می‌زنیم، در حالی که AI همین الان ۸۰ درصدِ کف بازار رو بلعیده.

دوران سینتکس‌نویسی و پنهان شدن پشت اصطلاحات قلمبه‌سلمبه تموم شد.

بیاید همینجا دعوا کنیم:

به نظرتون ما برنامه‌نویس‌ها هنوز توهم داریم که مهارتمون یه هنر غیرقابل جایگزینه؟ یا جرات داریم بپذیریم که اگه فقط یه کدنویس بمونیم، تا دو سال دیگه تاریخ انقضامون می‌رسه؟

🔗 LinkedIn

مهندس نرم‌افزار هستید یا فقط یک تایپیستِ کد؟

ماه‌ها درگیر ترجمه و بررسی فصل‌به‌فصل کتاب The Clean Coder اثر رابرت سی. مارتین بودم. این کتاب نه درباره‌ی سینتکس است و نه فریم‌ورک؛ بلکه درباره‌ی شخصیت و صفت ما به عنوان یک متخصص است.
امروز، خلاصه این مانیفست بزرگ را در ۱۰ اصل جمع‌بندی می‌کنم. این چک‌لیستی است که مرز میان یک برنامه‌نویس آماتور و یک Software Craftsman را مشخص می‌کند:

مانیفست ۱۰ گانه‌ی عمو باب برای حرفه‌ای‌ها:

1️⃣ مسئولیت تام خرابکاری‌ها: اگر غیرحرفه‌ای اشتباه کند، کارفرما تاوان می‌دهد. اما وقتی حرفه‌ای اشتباه کند، خودش خسارت را جمع می‌کند و مسئولیت باگ‌هایش را می‌پذیرد.
2️⃣ قانون اول (آسیب نزن): فرستادن کدی که از تستش مطمئن نیستی به واحد QA، نهایت بی‌انضباطی است. QA برای اطمینان نهایی است، نه برای شکار اشتباهات بدیهی ما!
3️⃣ دفاع از کیفیت کد: سریع و کثیف یک دروغ بزرگ است. کثیف‌کاری همیشه سرعت تیم را در آینده نزدیک صفر می‌کند. شکستن اصول مهندسی زیر فشار ددلاین، خیانت به بیزینس است.
4️⃣ شجاعت در نه گفتن: حرفه‌ای‌ها حقیقت را به قدرت مدیران می‌گویند. وقتی کاری غیرممکن است، بگو غیرممکن است. چیزی به نام سعی می‌کنموجود ندارد؛ سعی می‌کنم یعنی آماده شدن برای شکست!
5️⃣ زبانِ تعهد: کلمات مبهم مثل امیدوارم، باید انجام بشه یا کاش را حذف کن. یک حرفه‌ای قطعی صحبت می‌کند: من این تسک را تا روز سه‌شنبه ساعت ۱۲ تحویل می‌دهم.
6️⃣ قانون ۴۰/۲۰ در اخلاق کاری: کارفرما وظیفه ندارد برای تیز کردن اره‌ی تو و آپدیت رزومه‌ات پول بدهد. ۴۰ ساعت در هفته برای کارفرما کار کن، ۲۰ ساعت در هفته در زمان شخصی‌ات مطالعه و تمرین Kata کن.
7️⃣ فرار از تله‌ی ناحیه جریان (Flow Zone): خلسه و تمرکز تونلی موقع کد زدن، دید کلان معماری را از تو می‌گیرد. برای فرار از این تله و حذف سیلوهای دانش، Pair Programming کن.
8️⃣ هرم اتوماسیون تست: تست کردن، نوشتن چند تست واحد پراکنده نیست. پایداری سیستم نیازمند لایه‌های هماهنگ از تست‌های واحد بالای ۹۰٪، تست مؤلفه، یکپارچه‌سازی و تست سیستم است.
9️⃣ بیزینس را بفهم: بدترین کار این است که خودت را در مقبره‌ای از تکنولوژی دفن کنی، در حالی که بیزینسی که به تو پول می‌دهد در حال سقوط است. وظیفه تو شناور نگه داشتن کشتی کسب‌وکار است.
🔟 مسئولیت بزرگان برای جوانان: دانشگاه تئوری علوم کامپیوتر را می‌گوید، اما مهندسی واقعی را نه! وظیفه اخلاقی مهندسان ارشد این است که جونیورها را زیر بال و پر خود بگیرند و منتور کنند.
تغییر و پذیرش این اصول، بیشتر از آنکه یک تصمیم عقلانی باشد، یک بلوغ انسانی و شخصیتی است.


کلام آخر: اگر کلاهتان را قاضی کنید، صادقانه در کدام‌یک از این ۱۰ اصل هنوز ضعف دارید و فکر می‌کنید چالش بزرگ‌تری در بازار کار فعلی ماست؟

چرا کلود بعضی وقتا رو اعصابه؟ چون داریم اشتباه ازش استفاده می‌کنیم!


کلود (Claude) فقط یه چت‌باکس ساده نیست؛ ۱۰ قابلیت متمایز داره که اگه ابزار رو با وظیفتون هماهنگ کنید، سرعتتون چند برابر میشه. این ۱۰ روشیه که میشه از کلود استفاده کرد:

1️⃣ گپ‌وگفت و ایده‌پردازی (Ask → Claude Chat)
همون حالت عادی و رفیق فکری شماست. برای ایده‌گرفتن، تحقیق، ویراستاری یا خرد کردن یه مشکل بزرگ به مراحل کوچیک عالیه.

2️⃣ تحلیلِ عمیق و منطقی (Analyze → Extended Thinking)
زمانی این رو روشن کنید که منطق و «چرا»ی جواب، به اندازه خودِ جواب مهمه؛ مثل تست استرسِ یه تصمیم مهم قبل از نهایی کردنش.

3️⃣ خلق کردن و کدنویسی (Create → Claude Code)
برای نوشتن، دباگ یا فهمیدن کدهای برنامه‌نویسی وسط کارتون ساخته شده. حتی غیربرنامه‌نویس‌ها هم می‌تونن باهاش ابزارهای روتینِ کاری بسازن.

4️⃣ سپردنِ کامل کار (Delegate → Claude Cowork)
کارهای تکراری و روتین (مثل پردازش متن یا پیدا کردن گزینه‌های هتل و قرار ملاقات در زمانی مشخص) رو کاملاً تفویض کنید و بسپارید به کلود.

5️⃣ چت با وب‌سایت (Search → Claude in Chrome)
با افزونه کروم، کلود صفحه‌ای که توش هستید رو می‌بینه؛ برای پر کردن فرم‌های طولانی یا استخراج داده از داشبوردها بدون نیاز به کپی-پیست.

6️⃣ وصل کردنِ ابزارها (Sync → Connectors)
اتصال کلود به ۲۰۰ اپلیکیشن روتین مثل Gmail، Slack و Notion تا به جای جابجایی بین چند برنامه، همه‌چیز رو یک‌جا جمع کنید.

7️⃣ کنترل از راه دور (Control → Dispatch & Claude Computer)
تسک رو با گوشی بفرستید تا روی دسکتاپتون اجرا بشه. مثلاً وقتی تو ماشینید، کلود روی دسکتاپ اسناد رو برای جلسه بعدی آماده می‌کنه.

8️⃣ مدیریت پروژه (Store → Projects)
برای هر کار تکراری (مثل خبرنامه یا اسکریپت یوتیوب) یه پروژه بسازید و فایل‌ها رو یک‌بار بهش بدید تا دیگه نیاز به توضیح دوباره نباشه.

9️⃣ استانداردسازیِ خروجی (Standardize → Skills)
وقتی می‌خواید کلود هر بار دقیقاً از یه فرآیند و متد مشخص (مثل پاک‌سازی داده‌ها) پیروی کنه، بدون اینکه نیاز باشه هر بار پرامپت طولانی بنویسید.

🔟 تحقیقِ عمیق و جدی (Explore → Deep Research)
برای زمان‌هایی که پاسخ سطحی کافی نیست؛ برای مقایسه منابع، عمیق شدن تو موضوع و رسیدن به جواب‌های قابل اعتماد و مستند.

خلاصه حرفام: اونایی که بیشترین استفاده رو از کلود می‌برن، اول می‌پرسن: من الان دقیقاً می‌خوام چه نوع کاری انجام بدم؟ و بعد قابلیت همون کار رو باز می‌‌کنن.

رشدِ سریع توی لینکدین فقط و فقط از یه «سیستم میاد.

شما هم می‌تونید این سیستم رو در ۳ مرحله کپی کنید:

بزرگ‌ترین اشتباه اینه که هر بار تولید محتوا رو از صفر (از یه صفحه سفید) شروع کنید. این سیستم برعکس عمل می‌کنه؛ از چیزهایی شروع می‌کنه که قبلاً جواب پس دادن.

📌 مرحله اول: تحلیل و رصد (Analyse)

ایده‌های موفق رو پیدا کنید:
۱. برید سراغ Claude Cowork.
۲. وصلش کنید به ابزار Apify.
۳. یه تسکِ زمان‌بندی‌شده براش بسازید.

از یه همچین پرامپتی استفاده کنید:
با استفاده از Apify، یه تحلیل روی [این پروفایل‌ها] انجام بده و تعداد ری‌اکشن‌های هر پست رو دربیار. اطلاعات رو همراه با تاریخِ پست‌ها توی یه فایل گوگل شیت (Google Sheet) مرتب کن.

بذارید این فرآیند هر هفته در پس‌زمینه اجرا بشه. حالا شما هر هفته کلی ایده دارید که مطمئنید قبلاً ویرال شدن و جواب دادن!

💡 نکته رفاقتی:
- من پست‌های خوب رو با لینکشون تو نوت‌بوکم ذخیره می‌کنم.
- از پست‌هایی که خوب کار کردن تو گوشیم اسکرین‌شات می‌گیرم.
- وقتی می‌خوام بنویسم، اینا میشن مخزنِ الهام من (Swipe File). اگه مثل من همیشه آنلاینید، می‌تونید این کار رو دستی هم انجام بدید.

📌 مرحله دوم: انتخاب ایده (Pick)

تولید محتوا چهار تا سطح از اصالت (Originality) داره. قبل از نوشتن، سطح خودت رو انتخاب کن:

۱. قرض گرفتن یه المان: مثلاً فقط فرمت یا موضوعِ یه پست دیگه رو بردار.
۲. ترکیب طلایی: یه ایده موفق رو با یه فرمتِ موفقِ دیگه ترکیب کن.
۳. شکار ترندها: یه ترند رو زود شناسایی کن و نظر خودت رو بهش اضافه کن.
۴. اصالت ۱۰۰ درصدی: ایده خودت، فرمت خودت! (برای رسیدن به این لایه، باید لایه‌های قبلی رو کلی تکرار کرده باشی).

یادت باشه: از یه پست موفق فقط به عنوان جرقه و ایده استفاده کن، نه به عنوان یه قالبِ آماده (Template) برای کپی کردن!

📌 مرحله سوم: ساختن (Make)

۱. ابزار Stanley رو باز کنید
(https://lnkd.in/eDh9YRNc).
۲. ایده‌تون رو با Wispr Flow به صورت صوتی بگید.
۳. ابزار Stanley پست رو با لحنِ خودتون می‌نویسه.
۴. گرافیک یا تصویر پست رو تو سایز استاندارد (۱۳۵۰×۱۰۸۰) براتون طراحی می‌کنه.
۵. پست جدید رو بر اساس بهترین پست‌های قبلیتون امتیازدهی می‌کنه.

انقدر این چرخه رو تکرار کنید تا بره تو ضمیر ناخودآگاهتون. این یعنی تولید محتوای موفق با کمک هوش مصنوعی. ابزار Stanley کل این سیستم رو براتون هندل می‌کنه.

🎉 نسخه پیش‌نمایش جدید دات‌نت منتشر شد

جزئیات بیشتر

۱۰ کتابی که شما را به یک مهندس هوش مصنوعی (AI Engineer) فوق‌العاده تبدیل می‌کنند:

اگر می‌خواید از سطح یه کاربر ساده فراتر برید و سیستم‌های واقعی بر پایه هوش مصنوعی بسازید، این لیست بهترین نقشه راهه:

1️⃣ Building LLMs for Production
2️⃣ AI Engineering
3️⃣ Designing Machine Learning Systems
4️⃣ Build a Large Language Model
5️⃣ Designing Data-Intensive Applications
6️⃣ LLM Engineer's Handbook
7️⃣ Deep Learning
8️⃣ Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow
9️⃣ Prompt Engineering for LLMs
🔟 Introduction to Statistical Learning


به نظر شما چه کتاب دیگه‌ای باید به این لیست اضافه بشه؟ اگر کتاب خفنی توی این حوزه خوندید که جاش اینجا خالیه، حتماً توی کامنت‌ها بنویسید.

🐻 عصر کدنویسی دستی تموم شد؛ به دنیای جدید خوش اومدید!

بچه‌ها سلام. تغییر اسم و عکس چنل، شروع یک مسیر جدیده.
واقعیت اینه که دیگه دوران کلنجار رفتن با کدهای فرسایشی گذشته. از این به بعد توی چنل آخرین کدنویس، فرقی نمی‌کنه چه تخصصی دارید؛ هدف اینه که یاد بگیریم چطور با ابزارهای هوش مصنوعی، سرعت کارمون رو چند برابر کنیم.

لینک چنل رو برای همکارهاتون بفرستید تا با هم جلو بریم:

🆔@lastcoderworld

داک‌داک‌گو(https://duckduckgo.com) برمی‌خیزد:
رشد ۲۸ درصدی بازدید از داک‌داک‌گو بجای استفاده از هوش مصنوعی جدید گوگل.
پیشنهاد میکنم رفرنس بهراد رو بخونید و با اینکه آرشیو شده مطالب اما یکی از منابع های خیلی خوب تو حوزه تکنولوژی محسوب میشه.
شاید ادامه راه بهراد رو بریم...
قسمت صفرم:
#در_مسیر_ناشناسی
البته تو ایران اولین چیزی که قطع میشه همین داک‌داک‌گو هستش.
لینک خبر
@shayangeedook