دوره آموزشی کدنویسی عملی با Codex: گردش‌کارهای کدنویسی عامل‌محور

با گسترش AI Coding Agents، توسعه‌دهندگان می‌توانند بخش قابل‌توجهی از کارهای نرم‌افزاری را به عامل‌های هوش مصنوعی بسپارند؛ از بررسی Repository و تغییر کد گرفته تا اجرای تست‌ها و انجام وظایف چندمرحله‌ای. اما واگذاری کار به یک Agent صرفاً با تعریف یک هدف کلی، تضمینی برای نتیجه مطلوب نیست. برای استفاده مؤثر از این ابزارها باید بتوانید وظایف را به‌درستی تعریف، محدوده دسترسی را کنترل و خروجی نهایی را ارزیابی کنید.

در این دوره، Dr. Isil Berkun با استفاده از OpenAI Codex و در قالب یک پروژه عملی، ساخت یک اپلیکیشن Habit Tracking را دنبال می‌کند و هم‌زمان یک چارچوب کاربردی برای نظارت و مدیریت AI Agentها آموزش می‌دهد.

در طول دوره یاد می‌گیرید چگونه Acceptance Criteria مشخصی تعریف کنید، دستورالعمل‌های لازم را در اختیار Repository قرار دهید، برنامه‌های اجرایی تولیدشده توسط AI را بررسی کنید و برای Agentها Permission و Approval مناسب تعیین کنید. همچنین با روش‌های بررسی خروجی، شناسایی خطا و جلوگیری از Scope Drift آشنا می‌شوید.

تمرکز دوره تنها بر توانایی‌های فنی Codex نیست؛ بلکه بر حفظ Engineering Judgment در فرایند توسعه تأکید دارد. با انجام چالش‌های تعاملی CoderPad، فرصت خواهید داشت معیارهای پذیرش بنویسید و تغییرات کد تولیدشده توسط AI را بررسی کنید. در پایان، یک فرایند قابل تکرار برای واگذاری وظایف برنامه‌نویسی به AI Agentها خواهید داشت که کیفیت، ریسک و محدوده پروژه را تحت کنترل نگه می‌دارد.

اهداف یادگیری
تعریف Acceptance Criteria برای وظایف توسعه نرم‌افزار با کمک AI
واگذاری وظایف پیاده‌سازی به AI Coding Agents با استفاده از OpenAI Codex
ارائه دستورالعمل‌های مناسب به Repository برای هدایت عملکرد Agent
بررسی و ارزیابی Implementation Planهای تولیدشده توسط AI
تعیین Approval و Permission مناسب برای کنترل فعالیت‌های Agent
ایجاد محدوده دسترسی ایمن برای AI Coding Agents
بررسی و تأیید راهکارهای تولیدشده توسط AI بر اساس Requirements
شناسایی Scope Drift و جلوگیری از انحراف Agent از اهداف پروژه
بازیابی و اصلاح مسیر پروژه در صورت خروج Agent از محدوده تعیین‌شده
به‌کارگیری چارچوب Define, Delegate, Gate, Verify, Recover در پروژه‌های Agentic Coding