دوره آموزشی تسلط بر توسعه نرمافزار با کمک هوش مصنوعی
2 ساعت 22 دقیقهمتوسط2026-05-28
مدرسین

Addy Osmani
جزئیات دوره
توسعه نرمافزار با کمک هوش مصنوعی در حال تبدیل شدن به یکی از مهمترین مهارتهای مهندسی مدرن است. در این رویکرد، هوش مصنوعی تنها ابزاری برای تولید سریع کد نیست؛ بلکه بهعنوان یک همکار مهندسی (Engineering Collaborator) عمل میکند که میتواند فرآیند طراحی، حل مسئله، بهبود کیفیت کد و چرخههای توسعه را سریعتر و هوشمندانهتر کند.
در این دوره، یاد میگیرید چگونه از AI بهعنوان یک ضریبدهنده توانایی مهندسی (Engineering Multiplier) استفاده کنید؛ بهگونهای که هوش مصنوعی به شما در تفکر طراحی، تحلیل مسائل پیچیده، ساخت راهکارها و تحویل سریعتر نرمافزارهای باکیفیت کمک کند.
در ابتدای دوره، با اصول استفاده حرفهای از AI در چرخه توسعه نرمافزار آشنا میشوید و یاد میگیرید چگونه مسائل را به شکلی ساختاریافته برای مدلهای هوش مصنوعی تعریف کنید تا خروجیهای دقیقتر و قابلاعتمادتری دریافت نمایید.
سپس با تکنیکهای پیشرفته مهندسی پرامپت (Prompt Engineering) و طراحی روالهای چندمرحلهای پرامپت (Multi-Step Prompting Routines) آشنا میشوید؛ روشهایی که به شما کمک میکنند مدلهای AI را برای انجام وظایف پیچیدهتر مانند طراحی معماری، تحلیل کد، رفع خطا و توسعه قابلیتهای جدید هدایت کنید.
در ادامه، نحوه ادغام دستیارهای هوش مصنوعی با ابزارهای فعلی توسعه نرمافزار، محیطهای برنامهنویسی و فرآیندهای کاری تیمهای مهندسی بررسی میشود. همچنین یاد میگیرید چگونه AI را در ابزارهای روزمره خود بهگونهای به کار بگیرید که باعث افزایش سرعت و کیفیت توسعه شود.
یکی از بخشهای مهم دوره، کنترل کیفیت خروجیهای تولیدشده توسط AI است. یاد میگیرید چگونه کدهای تولیدشده توسط هوش مصنوعی را بررسی، اشکالزدایی، ارزیابی و بهبود دهید تا استانداردهای امنیت، قابلیت اطمینان و نگهداریپذیری نرمافزار حفظ شوند.
این دوره با استفاده از آزمایشگاههای عملی، گردشکارهای هدایتشده، تمرینهای طراحی معماری و مطالعات موردی واقعی، به شما کمک میکند تا مهارت استفاده از AI را از سطح «استفاده از ابزار» به سطح مدیریت و هدایت هوش مصنوعی در فرآیند مهندسی ارتقا دهید.
در پایان دوره، دیگر تنها از AI برای نوشتن کد استفاده نمیکنید؛ بلکه یاد میگیرید چگونه از آن برای تفکر بهتر، طراحی هوشمندانهتر، ساخت سریعتر و ارائه نرمافزارهای باکیفیتتر بهره ببرید.
این دوره برای توسعهدهندگان نرمافزار، مهندسان ارشد، معماران نرمافزار، Tech Leadها، تیمهای مهندسی و افرادی که میخواهند توانایی توسعه نرمافزار خود را با استفاده از هوش مصنوعی چند برابر کنند مناسب است.
🎯 اهداف یادگیری
بهکارگیری گردشکارهای پیشرفته هوش مصنوعی در تمام مراحل چرخه توسعه نرمافزار
طراحی الگوهای همکاری مؤثر میان انسان و هوش مصنوعی در فرآیند مهندسی
ساخت و مدیریت روالهای چندمرحلهای پرامپت برای حل مسائل پیچیدهتر
ارزیابی، اشکالزدایی و بهبود کدهای تولیدشده توسط مدلهای هوش مصنوعی
استفاده از AI برای افزایش کیفیت، امنیت و قابلیت اطمینان نرمافزارها
ساخت نمونههای اولیه سریع و قابل توسعه با استفاده از توسعه مبتنی بر AI
تسلط بر اکوسیستم ابزارهای توسعه نرمافزار مبتنی بر هوش مصنوعی
ایجاد استانداردهای شخصی و تیمی برای استفاده حرفهای از AI در توسعه
حفظ مالکیت مهندسی، قضاوت انسانی و کنترل کیفیت در فرآیندهای AI-Assisted Development
درک اصول اخلاقی، ریسکها و پیامدهای بلندمدت استفاده از هوش مصنوعی در مهندسی نرمافزار
در این دوره، یاد میگیرید چگونه از AI بهعنوان یک ضریبدهنده توانایی مهندسی (Engineering Multiplier) استفاده کنید؛ بهگونهای که هوش مصنوعی به شما در تفکر طراحی، تحلیل مسائل پیچیده، ساخت راهکارها و تحویل سریعتر نرمافزارهای باکیفیت کمک کند.
در ابتدای دوره، با اصول استفاده حرفهای از AI در چرخه توسعه نرمافزار آشنا میشوید و یاد میگیرید چگونه مسائل را به شکلی ساختاریافته برای مدلهای هوش مصنوعی تعریف کنید تا خروجیهای دقیقتر و قابلاعتمادتری دریافت نمایید.
سپس با تکنیکهای پیشرفته مهندسی پرامپت (Prompt Engineering) و طراحی روالهای چندمرحلهای پرامپت (Multi-Step Prompting Routines) آشنا میشوید؛ روشهایی که به شما کمک میکنند مدلهای AI را برای انجام وظایف پیچیدهتر مانند طراحی معماری، تحلیل کد، رفع خطا و توسعه قابلیتهای جدید هدایت کنید.
در ادامه، نحوه ادغام دستیارهای هوش مصنوعی با ابزارهای فعلی توسعه نرمافزار، محیطهای برنامهنویسی و فرآیندهای کاری تیمهای مهندسی بررسی میشود. همچنین یاد میگیرید چگونه AI را در ابزارهای روزمره خود بهگونهای به کار بگیرید که باعث افزایش سرعت و کیفیت توسعه شود.
یکی از بخشهای مهم دوره، کنترل کیفیت خروجیهای تولیدشده توسط AI است. یاد میگیرید چگونه کدهای تولیدشده توسط هوش مصنوعی را بررسی، اشکالزدایی، ارزیابی و بهبود دهید تا استانداردهای امنیت، قابلیت اطمینان و نگهداریپذیری نرمافزار حفظ شوند.
این دوره با استفاده از آزمایشگاههای عملی، گردشکارهای هدایتشده، تمرینهای طراحی معماری و مطالعات موردی واقعی، به شما کمک میکند تا مهارت استفاده از AI را از سطح «استفاده از ابزار» به سطح مدیریت و هدایت هوش مصنوعی در فرآیند مهندسی ارتقا دهید.
در پایان دوره، دیگر تنها از AI برای نوشتن کد استفاده نمیکنید؛ بلکه یاد میگیرید چگونه از آن برای تفکر بهتر، طراحی هوشمندانهتر، ساخت سریعتر و ارائه نرمافزارهای باکیفیتتر بهره ببرید.
این دوره برای توسعهدهندگان نرمافزار، مهندسان ارشد، معماران نرمافزار، Tech Leadها، تیمهای مهندسی و افرادی که میخواهند توانایی توسعه نرمافزار خود را با استفاده از هوش مصنوعی چند برابر کنند مناسب است.
🎯 اهداف یادگیری
بهکارگیری گردشکارهای پیشرفته هوش مصنوعی در تمام مراحل چرخه توسعه نرمافزار
طراحی الگوهای همکاری مؤثر میان انسان و هوش مصنوعی در فرآیند مهندسی
ساخت و مدیریت روالهای چندمرحلهای پرامپت برای حل مسائل پیچیدهتر
ارزیابی، اشکالزدایی و بهبود کدهای تولیدشده توسط مدلهای هوش مصنوعی
استفاده از AI برای افزایش کیفیت، امنیت و قابلیت اطمینان نرمافزارها
ساخت نمونههای اولیه سریع و قابل توسعه با استفاده از توسعه مبتنی بر AI
تسلط بر اکوسیستم ابزارهای توسعه نرمافزار مبتنی بر هوش مصنوعی
ایجاد استانداردهای شخصی و تیمی برای استفاده حرفهای از AI در توسعه
حفظ مالکیت مهندسی، قضاوت انسانی و کنترل کیفیت در فرآیندهای AI-Assisted Development
درک اصول اخلاقی، ریسکها و پیامدهای بلندمدت استفاده از هوش مصنوعی در مهندسی نرمافزار
مهارت ها
AI for Personal ProductivityAI Productivity and Everyday UseProgramming FoundationsBusiness Software and ToolsSoftware DevelopmentOne-Off
سرفصل ها
مقدمه
- ارتقای گردش کار هوش مصنوعی شما
- مرور کلی و تنظیمات دوره
کدنویسی پیشرفته Vibe
- چه چیزهایی ممکن است - کدنویسی پیشرفته ویبره
- تنظیمات کاربر قدرتمند کلود کد
- ساخت سریع پروژههای چشمگیر
بررسی عمیق مهارتهای عامل (Agent Skills)
- مهارتهای عامل - مهارت طراحی رابط کاربری
- مهارت PPTX و نوشتن خودتان
- دستورات اسلش سفارشی و اتوماسیون گردش کار
MCP - تمدید نمایندگی شما
- MCP و Context7 - مستندات زنده
- Chrome DevTools MCP - اشکال زدایی مرورگر
- ساخت یک سرور MCP سفارشی
الگوهای عامل خودمختار
- حلقه RALPH - عوامل خود-بهبوددهنده
- وابستگیهای وظایف به یکدیگر در جلسه متقابل
- برنامهریزی چند مرحلهای برای بازسازیهای بزرگ
الگوی ارکستراسیون
- از رهبر ارکستر تا ارکستراسیون
- نمایندگان فرعی - واگذاری امور به متخصصان
- هماهنگی موازی تیمهای عامل
- اپلیکیشن فولاستک با تیمهای نمایندگی
گردشهای کاری تولید
- رسانههای مولد برای برنامههای شما
- تست و اشکالزدایی مبتنی بر هوش مصنوعی
- دفترچه راهنمای توسعه هوش مصنوعی شما