JSMastery – Agentic Engineering Course 2026-10

در تاریخ: 1405/08/10 3:58:19

توضیحات

Agentic Engineering Course، دوره آموزش مهندسی عامل‌محور توسط آکادمی JSMastery منتشر شده است.دوره مهندسی عامل‌محور، یک گردش کار مهندسی کامل و تکرارپذیر برای ساخت نرم‌افزار واقعی با عامل‌های کدنویسی هوش مصنوعی آموزش می‌دهد. به جای تکیه بر پرامپت‌های پراکنده یا کدنویسی مبتنی بر حدس و امید، یاد می‌گیرید عامل‌های هوش مصنوعی را هدایت کنید و در عین حال مسئولیت تصمیم‌های معماری، قضاوت فنی و کیفیت کد را بر عهده داشته باشید. این دوره نحوه عملکرد عامل‌های کدنویسی، مهندسی زمینه، پنجره‌های زمینه و افت کیفیت زمینه، ابزارها، MCP، عامل‌های فرعی، مهارت‌های قابل استفاده مجدد و حافظه پروژه از طریق فایل‌هایی مانند AGENTS.md و CLAUDE.md را پوشش می‌دهد. همچنین بر نوشتن مشخصات و ثبت تصمیم‌ها پیش از شروع کدنویسی، درک اطلاعاتی که هوش مصنوعی می‌تواند یا نمی‌تواند مشاهده کند و حفظ زمینه قابل اعتماد در جلسات مختلف تأکید دارد. این گردش کار با ابزارهایی مانند Claude Code، Cursor، Codex و Gemini CLI سازگار است.

در این دوره، گردش کار را در 3 سناریوی عملی به کار می‌گیرید: شروع یک پروژه از پوشه‌ای خالی، اعمال تغییرات در یک برنامه موجود و کار با یک پایگاه کد قدیمی و بزرگ که خودتان آن را ننوشته‌اید. دوره یک گردش کار 9 مرحله‌ای را معرفی می‌کند: تعیین محدوده وظایف، بررسی پروژه واقعی، طراحی معماری، توسعه پیاده‌سازی، بازبینی تغییرات، آزمودن رفتار، مستندسازی تصمیم‌ها، هماهنگی با تیم و اشکال‌زدایی ریشه‌ای. یاد می‌گیرید کار را به وظایف کوچک و مرتب تقسیم کنید، از قراردادها و الگوهای پروژه پیروی کنید، کد را از نظر نوع داده‌ها، موارد مرزی و امنیت بررسی کنید، آزمون‌ها را اجرا کنید، مستندات و گزارش تغییرات را به‌روز نگه دارید، درخواست‌های ادغام را آماده کنید، خطاها را بازتولید کنید و از بازگشت مشکلات جلوگیری کنید. این دوره برای توسعه‌دهندگانی مناسب است که توانایی کدنویسی دارند، می‌توانند به‌تنهایی یک قابلیت کوچک بسازند و در سطح مقدماتی با ترمینال کار کنند؛ آشنایی قبلی با چارچوب نرم‌افزاری یا ابزار خاصی برای کدنویسی با هوش مصنوعی ضروری نیست.

آنچه خواهید آموخت

درک رویکرد مهندسی عامل‌محور و تفاوت آن با کدنویسی مبتنی بر پرامپت و کدنویسی مبتنی بر حدس و امید.
درک نحوه عملکرد عامل‌های کدنویسی، از جمله چرخه عامل، پنجره‌های زمینه، افت کیفیت زمینه و مصرف توکن.
به‌کارگیری مهندسی زمینه و حفظ دانش پروژه با استفاده از فایل‌هایی مانند AGENTS.md و CLAUDE.md.
درک و استفاده مؤثر از ابزارهای عامل، MCP، عامل‌های فرعی و مهارت‌های قابل استفاده مجدد در یک گردش کار.
تبدیل درخواست‌های مبهم به وظایف روشن، مرتب و قابل مدیریت پیش از پیاده‌سازی.
بررسی یک پایگاه کد موجود برای شناسایی پشته فناوری، فرمان‌ها، قراردادها و ساختار پروژه.
طراحی تغییرات نرم‌افزاری از طریق تعیین فایل‌های درگیر، جریان داده، مرزهای سیستم و تصمیم‌های فنی صریح.
پیاده‌سازی تدریجی تغییرات با رعایت قراردادهای پروژه و کوچک نگه داشتن مجموعه تغییرات کد.
بازبینی کد از نظر خطاهای نوع داده، موارد مرزی و مشکلات امنیتی پیش از بررسی انسانی.
نوشتن و اجرای آزمون‌ها برای تأیید رفتار برنامه و جلوگیری از بازگشت خطاها.
به‌روزرسانی مستندات و گزارش تغییرات، هماهنگی با اعضای تیم و آماده‌سازی درخواست‌های ادغام informative.
بازتولید خطاها، شناسایی علت ریشه‌ای، پیاده‌سازی اصلاحات و افزودن آزمون برای جلوگیری از تکرار مشکلات.
به‌کارگیری گردش کار در پروژه‌های جدید، برنامه‌های موجود و پایگاه‌های کد قدیمی و بزرگ.
استفاده از گردش کار مهندسی عامل‌محور با ابزارهایی مانند Claude Code، Cursor، Codex و Gemini CLI.

این دوره برای چه کسانی مناسب است

توسعه‌دهندگانی که توانایی کدنویسی دارند و می‌خواهند از عامل‌های کدنویسی هوش مصنوعی برای ساخت و نگهداری قابل اعتمادتر نرم‌افزارهای واقعی استفاده کنند.
توسعه‌دهندگان از سطح مبتدی تا ارشد که به دنبال گردش کاری ساختاریافته برای برنامه‌ریزی، معماری، پیاده‌سازی، اعتبارسنجی، آزمون و اشکال‌زدایی هستند.
توسعه‌دهندگانی که روی پروژه‌های جدید، برنامه‌های موجود، مونوریپوها، معماری میکروسرویس یا پایگاه‌های کد قدیمی کار می‌کنند.
توسعه‌دهندگانی که از ابزارهای کدنویسی هوش مصنوعی استفاده می‌کنند اما می‌خواهند مدیریت زمینه، بازبینی کد، آزمون و بازیابی پس از اشتباهات هوش مصنوعی را بهبود دهند.
برنامه‌نویسانی که می‌توانند به‌تنهایی یک قابلیت کوچک بسازند و در سطح مقدماتی با ترمینال کار کنند؛ تجربه قبلی با چارچوب نرم‌افزاری یا ابزار خاص هوش مصنوعی ضروری نیست.