امروز هر کسی با کمک AI میتونه محصولی بسازه که کار کنه. امیل کوالسکی میگه چیزی که فرق ایجاد میکنه سلیقهست و سلیقه رو میشه تمرین کرد.
وسط این همه حرف ناامیدکننده دربارهی AI و آیندهی برنامهنویسها، یه برنامهنویس یادآوری میکنه که کد زدن برای سرگرمی هنوز کاملاً اوکیه.
سال ۲۰۱۶ هینتون گفت دیگه رادیولوژیست تربیت نکنید. حالا تقاضا برای رادیولوژیست از همیشه بیشتره و جیسون وی توضیح میده چرا.
یه مهندس Cursor و تیم React یه بستهٔ متنباز ساخته که ایجنتهایی مثل Claude Code رو مجبور میکنه قبل از ویرایش، باگ رو واقعاً پیدا کنن و بعدش رفعش رو ثابت کنن.
فیدبک منفی معمولاً اول آدم رو میرنجونه. این مقاله نشون میده چطور بهجای دفاع کردن، ازش برای بهتر کردن طرح و رشد شغلی استفاده کنی.
یه برنامهنویس تعریف میکنه که چطور تو چند سال، کارش از جستجو تو ChatGPT رسید به اینکه مدل تو چند ساعت یه اپ iOS براش بسازه.
یه مقاله با مثال لولهکشی ساختمون نشون میده چرا قاطی شدن الگوهای مختلف تو یه کدبیس، هر تغییر بعدی رو سختتر میکنه و چرا ایجنتهای AI این روند رو سریعتر میکنن.
Ramp و Stripe پلتفرمهایی ساختن که کارمندای غیرفنی باهاشون ابزار داخلی میسازن، و حالا این ایده داره تو شرکتهای دیگه هم پخش میشه.
brand archetype میگه برندت کیه، ولی نمیگه تو صفحه پرداخت چی بنویسی. یه تکنیک ساده این فاصله رو پر میکنه.
NN/g یه سؤال نظرسنجی رو هم از ۶۰۴ آدم واقعی پرسید هم از ۱۲۰ پاسخدهندهٔ ساخت AI. نتیجهٔ کلی یکی شد، ولی جوابهای AI خیلی یکنواختتر بودن.
وقتی ۹۰ درصد کد رو خود Claude مینویسه، دیگه نمیشه همهی diffها رو خط به خط خوند. تیم Claude Code توضیح داده چطور بیشتر ریویو رو به ماشین سپرده و وقت آدمها رو نگه داشته.
تو Anthropic ساعت کار ایجنتها شش برابر آدمهاست. گزارش تازهٔ شرکت نشون میده این چه بلایی سر استخدام جونیورها و روزمرهٔ کارمندها آورده.
به جای آموزش ابزارهای تازه، اول بفهم این مدلها از کجا اومدن و چطور کار میکنن. یه برنامهٔ یههفتهای از پرسپترون تا مدلهای استدلالی.
لازم نیست مدیر باشی تا تو تیمت فضایی بسازی که آدمها راحت حرفشون رو بزنن. این مقاله میگه یه طراح میانرده هم با شیوهٔ حرف زدنش میتونه این فضا رو بسازه.
قبل از اینکه بگید یه ایجنت هوش مصنوعی چقدر وقت ذخیره میکنه، باید ببینید آدمها چقدر وقت پای بررسی و اصلاح خروجیش میذارن.
وقتی مدل تو چند دقیقه دوازده تا طرح قابل قبول میسازه، دیگه نمیشه فقط خروجی رو نقد کرد. باید دید پشتش چه تصمیمهایی گرفته شده.
وقتی ۷۵ درصد کد جدید گوگل رو AI مینویسه، قیمت ساختن نرمافزار داره میریزه. نویسنده میگه حاشیهی سود از کدنویسی به سمت تصمیم، اعتماد و توزیع میره.
ابزارهای هوش مصنوعی یهشبه دهها هزار ستاره میگیرن، ولی بعضیهاشون هیچ فایدهای ندارن. Avdi Grimm میگه راه فرار از این چرخه، داشتن معیار واقعیه.
Ramp و Stripe ابزار vibe-coding داخلی خودشون رو ساختن تا کارمندای غیرفنی با دیتای داخلی شرکت اپ بسازن. ساختش فقط چند هفته طول کشیده.
وقتی شرکتها از کاندیداها میخوان چالش فنی رو با LLM حل کنن، هزینه اشتراک ابزارها میافته گردن کسی که الان بیکاره.