🎙️ شب‌گفتار | از زیرساخت وب تا بهره‌وری توسعه‌دهنده‌ها

📅 ۱۲ اکتبر ۲۰۲۶ | ۲۰ مهر ۱۴۰۵

آیا هوش مصنوعی واقعاً توسعه نرم‌افزار را سریع‌تر کرده، یا فقط حجم کدهایی را که باید بررسی کنیم افزایش داده است؟

در این قسمت از شب‌گفتار، سراغ چند خبر مهم دنیای فناوری، برنامه‌نویسی، زیرساخت و امنیت می‌رویم؛ خبرهایی که بعضی از آن‌ها شاید در نگاه اول مستقل به نظر برسند، اما همگی یک سؤال مشترک دارند: آیا ابزارهای جدید واقعاً کار ما را ساده‌تر می‌کنند؟

🔹 Deno به Cloudflare می‌پیوندد!

تیم Deno به Cloudflare ملحق می‌شود تا مسیر اجرای مستقل و میزبانی شخصی Workers و Durable Objects را ساده‌تر کند. اتفاقی که می‌تواند بر آینده زیرساخت اپلیکیشن‌های توزیع‌شده و نحوه استقرار آن‌ها تأثیر بگذارد. Cloudflare Blog

🔹 گواهی‌های SSL کوتاه‌عمرتر می‌شوند.

Let's Encrypt اعلام کرده از فوریه ۲۰۲۷ اعتبار پیش‌فرض گواهی‌هایش به ۶۴ روز کاهش پیدا می‌کند. این تغییر بار دیگر اهمیت خودکارسازی تمدید گواهی‌ها و مدیریت زیرساخت را یادآوری می‌کند. Let's Encrypt

🔹 وقتی حتی دانلود ابزارهای هوش مصنوعی هم خطرناک می‌شود!

پژوهشگران امنیتی یک حمله پیچیده را شناسایی کرده‌اند که با تبلیغات گوگل و تغییر مسیر از طریق بینگ، کاربران را به صفحه جعلی نصب Claude هدایت می‌کند. در این حمله حتی دکمه کپی دستور نصب هم می‌تواند به ابزاری برای اجرای کد مخرب تبدیل شود. Push Security

🔹 GitHub Copilot در JetBrains به‌روز شد.

کنترل بیشتر روی مدل‌های پیش‌فرض، مدیریت راه‌اندازی سرورهای MCP و بهبود تجربه چت و کار با ایجنت‌ها، بخشی از تغییرات جدید Copilot هستند. The GitHub Blog

🔹 و مهم‌ترین پرسش این قسمت: آیا AI واقعاً بهره‌وری برنامه‌نویسان را افزایش داده است؟

پژوهشی از دانشگاه هاروارد با بررسی داده‌های صدها شرکت نرم‌افزاری نشان می‌دهد که استفاده از ایجنت‌های کدنویسی، تولید کد را افزایش داده؛ اما این افزایش لزوماً به رشد معنادار خروجی نهایی نرم‌افزار منجر نشده است.

بررسی کد، اصلاح Pull Requestها و فرایندهای تأیید همچنان از گلوگاه‌های مهم توسعه هستند.

البته این یافته‌ها را نمی‌توان به تمام تیم‌ها و پروژه‌ها تعمیم داد؛ اما سؤال مهمی پیش روی مدیران فنی و توسعه‌دهندگان می‌گذارند:

ما با هوش مصنوعی سریع‌تر محصول می‌سازیم، یا فقط سریع‌تر کد تولید می‌کنیم؟ Ars Technica

در شب‌گفتار قرار نیست فقط تیتر خبرها را تکرار کنیم؛ قرار است درباره تأثیر واقعی آن‌ها بر آینده فناوری حرف بزنیم.

📻 شب‌گفتار؛ صدایی برای شنیدن، فکر کردن و پرسیدن.

🌐 Shabgoftar.ir

---

📚 منابع این قسمت

• Cloudflare: Deno is joining Cloudflare
• Let's Encrypt: 64-Day Certificate Lifetimes Coming Feb 2027
• امنیت و حملات جعلی نصب Claude: تحقیقات Push Security | گزارش BleepingComputer
• GitHub: تغییرات Copilot برای JetBrains
• بهره‌وری توسعه نرم‌افزار و AI: مقاله پژوهشی دانشگاه هاروارد (PDF) | گزارش Ars Technica

🔊 شفافیت تولید: صدای این قسمت با استفاده از هوش مصنوعی تولید شده است. اخبار و پژوهش‌های مرورشده مربوط به تاریخ‌های مختلف هستند و لزوماً در روز انتشار این قسمت رخ نداده‌اند. تحلیل‌ها و برداشت‌های سردبیری نیز از یافته‌های گزارش‌شده متمایزند.

#شبگفتار #Shabgoftar #اخبار_فناوری #برنامه_نویسی #هوش_مصنوعی #امنیت_سایبری

خلاصه بگم : چرا تاکید دارم که نمیشه به سولوشن هایی که غیرفنی ها با AI تو سازمان توسعه دادن، همینجوری تکیه کرد ؟ مشکل کجاست ؟ مگه من خودم عاشق توسعه با AI نیستم ؟

این اپیزود از یه سؤال شروع شد:
وقتی AI Agentها دارن بخش بزرگی از کار توسعه نرم‌افزار رو انجام می‌دن، تکلیف جونیورها چی می‌شه؟
بحث فقط این نیست که AI می‌تونه سریع‌تر کد بنویسه. مسئله اینه که بخش زیادی از چیزهایی که یه برنامه‌نویس تازه‌کار قبلاً با انجام‌دادنشون یاد می‌گرفت — سرچ کردن، اشتباه کردن، دیباگ کردن، خوندن کد بقیه و کلنجار رفتن با مسئله — حالا می‌تونه به یک Agent سپرده بشه.
از اون طرف، همین ابزارها می‌تونن یه جونیور رو خیلی زودتر وارد مسئله‌های واقعی و کارهای جدی‌تر کنن.
توی این قسمت درباره همین تناقض حرف می‌زنم؛ اینکه AI Agentها چه تغییری توی مسیر رشد توسعه‌دهنده‌های تازه‌کار ایجاد می‌کنن و شاید سؤال درست دیگه این نباشه که:
«AI جای جونیورها رو می‌گیره؟»
بلکه این باشه:
«جونیوری که قراره کنار AI کار کنه، باید چه چیزهایی بلد باشه؟»
🎧 حدود ۲۲ دقیقه
🎙 گزارش کار — اپیزود دوم
Juniors & AI Agents
اگه با جونیورها کار می‌کنید، خودتون اول مسیر توسعه‌اید، یا این روزها Agentها بخش جدی‌ای از کارتون شدن، خیلی دوست دارم بعد از شنیدنش نظرتون رو بدونم.

داشتم به افزایش درامد بیشتر فکر میکردم، که دیدم یکی از راه هاش کاهش هزینه هاست، پس از سرویس های PAAS جمع کردم، رفتم روی یک IAAS (اینجا محل تبلیغ اسپانسری بود که نیومد :)) ) و اونجا هرچی نیاز داشتم رو که اونطرف داشتم خودم ساختم، همه چی اوپن سورس و رایگان ، اقدامات امنیتیش هم تا حد خوبی انجام شد .

همه کارها رو هم Hermes عزیز با اتصال به Codex انجام داد برام :)

درنهایت تونستم هزینه هام رو از ماهی 8 تا 10 میلیون به در واقع 1.500 برسونم، که باز دیدم دلم میخواد بیشتر باهاش ماجراجویی کنیم ، یه عالمه ریسورس اضافه کردم و تهش شد نزدیک ماهی 3 تومن
ولی برای فضای دودوتا چهارتایی، واقعا یک ششم شد هزینه هام !

تو این اپیزود رفتیم سراغ LLM Wiki
که میتونید ایده اولیه از جناب آندری کارپاثی هست رو توی گیست شون بخونید (https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f)

تو این اپیزود یه کم باز کردیم که :
✔ این LLM Wiki چی هست؟
✔ به چه کار میاد؟
✔ با چه ابزارهایی میشه ساختش
✔ و خوب قبل از هرچی خود پیشنهاد دهنده ش رو معرفی کوتاهی کردیم و بیشتر باهاش آشنا شدیم و وجاهتش رو برای پیگیری نظرهاش بیشتر فهمیدیم

داشتیم دو تا فیچر رو تست میکردیم که ببینیم کار میکنن ؟ یکی toast پیام های جدید شنوندگان و دومیش هم ضبط همزمان صدای مجری و میهمان که به نظرم هر دو رو موفق پاس کرد.