گزارش کار

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