مسیر شغلی
تجربه و آموزش توسعه‌دهندگان (Developer Experience and Education)
Developer Experience and Education
ساخت یکپارچه‌سازی‌های معتبر، نمونه‌ها و بسته‌های ایجنت با قابلیت استفاده مجدد، و سپس تبدیل چالش‌های توسعه‌دهندگان به ابزارها و آموزش‌های شفاف‌تر.
- ۱۱ درس
- ۱۵ ساعت و ۵ دقیقه زمان درس‌ها
- ۶ پروژه‌ی پیشنهادی
آیا می‌خواهید درک، به‌کارگیری و استفاده درست از قابلیت‌های هوش مصنوعی را برای توسعه‌دهندگان ساده‌تر کنید؟
این مسیر برای شماست اگر…
- از ساخت نرم‌افزار و توضیح نحوه کارکرد آن لذت می‌برید.
- به موفقیت در اولین اجرا، نمونه‌ها، مستندات و جلب اعتماد توسعه‌دهنده اهمیت می‌دهید.
- می‌خواهید بازخورد توسعه‌دهندگان به محصول جهت دهد.
در این نقش چه می‌کنید
- طراحی قراردادهای شفاف برای API، ابزارها و پروتکل‌ها جهت استفاده توسعه‌دهندگان.
- ساخت نمونه‌های اجرایی و بسته‌های ایجنت با قابلیت استفاده مجدد.
- آموزش دقیق رفتارهای محیط اجرا، سبک‌سنگین‌کردن‌ها (tradeoffs) و حالت‌های شکست.
- تبدیل چالش‌ها و بازخوردهای توسعه‌دهندگان به بهبودهای محصول و مستندات.
عنوان‌های رایج آگهی‌ها: AI Developer Relations EngineerAI Developer AdvocateDeveloper Experience Engineer
پیش از شروع
- پایه‌های مشترک مهندسی نرم‌افزار و هوش مصنوعی را به پایان برسانید، یا دانش کاربردی معادل آن را نشان دهید.
- توانایی خواندن قراردادهای API و اجرای نمونه‌های محلی از روی سورس‌کد را داشته باشید.
- بتوانید دستورالعمل‌ها را به‌راحتی از دیدگاه یک توسعه‌دهنده تازه‌کار بررسی و تست کنید.
مرحله‌ها
هسته مشترک
ساخت یک رابط کاربری اصولی برای قابلیت‌ها؛ از اعتبارسنجی هویت گرفته تا قراردادهای ابزار و پروتکل.
خروجی: یکپارچه‌سازی اجرایی با قراردادی شفاف، مسیر راه‌اندازی و رفتار خطای قابل‌مشاهده.
تمرین نقش شغلی
ایجاد دانش ایجنتی چندبارمصرف به صورتی که قابل‌شناسایی، قابل‌فراخوانی و به شکل تدریجی افشاشونده باشد.
خروجی: یک بسته مهارتی با متادیتاهای خلاصه، مراجع مرحله‌بندی‌شده و نمونه‌های فراخوانی صریح.
پروژه اثبات
اثبات کارکرد بسته و اکوسیستم ابزاری پیرامون آن در تمام زمینه‌های پشتیبانی‌شده.
خروجی: کیت پذیرش توسعه‌دهنده با نتایج اعتبارسنجی، یادداشت‌های قابلیت حمل و یک نمونه سرتاسری اجرایی.
شواهد مصاحبه و آمادگی شغلی
نشان دهید که بازخورد توسعه‌دهندگان چگونه یکپارچه‌سازی یا مسیر آموزشی آن را تغییر داده است.
خروجی: یک مطالعه موردی کوتاه از فرآیند پذیرش به‌همراه شواهد چالش‌ها، تغییرات اعمال‌شده و نتایج سنجیده‌شده.
درس‌ها به ترتیب
- کار با API و کلیدها در هوش مصنوعی
- رابط ابزار در ایجنت‌های هوش مصنوعی و چرخه‌ی چهارمرحله‌ای آن
- طراحی اسکیمای ابزار در هوش مصنوعی: نام‌گذاری، توضیحات و محدودیت‌های پارامتر
- مبانی MCP: درخواست‌های بی‌وضعیت و JSON-RPC
- ساخت سرور MCP بی‌وضعیت با پایتون و تایپاسکریپت
- اسکیل‌های ایجنت: قرارداد پورت‌پذیر و مرزهای زمان اجرا
- شناسایی مهارت و افشاسازی تدریجی در ایجنت‌های هوش مصنوعی
- فراخوانی و مسیریابی اسکیل‌ها در ایجنت‌های هوش مصنوعی
- ارزیابی، بسته‌بندی و قابلیت حمل مهارت‌ها در ایجنت‌های هوش مصنوعی
- پروژه‌ی پایانی: اکوسیستم ابزارهای بی‌وضعیت
- ساخت چرخ‌دنده‌ی بازخورد: مسئولیت‌پذیری و بازنشستگی خطمشیها
این تخمین فقط شامل زمان آموزش است. کارهای پورتفولیو و تمرین نیازمند زمان بیشتری هستند.
پروژه‌ی نمونه‌کار
کیت پذیرش توسعه‌دهنده (Developer Adoption Kit)
بسته‌بندی یک قابلیت هوش مصنوعی در قالب یک یکپارچه‌سازی قابل‌شناسایی که توسعه‌دهنده دیگری بتواند آن را اجرا، بازرسی و تایید کند.
- یکپارچه‌سازی اجرایی یک API یا ابزار
- یک راهنمای شروع سریع (quickstart) مختصر و یک نمونه کاربردی
- یک مهارت اعتبارسنجی‌شده یا بسته ایجنت چندبارمصرف
- گزارش ارزیابی و قابلیت حمل (portability)
- یک بهبود مستندشده بر اساس بازخورد توسعه‌دهندگان
پروژه‌های پیشنهادی
- ناشر کارتهای هاور واژهنامه (Glossary Hovercard Publisher)به یک مدرس کمک کنید تا با استفاده از یک واژهنامه بازبینیشده و تطبیق طولانیترین عبارت، تعاریف متنی را به HTML درس موجود اضافه کند. کدها و لینکها را حفظ کنید، از تعاریف در دسترس از طریق کیبورد پشتیبانی نمایید و یک درس حاشیهنویسیشده مستقل به‌همراه فایل واژهنامه چندبارمصرف خروجی بگیرید.
- اجراکننده توتوریال API (API Tutorial Runner)به یک نویسنده مستندات کمک کنید تا توالی نمونه‌های HTTP را اعتبارسنجی کند. بلوکهای صریح درخواست را پارس کنید، فقط متغیرهای تعریفشده از پاسخهای پیشین را جایگزین نمایید و در برابر مجموعهدادهی نمونه محلی یا یک اندپوینت تستی انتخابی اجرا کنید. گزارشی متصل به منبع تولید کنید که نمونه‌های قدیمی را مشخص کرده و به دستیار اجازه پیشنهاد اصلاحی بازبینیشده را بدهد.
- نویسنده لاگ تغییرات از گیت (Changelog Writer From Git)خواندن یک بازه بازنگری واقعی در Git، حفظ پانویسهای مهاجرت و ارجاعات بازگردانی (revert)، و سپس خروجی گرفتن Markdown بازتولیدپذیر به‌همراه رسید منبع.
- میز بازنویسی با زبان ساده (Plain Language Rewrite Desk)به یک نویسنده فنی کمک کنید تا متون پیچیده را با معیارهای بصری جملات و واژگان، اصطلاحات محافظتشده و یک ارائهدهنده واقعی بازنویسی اختیاری بازنگری کند. پاراگرافهای اصلی و پیشنهادی را مقایسه کنید، اعداد تغییریافته و تعاریف ناموجود را نمایش دهید و فقط تغییرات تاییدشده نویسنده را همراه با گزارش Markdown از تغییرات ذخیره کنید.
- راهنمای خواندن نمودار (Diagram Reading Companion)به یک مدرس کمک کنید تا نمودار SVG طراحیشده و یک مانیفست صریح یال-گره را به توضیحی با قابلیت پیمایش از طریق کیبورد تبدیل کند. وجود گرههای ارجاعشده را بررسی کنید، branchها و چرخهها را نمایش دهید، به نویسنده امکان بازبینی ترتیب خوانش را بدهید و یک راهنمای تعاملی HTML دسترسپذیر به‌همراه JSON گراف خروجی بگیرید.
- مسیریاب یادگیری جامعه کاربری (Community Learning Path Finder)به یک یادگیرنده کمک کنید تا یک توالی قابل‌اجرا از کاتالوگ صریح کارگاهها و منابع انتخاب کند. گرافهای پیشنیاز، اهداف بیانشده و بودجه زمانی را ترکیب کنید، دلیل انتخاب هر منبع را توضیح دهید و یک نقشه یادگیری HTML قابلویرایش همراه با مسیری ماشینخوان برای پلتفرمهای دیگر دورهها خروجی بگیرید.
از کجا بدانید آماده‌اید
- توانایی توضیح تفاوت میان یک بسته دستورالعمل و یک ابزار اجرایی را دارد.
- می‌تواند یک رابط کاربری کوچک و بدون ابهام همراه با پیام‌های خطای مفید طراحی کند.
- می‌تواند نمونه‌ای اجرایی بسازد که در یک محیط نصب خام و تازه کار کند.
- می‌تواند شناسایی، فراخوانی، بسته‌بندی و قابلیت حمل را اعتبارسنجی کند.
- می‌تواند چالش‌های مشاهده‌شده توسعه‌دهندگان را به تغییری ملموس در محصول یا آموزش تبدیل کند.
این مسیر چه چیزی را پوشش می‌دهد
کامل
- قراردادهای ابزار و API
- پیاده‌سازی MCP
- شناسایی مهارت و بسته‌بندی آن
- نمونه‌های فنی قابل‌اجرا
بخشی
- نویسندگی فنی و راهنماهای شروع سریع
- پژوهش روی بازخورد توسعه‌دهندگان
- آموزش جامعه کاربری
بیرون از دوره
- مالکیت برنامه‌های رویدادها و جامعه کاربری
- استراتژی توزیع محتوا
- سال‌ها تجربه در موقعیت‌های مرتبط با تعامل با توسعه‌دهندگان
این یک تخصص تکمیلی پس از مبانی مشترک است. این مسیر بیشترین تمرکز را روی یکپارچه‌سازی فنی و دارایی‌های آموزشی چندبارمصرف دارد، در حالی که برنامه‌های اجتماعی، رویدادها و توزیع محتوا نیازمند تمرین بیشتری هستند.
تکمیل این مسیر نشان می‌دهد که شما می‌توانید یکپارچه‌سازی قابل‌ارزیابی برای توسعه‌دهندگان بسازید و آن را توضیح دهید. این مسیر استخدام را تضمین نمی‌کند و جایگزین کار مداوم در جامعه توسعه‌دهندگان نمی‌شود.