کدنویسی با هوش مصنوعی: چطور کد قابل اعتماد بگیریم
راهنمای عملی استفاده از هوش مصنوعی در برنامه‌نویسی: نوشتن، دیباگ، بازبینی و تست — و اینکه چرا کد خروجی را باید همیشه خواند.
هوش مصنوعی در کدنویسی از هر حوزه‌ی دیگری بیشتر جواب می‌دهد، چون کد ساختار دارد و درست بودنش قابل آزمایش است. ولی همین‌جا هم بیشترین اشتباه‌های خطرناک رخ می‌دهد.
چیزی که همیشه باید بنویسی
نسخه‌ی زبان و فریم‌ورک. بدون این، کدی می‌گیری که دو سال پیش درست بوده. «Node.js 24 و TypeScript 5» یک خط است و کل خروجی را عوض میکند.
کد واقعی‌ات، نه توصیفش. «یک تابع دارم که کند است» بی‌فایده است. خود تابع را بچسبان.
پیام خطای کامل. نه خلاصه‌اش — کل استک‌تریس.
دیباگ
بهترین ساختار برای دیباگ این است:
«این خطا را می‌گیرم: [استک‌تریس کامل]. کد مربوطه: [کد]. محیط: [نسخه‌ها]. قبل از اینکه راه‌حل بدهی، سه فرضیه بگو که چه چیزی می‌تواند باعثش شود، و برای هرکدام بگو چطور تأییدش کنم.»
آن قسمت آخر مهم است. اگر مستقیم راه‌حل بخواهی، مدل اولین چیزی که به ذهنش می‌رسد را می‌دهد و ممکن است اصلاً مسئله‌ی تو نباشد. وقتی فرضیه بخواهی، مجبور می‌شود واقعاً فکر کند.
بازبینی کد
این کاربردی است که کمتر استفاده می‌شود ولی بیشترین ارزش را دارد:
«این کد را بازبینی کن. به ترتیب: باگ‌های واقعی با سناریویی که در آن خراب می‌شود، مشکلات امنیتی، ورودی‌های مرزی مدیریت‌نشده، و بعد سادگی. مواردی که سلیقه‌ای است را جدا کن و صریح بگو سلیقه‌ای است.»
آن جمله‌ی آخر جلوی سیل پیشنهادهای بی‌اهمیت را می‌گیرد.
چرا باید کد را بخوانی
مدلها مسیر خوش‌بینانه را می‌نویسند. کدی که می‌دهند معمولاً برای ورودی درست کار میکند و برای حالت‌های مرزی نه:
- ورودی خالی یا null
- خطای شبکه
- رقابت هم‌زمانی
- داده‌ای که فرمتش فرق دارد
و یک خطر جدی‌تر: مدل گاهی کتابخانه یا تابعی میسازد که وجود ندارد. اسمش منطقی بهنظر می‌رسد، کد تمیز است، ولی آن تابع در آن کتابخانه نیست. همیشه قبل از نصب، وجود پکیج را چک کن.
امنیت
هرگز این‌ها را در سرویس عمومی نچسبان:
- کلید API، توکن، رمز دیتابیس
- داده‌ی واقعی کاربران
- کد اختصاصی کارفرما، اگر اجازه نداری
اگر لازم است کدی را بفرستی که کلید دارد، اول کلید را با یک مقدار ساختگی عوض کن.
کجا واقعاً صرفه دارد
- کد تکراری و boilerplate — بیشترین صرفه
- ترجمه بین زبان‌ها — مثلاً پایتون به جاوااسکریپت
- نوشتن تست — بهخصوص حالت‌های مرزی که خودت فراموش می‌کنی
- فهمیدن کد دیگران — «این تابع چه میکند و چرا این‌طور نوشته شده»
- رگولار اکسپرشن — کاری که کسی دوست ندارد
کجا کمتر
- معماری سیستم بزرگ که زمینه‌ی کامل کسب‌وکار را می‌خواهد
- بهینه‌سازی عملکرد بدون داده‌ی پروفایل واقعی
- تصمیم‌های وابسته به محدودیت‌های تیم و تاریخچه‌ی پروژه
سؤال‌های پرتکرار
کد هوش مصنوعی امن است؟
نه بهطور خودکار. کد تولیدشده ممکن است آسیبپذیری داشته باشد — بهخصوص در ورودی کاربر و کوئری دیتابیس. مثل کد یک همکار تازهکار بازبینیاش کن.
کدام مدل برای کدنویسی بهتر است؟
Claude در بازبینی و کار روی فایلهای طولانی معمولاً دقیقتر است. ولی تفاوت مدلها کمتر از تفاوت یک پرامپت خوب و بد است.
چرا گاهی کتابخانهای میگوید که وجود ندارد؟
چون کلمهی بعدی را پیشبینی میکند، نه اینکه از فهرست واقعی پکیجها بخواند. اسمی که منطقی بهنظر برسد میسازد. همیشه قبل از نصب چک کن.
بیش از سه هزار پرامپت دسته‌بندی‌شده، هرکدام با آموزش فارسی استفاده.
دیدن مجموعه‌ها