Vibe Coding؛ ترند موقت یا آغاز مسیری تازه؟ چطور در کمتر از 3 ساعت مگاسریال را توسعه دادم

چه خوش‌مون بیاد چه نیاد، دنیا داره تغییر میکنه. هوش مصنوعی علیرغم تمام نظرهای مثبت و منفی که در موردش میشنویم، داره قواعد بازی رو عوض میکنه. مگاسریال حاصل همین تغییر قواعده؛ ابزاری که ساختنش با روش‌های سنتی شاید ماه‌ها زمان میبرد، ولی با ابزارهای جدید توی چند ساعت جمع شد.

Vibe Coding ترند این روز‌های دنیای برنامه‌نویسی

خب اول از همه بیایید در مورد معنی این اصطلاح شروع کنیم. طبق تعریفی که دیکشنری merriam webster ارائه داده معنی ‌‌Vibe Coding میشه:

Vibe coding (also written as vibecoding) is a recently coined term for the practice of writing code, making web pages, or creating apps, by just telling an AI program what you want, and letting it create the product for you. In vibe coding the coder does not need to understand how or why the code works, and often will have to accept that a certain number of bugs and glitches will be present. The verb form of the word is vibe code. 

ترجمه:

«وایب کدینگ» یک اصطلاح تازه‌ست برای روشی که توی اون، کاربر برای کدنویسی، ساخت سایت یا اپلیکیشن، صرفاً به هوش مصنوعی نیازش روتوضیح میده و میگه چه چیزی میخواد و اون محصول نهایی رو تولید می‌کنه.

توی این مدل، لازم نیست کاربر بدونه کدی که نوشته شده چطوری یا چرا کار می‌کنه و اغلب هم باید با این کنار بیاد که محصول یک سری باگ و ایراد همراهش داره. فعل این کار هم می‌شه «وایب کد کردن».

این اصطلاح رو اولین بار Andrej Karpathy بنیان‌گذار OpenAI به کار برد:

There’s a new kind of coding I call “vibe coding“, where you fully give in to the vibes, embrace exponentials, and forget that the code even exists. 

ترجمه:

نوعی از برنامه‌نویسی به وجود اومده که من بهش vibe coding میگم، حالتی که تو تسلیم حس و حالت میشی و منطق و ساختار رو کنار میذاری، به سرعت جلو میری و فراموش میکنی چیزی به اسم کدنویسی اصلاً وجود داشته.

شاید شما هم مثل من حس خوبی نسبت به این ترند جدید نداشته باشید یا فکر کنید اون‌قدر توانایی نداره که بتونه موندگار بشه. هر چند که الان آنچنان قوی نیست که بشه کارهای خیلی پیچیده و عظیم باهاش انجام داد اما همون‌طوری که تا همین سه سال پیش فکر نمیکردیم هوش مصنوعی بتونه فیلمی درست کنه که نتونیم از واقعیت تشخیصش بدیم، یا به شکلی حرف بزنه که کسی مثل ریچارد داوکینز ادعا کنه که احتمالاً هوش مصنوعی به مرحله‌ی خودآگاهی رسیده پس بعید هم نیست در آینده کدنویسی و توسعه‌ی اپلیکیشن حرفه‌ای چیزی باشه مثل حروف‌چینی دستگاه چاپ سربی. 

در این مقاله قصد دارم اولین تجربه‌ی خودم در این حوزه رو به اشتراک بذارم و با هم ببینیم چطور میشه با چند جمله‌ی ساده ابزار کاربردی و مفیدی توسعه داد.

داستان از کجا شروع شد؟

احتمالاً شما هم مثل من بارها به دنبال یک سریال مانیتور به درد بخور که امکانات و ظاهر خوبی داشته باشه بودید  و به در بسته خوردید و کلی نرم‌افزار رو تست کردید که هیچ‌کدوم اون چیزی نبودن که دنبالش بودید. ابزارهای موجود هر کدوم یک مشکلی دارن؛ یکی خیلی ساده‌ست و هیچ امکاناتی نداره، یکی امکاناتش خوبه ولی ظاهرش انگار برای زمانیه که مایکروسافت تازه ویندوز ۹۸ رو معرفی کرده (البته اگه ویندوز 98 رو دیده باشید 😁)! اون‌هایی هم که هم خوش‌دست بودن و هم امکانات خوبی داشتن پولی بودن (که خب برای ما توی ایران مشکل خریدش با کرک حل میشه، ولی سر و کله زدن با کرک و مشکلاتی که ممکنه پیش بیاد از طرفی و این که بالاخره کرک کردن حس خوبی نداره از طرف دیگه باعث میشه این راه رو هم بذاریم کنار).

بخاطر همین مسائل، خیلی وقت بود که میخواستم خودم دست‌به‌کار بشم و یک سریال مانیتور بنویسم؛ ابزاری که دقیقاً همون چیزی باشه که توی پروژه‌های خودم نیاز دارم و کارم رو راه بندازه. اما خب طبق معمول، هر بار که شروعش کردم وسط کار بخاطر درگیری‌های دیگه یا کمال‌گرایی بی مورد، رها شد و رفت توی فولدر بی‌انتهای پروژه‌های نیمه‌کاره (همه‌مون از این فولدرها داریم).

جرقه اول: چالش کار با AT Commandها

چند روز پیش، برای کاری مجبور بودم کلی AT Command رو برای یک ماژول GSM بفرستم و این کار قرار بود بارها و بارها تکرار بشه. هر کسی که با این ماژول‌ها کار کرده باشه میدونه این فرآیند چقدر فرسایشی و رو اعصابه.

قدیم‌ها برای ارتباط سریال و این‌جور کارها از DockLight استفاده میکردم. امکانات این برنامه در عین سادگی ظاهر خیلی خوب بود و به خاطر وجود قابلیت sequence برای نیاز من برای ارسال تکراری یک سری دیتا خیلی مفید بود. این برنامه علاوه بر اینکه پولی بود و داستان کرک داشت، فقط روی ویندوز کار میکرد و روی لینوکس (حتی با Wine) اجرا نمیشد. حالا دو راه داشتم: یا باید سیستم‌عامل رو سوییچ میکردم روی ویندوز و کار رو اونجا ادامه میدادم، یا اینکه با همون نرم افزارهای قدیمی و کم امکانات و بی روح سر میکردم.

گفتم بذار یک بار دیگه بگردم ببینم ابزار به درد بخوری که روی لینوکس هم اجرا بشه پیدا میکنم یا نه که با یک برنامه به اسم serial tool آشنا شدم. این برنامه مولتی‌پلتفرم بود و نسخه‌ی پایه‌اش هم کار راه انداز بود، ولی برای امکانات پیشرفته‌ترش باید سابسکرایب میکردی. ظاهر و امکاناتش خوب بود ولی همون قضیه محدود بودن نسخه رایگانش و این که یکم کار باهاش سخت بود (البته من خیلی درگیرش نشدم و یک تست اولیه داشتم) باعث شد که اون رو هم کنار بذارم.

اینجا بود که تصمیم گرفتم راه سوم رو برم:

توسعه یک برنامه‌ی سریال مانیتور با هوش مصنوعی.

راستش اولش بیشتر برایم جنبه کنجکاوی داشت که ببینم چقدر میشه روی توسعه‌ی کامل یک اپلیکیشن دسکتاپ توسط هوش مصنوعی حساب کرد. برای شروع، فایل Readme گیت‌هاب برنامه serial tool رو به همراه توضیح امکانات اضافه‌تری که میخواستم به Claude دادم (لازم به ذکره که serial tool یک برنامه‌ی open source نبود و فقط یک readme در گیت‌هاب داشت که احتمال زیاد برای دیده شدن در نتایج سرچ گوگل بوده). یکی از مهم‌ترین ویژگی‌هایی که نیاز داشتم (مشابه DockLight)، امکان تعریف Sequence بود؛ یعنی بتونم یک سری دستور رو پشت سر هم با تاخیرهای مشخص تعریف کنم و با زدن یک دکمه، برنامه خودش اون‌ها رو به ترتیب بفرسته. این قابلیت موقع تست AT Commandها و سناریوهای تکراری به شدت کاربردیه.

پرامپتی که اول کار دادم این بود:

گام اول: خروجی اولیه‌ای که شگفت‌زده‌ام کرد

بعد از حدود ۱۵ دقیقه ایجاد زحمت برای سرورهای آنتروپیک، Claude با پایتون و PyQt یک اپلیکیشن برایم نوشت که شاید از نظر ظاهر و امکانات فقط ۱۰٪ به serial tool شبیه بود، ولی تمام امکاناتی که خواسته بودم رو به شکل خوبی پیاده کرده بود: اتصال به پورت سریال، ارسال و دریافت بدون مشکل دیتا، حالت Dark Mode و از همه مهم‌تر ویژگی Sequence که کاملاً درست کار میکرد.

درسته که برنامه خیلی شبیه اون برنامه‌ی رفرنس نبود، اما همین که توی اولین تلاش یک اپلیکیشن کاملاً کاربردی تحویل گرفتم که کارم رو راه مینداخت، اون‌قدر برایم جالب بود که تصمیم گرفتم پروژه رو ادامه بدم و ببینم چقدر میتونم حرفه‌ای‌ترش کنم. در ادامه،  لیستی از فیچرهای فنی‌تر آماده کردم و به Claude دادم؛ چیزهایی مثل اضافه کردن کاراکترهای CRLF در انتهای رشته‌های ارسالی با قابلیت تغییر، پنجره تاریخچه دستوراتی که دستی ارسال کرده بودم، امکان ذخیره و لود کردن Sequenceها در قالب فایل CSV، پخش صدای نوتیفیکیشن در صورت دریافت جواب موفق (مثلاً اگر در جواب دستور، OK فرستاده شد یک صدای نوتیفیکیشن از کامپیوتر پخش بشه)، امکان دو تکه کردن صفحه لاگ به صورت عمودی برای نمایش همزمان دو فرمت مختلف (مثلاً سمت چپ ASCII و سمت راست HEX) و در نهایت قابلیت اتصال مجدد خودکار (Auto-Reconnect) در صورتی که کابل USB به هر دلیلی لحظه‌ای قطع شد.

پرامپت این بخش رو میتونید اینجا ببینید:

توی بعضی از مراحل این گپ و گفت‌ها، برنامه با مشکل مواجه میشد؛ مثلاً با کلیک روی یک دکمه برنامه کرش میکرد و بسته میشد یا یک فیچر درست کار نمیکرد. اما هر بار با فرستادن متن خطا یا توضیح دادن رفتار اشتباه برنامه برای هوش مصنوعی، سریع مشکل رو حل میکرد. برای اینکه طولانی نشه، از جزییات این رفت و برگشت‌ها میگذرم.

گام دوم: اضافه کردن Sequence Group

در مرحله بعد، نیاز به ابزاری داشتم که بتونم سناریوهای پیچیده‌تری رو مدیریت کنم؛ مثلاً یک sequence برای راه‌اندازی ماژول، یکی برای ارسال دیتا و یکی برای چک کردن شارژ سیم‌کارت. برای همین قابلیت Sequence Group رو اضافه کردم تا بشه چند گروه مختلف از دستورات رو با نام‌های مشخص ساخت، ویرایش کرد، جابه‌جا کرد و همه رو پشت سر هم اجرا کرد. همچنین قابلیت ذخیره کل تنظیمات پروژه و نمایش تاخیر زمانی دقیق بین دستورات ارسالی و دریافتی (برای سنجش سرعت پاسخ‌دهی) رو هم خواستم که اضافه کنه.

پرامپتش به این صورت بود:

خروجی این پرامپت هم همون چیزی شد که نیاز داشتم.

فاز آخر: روتوش نهایی و انتشار

تا اینجا بدنه اصلی برنامه کامل شده بود، ولی تصمیم گرفتم اپلیکیشن رو یک پله جلوتر ببرم. قابلیت‌هایی مثل رسم نمودار زنده از ورودی‌ها و امکان جستجو و فیلتر پیشرفته لاگ‌ها با Regex رو هم بهش اضافه کردم.

در نهایت با مدل Nano Banana یک لوگو برای برنامه ساختم و به Claude دادم. ازش خواستم فایل اجرایی برای لینوکس و ویندوز بهم بده و پروژه رو برای انتشار روی گیت‌هاب آماده کنه و یک Readme مرتب هم آماده کنه. کاری که در نهایت Claude انجام داد فراتر از انتظارم بود؛ اون حتی یک Workflow برای GitHub Actions ساخت تا با هر ریلیز جدیدی که میدم، خروجی‌های ویندوز و لینوکس به طور خودکار بیلد و ضمیمه بشن و به این شکل بود که پروژه مگاسریال (MegaSerial) متولد و منتشر شد.

دنیا داره تغییر میکنه

واقعیت اینه که انحصار نرم‌افزارهای پولی و سنگین داره تموم میشه و داریم وارد دورانی میشیم که هر کسی میتونه ایده خودش رو با کمک هوش مصنوعی خیلی سریع بسازه و ازش استفاده کنه. شاید روزی برسه که یک دانش‌آموز بتونه برنامه‌ای در حد فتوشاپی که امروز میشناسیم رو با هوش مصنوعی بسازه (البته که اون موقع کار فتوشاپ رو هوش مصنوعی داره انجام میده).

قواعد بازی عوض شده و ما هم باید خودمون رو با این روند وفق بدیم. به جای اینکه نگران باشیم آیا هوش مصنوعی جامون رو میگیره یا نه، بهتره سوار این موج بشیم و ازش برای بالا بردن سرعت و کیفیت کارمون استفاده کنیم.

پروژه مگاسریال تحت لایسنس MIT منتشر شده؛ یعنی هر کسی میتونه رایگان ازش استفاده کنه، شخصی‌سازیش کنه یا کدهای خودش رو بهش اضافه کنه. اگر باهاش کار کردید و نظری داشتید خوشحال میشم بهم بگید. اگر هم خواستید باگی رو حل کنید یا قابلیت جدیدی اضافه کنید، میتونید توی گیت‌هاب پروژه Issue بزنید یا Merge Request بفرستید.

توی یک مقاله‌ی جدا به خود نرم‌افزار MegaSerial میپردازم و امکانات و روش کار با اون رو توضیح میدم. 

• آدرس گیت‌هاب پروژه‌ی MegaSerial

تا قبل انتشار قسمت بعدی اگر نرم افزار رو دانلود کردید میتونید از این ویدیو در یوتیوب جهت آشنایی و کار با نرم افزار استفاده کنید: