أشعر أنه مع تطور أدوات البرمجة بالذكاء الاصطناعي، فإن فهمي لأداة MCP يتغير أيضًا.
في السابق، كنت أستخدم كثيرًا التفكير التسلسلي و task_manager، ولكن الآن مع تحسين قدرات النماذج في التخطيط والاستدلال، أصبح لدينا وضع التخطيط و think harder/ultrathink، وأنا أفضل إكمال ذلك داخل الأدوات الأصلية بدلاً من الاعتماد على mcp.
فئة أخرى هي أدوات تعزيز السياق مثل context7 و deepwiki، بالنسبة لهندسة السياق، أحتاج إلى مزيد من الدقة والتفصيل، هذه الأنواع من mcps لا تستطيع حالياً تلبية هذا الطلب. لذلك، أنا أميل أكثر إلى تنظيم الأمور بعمق بنفسي بدلاً من استخدام mcp.
قد تستفيد عملية تنظيم السياق من أدوات خارجية

حل Deep Research مشكلة اتخاذ القرار المتعلقة ب"ما ينبغي بناؤه" من خلال منتجاته، حيث يجمع بين العمق والاتساع، ويساعدنا على كسر فقاعات المعلومات ورؤية الاتجاه بوضوح.
يساعد Claude Code في حل تفاصيل التنفيذ المحددة، مما يمنحنا الطاقة للتركيز أكثر على بنية النظام، وتفكيك الوحدات وإعادة الهيكلة في هذه المستويات العليا، مما يعزز كفاءة التكرار والتجربة والخطأ.
في المستقبل، من المؤكد أن هناك أدوات إنتاجية للذكاء الاصطناعي أكثر تقدمًا، لكنني أعتقد أن الخطوات الثلاث المذكورة أعلاه يجب أن تظل المنطق الأساسي الثابت.

لقد مضى وقت طويل منذ ظهور MCP، لكن يبدو أن هناك عددًا قليلاً فقط يمكن استخدامه بشكل فعلي؟
ما أعنيه بأنه يمكن استخدامه هو بالنسبة لبرمجة الذكاء الاصطناعي، بحيث يمكن استخدامه بشكل مستقر وعالي التردد، مما يؤدي إلى تحسين ملموس في فعالية البرمجة.
شارككم بعضًا مما أعتقد أنه جيد: playwright، Context7، Sequential Thinking
الأولان يحلان مشكلة دقة السياق ، والثالث يحل التفكير التخطيطي

في مجال تصميم البرمجيات، يوجد مصطلح يسمى "bad smell"
يقال إنه بالنسبة للمبرمجين ذوي الخبرة، يجب أن يكونوا قادرين على شم "رائحة سيئة" في النظام، والوقاية منها مسبقًا، وإجراء تحسينات وترقيات في الهيكل.
هناك مصطلح آخر يسمى "التصميم المفرط"
هذا يعني أنه في البداية تم التفكير في الكثير من الأمور، وتم تصميم الكثير من قابلية التوسع وفصل الوحدات غير الضرورية، مما أدى إلى تكاليف صيانة ضخمة وغير مفيدة، بل من السهل أن يؤدي ذلك إلى إدخال أخطاء.
هاتان الكلمتان تحتاجان إلى أن يتم النظر إليهما في السياق الزمني والسياق العام.
لا يوجد أفضل تصميم معماري، فقط التصميم المعماري الأنسب للحظة الحالية (ولمدة من الزمن

أكثر ما يعجب المبرمجين هو أن جميع شركات الذكاء الاصطناعي تتنافس بشكل كبير😂
لقد قمت بالتسجيل في Jules ، ويبدو أنه يمكنني تجربته مجانًا.

هل ستطلق جوجل مفاجأة جديدة؟

تشفير الفيب حقًا يجب أن يكون في أيدي الأشخاص الذين يفهمون البرمجة ليكون له تأثير، أما الذين لا يفهمون فهم مجرد 💩 جبل وثغرات أمنية متنوعة 😅

تجربة رائعة، تحتاج جميع الجوانب مثل التسويق بالمحتوى، والتدفق، واكتساب العملاء، والتحويل، والعلامة التجارية، والتصميم، والحواجز التنافسية، والتعاون والتعزيز، إلى التفكير والتنفيذ.
عصر الذكاء الاصطناعي، ما ينقصنا هو الأفكار وقدرة البحث والتطوير😂

مبروك مبروك، يستحق التعلم 👍
آمل أن يكون هناك المزيد من الأشخاص مثل يي هوي الذين يبيعون الدروس، ليصبح مصطلح "بيع الدروس" أقل سلبية.
فكر في نوع المدونين الذين يمكنهم النجاح في تقديم المعرفة المدفوعة، لقد قمت بتلخيص النقاط التالية:
مخلصة وإيثارية وبأسعار معقولة وسريعة
الإخلاص: هو أساس الوسائط الذاتية، بغض النظر عن ما تبيعه، يجب أولاً أن تبني علاقة ثقة مع عملائك. قدم معرفتك وإدراكك بصدق، دون تصنع، فبهذا لن يكون من السهل أن تنهار صورتك.
الإيثار: ليس من أجل إرضاء الذات بل للوقوف دائمًا إلى جانب السوق، والوقوف إلى جانب المستخدم، وتقديم محتوى ذي قيمة حقيقية يمكنه حل نقاط الألم لدى المستخدم.
سريع: هذه

هذه الطريقة لجعل الذكاء الاصطناعي القواعد تبدو جيدة ، وأنا مستعد لتجربتها ، وسأعود للإبلاغ عندما أنتهي! شكرا لتقاسم ☺️

أوافق بشدة على وجهة نظر المعلم وانغ إن دا، حيث إن مساعدة الذكاء الاصطناعي في البرمجة يمكن أن تجعل الأشخاص الذين لديهم أساسيات في لغات البرمجة يتعلمون بسرعة لغة جديدة. كما أنه أكد على أهمية فهم المفاهيم الأساسية وراء اللغة.
---
ومع ذلك، فإن فهم المفاهيم وراء لغات مختلفة لا يزال مهمًا. لهذا السبب، فإن تعلم لغة واحدة على الأقل مثل بايثون يمكن أن يوفر لك أساسًا قويًا لتحفيز LLM على إنتاج كود بايثون أو لغات أخرى بشكل أفضل. إذا انتقلت من لغة برمجة إلى أخرى يمكنها إنجاز مهام مشابهة ولكن بترميز مختلف - مثل الانتقال من JS إلى TS، أو من C++ إلى Java، أو من Rust إلى Go - بمجرد أن تتقن مفاهيم اللغة الأولى