یه توسعهدهنده یه پولریکوئست ۲۱۸ فایلی رو داد دست ریویوئر هوش مصنوعی تا ببینه کجا واقعاً به درد میخوره و کجا اشتباه میکنه.
یه توسعهدهنده که روزی چند ساعت با LLMها کار میکنه، میگه کمکم از خوندن خروجیشون زده شده — نه بهخاطر خود ابزار، بلکه بهخاطر تکرار همیشگی همون الگوها و اشتباهها.
توماس دپیر میگه رایجترین دفاع از دستیارهای کدنویس — «مثل کارآموز باهاش رفتار کن و کدش رو ریویو کن» — با شواهد تجربی دربارهٔ محدودیتهای code review جور درنمیاد.
Dwarkesh Patel از ۶۰۰ مقاله، سه برنده رو انتخاب کرد. موضوعها از پایان دادن به بیماریهای هوابرد تا مدل کسبوکار هوش مصنوعی متفاوتن.
دیوید هوانگ میگه ذوق و قضاوت طراحی موهبت نیست؛ مثل بوکس و موسیقی تمرین میخواد، و چهار زمینه رو برای این تمرین معرفی میکنه.
شش نفر رو با یه دیتاست تنها بذار، شش نظر متفاوت دربارهٔ کیفیتش میگیری. نویسنده میگه دلیلش اینه که کیفیت داده ذاتی نیست و فقط نسبت به کاربرد معنا داره.
نویسنده که هم دیزاینره هم امدادگر اورژانس، میگه سؤال اصلی دیزاین دیگه «کاربر این دکمه رو پیدا میکنه؟» نیست، بلکه «کِی به هوش مصنوعی اعتماد میکنه؟»
یه دههٔ پیش استارتاپها با تعداد نیروهاشون پز میدادن، حالا با درآمد بهازای هر کارمند. نویسنده میگه تابلوی امتیاز عوض شده و میپرسه اثر فرهنگیش چیه.
یک دایرکتور مهندسی سهساله میگه نصف قواعد قدیمی مدیریت روی فرضِ گرون بودن کد بنا شده بودن و اون فرض فرو ریخته؛ نصف دیگه دستنخورده و مهمتر از قبل شده.
یه مهندس نرمافزار و رماننویس میگه بعد از ماهها بازبینی کد هوش مصنوعی، هم تنبلتر شده هم لذت کار رو از دست داده — و نگرانه نسل بعدی سنیورها از کجا بیان.
تو دوران کد تولیدشده با هوش مصنوعی، نویسنده میگه بازبینی کد به یه نمایش تبدیل شده و راهحل واقعی نه یه بازبین بهتر، بلکه یه پایپلاین تحویل قابلاتکاست.
نویسنده تعریف میکنه چطور با ایجنتها یه سرور DNS توزیعشده ساخته، تقریباً هیچکدوم از کدها رو نخونده، ولی هنوز میتونه به هر سؤالی دربارهٔ سیستم جواب بده.
ثامت اوزکاله مقالهای به سبک رسالههای فارابی نوشته: محصول خوب چیه، تیم محصول چطور شبیه مدینهٔ فاضلهست، و چرا «engagement» بهتنهایی فضیلت نیست.
نظرسنجی IBM از بیش از ۳۰۰۰ مدیرعامل نشون میده مانع اصلی هوش مصنوعی نه هزینهست نه قانونگذاری؛ نبودِ مدیرهاییه که بلد باشن دربارهش تصمیم بگیرن.
ایتان مالیک میگه با طولانیتر شدن کارهایی که هوش مصنوعی مستقل انجام میده، شیوهٔ استفاده داره از گفتوگو با چتبات به سپردن کار به ایجنتها عوض میشه.
جان کاتلر نرمافزارو مثل یه سبد دارایی میبینه و با یه ماتریس ارزش در برابر هزینهٔ نگهداری، چهار وضعیت تعریف میکنه؛ و میپرسه AI داره کدوم حرکت این سبدو تند میکنه.
داستان ۴۵ دقیقهای که یکی از بزرگترین بازارگردانهای آمریکا رو از بین برد، و اینکه چرا مقصر دونستن یه نفر معمولاً جواب اشتباهیه.
تیم لینتر Clippy میگه ظرفیت بازبینی کم آورده و میخواد مشارکتکنندهها کمک کنن PRهای همدیگه زودتر مرج بشن.
یه طراح با پونزده سال سابقه میگه چیزی که توش استاد شده داره به بخش ارزون کار تبدیل میشه؛ جامعهٔ خلاق Creative Boom براش جواب جمع کرده.
جان مائدا میگه عصر رابطهای کاربری که خودمون میروندیم داره تموم میشه؛ توی «تجربهٔ ایجنت» کار از انجامدادن به قضاوتکردن جابهجا میشه.