آموزش برنامه‌نویسی با ChatGPT (آپدیت ۱۴۰۴: GPT-5)

چطور با ChatGPT (GPT-5) سریع‌تر کد بزنیم؟

این راهنما، مسیر عملی از تعریف مسئله تا تحویل کد و تست را نشان می‌دهد؛ همراه با پرامپت‌های آماده، نمونه‌کد، مقایسه مدل‌ها و چک‌لیست‌های کاربردی.

• از ایده تا UI آماده
• دیباگ ریپوهای بزرگ
• تست و پوشش سناریوهای مرزی

شروع سریع با GPT-5 (۵ قدم کاربردی)

1. به حساب خود در ChatGPT وارد شوید و مدل GPT-5 را انتخاب کنید (برای هزینه کمتر: GPT-5 mini).
2. مسئله را واضح تعریف کنید: هدف، ورودی/خروجی، محدودیت‌ها، نسخه زبان/فریم‌ورک.
3. کانتکست را کامل بدهید: قطعه‌کد، لاگ خطا، ساختار پوشه‌ها، فایل README.
4. از مدل بخواهید قبل از کدنویسی، «Plan» بدهد؛ سپس «Code → Test → Review» را در چرخه‌های کوتاه تکرار کنید.
5. در انتها تست‌های واحد/یکپارچه را اجرا و معیار پذیرش (Acceptance Criteria) را بررسی کنید.

پرامپت‌های آماده برای برنامه‌نویسی

سه الگو که مستقیم کپی/پیست می‌کنید؛ فقط جزئیات پروژه‌تان را جایگزین کنید.

نقش: مهندس بک‌اند | نسخه: Python 3.12 + FastAPI
```

ورودی: لاگ خطا + مسیرهای API + فایل‌های پیکربندی
درخواست: فرضیه‌های خطا، طرح آزمایش، اصلاح کد، تست یکپارچه، چک‌لیست امنیت

نقش: طراح-توسعه‌دهنده
```

درخواست: تبدیل فرم ثبت‌نام به UI ریسپانسیو با ARIA
خروجی: HTML/CSS کامل + توضیح تصمیم‌های طراحی (Spacing/Type/Whitespace)

نمونه‌کدهای کوچک برای شروع

JavaScript • تست واحد با Vitest

// sum.js
```

export const sum = (a, b) => a + b;

// sum.test.js
import { sum } from './sum';
import { describe, it, expect } from 'vitest';

describe('sum()', () => {
it('adds two numbers', () => {
expect(sum(2, 3)).toBe(5);
});
});

Python • FastAPI (الگوی Endpoint ساده)

from fastapi import FastAPI, HTTPException
```

app = FastAPI()

@app.get("/health")
def health():
return {"status": "ok"}

@app.get("/divide")
def divide(a: float, b: float):
if b == 0:
raise HTTPException(status_code=400, detail="b must not be zero")
return {"result": a / b}

کدام مدل برای چه کاری بهتر است؟

۵ بهترین شیوه برای بازدهی بیشتر

• اول تست سپس کد: از مدل بخواهید معیار پذیرش و تست‌های واحد را قبل از کدنویسی تولید کند.
• پرهیز از هالوسینیشن: خروجی را با مستندات رسمی و اجرا روی پروژه واقعی اعتبارسنجی کنید.
• کانتکست دقیق: نسخه‌ها، تنظیمات Build، سیستم‌عامل و محدودیت منابع را ذکر کنید.
• مستندسازی خودکار: درخواست تولید README، Docstring و کامنت‌های آموزنده را بدهید.
• ایمنی و محرمانگی: کلیدها و توکن‌ها را ماسک کنید؛ از مدل بخواهید اسرار را شناسایی/حذف کند.

پرسش‌های متداول

به ابزارهای بیشتری نیاز دارید؟ اکانت‌های معتبر سایر سرویس‌های هوش مصنوعی را ببینید.