من هر روز از هوش مصنوعی استفاده می‌کنم و دیگر نمی‌خواهم به عقب برگردم. این شاید ساده‌ترین شروع ممکن باشد. هوش مصنوعی مرا سریع‌تر کرده، به یادگیری سریع‌تر کمک کرده و حوزه‌های کاملی از مهندسی را برایم قابل‌دسترس‌تر ساخته است. نحوه شروع کار، یافتن زمینه، نوشتن کد، تست و حرکت در بخش‌هایی از پشته فناوری که زمانی ناآشنا بودند را متحول کرده است.

در وب‌فلو، ما بسیار به این فکر کرده‌ایم که هوش مصنوعی کجای جریان کار مهندسی قرار می‌گیرد؛ نه فقط به‌عنوان یک تولیدکننده کد یا میان‌بری برای قضاوت، بلکه به‌عنوان راهی برای کمک به حرکت در کار واقعی محصول با زمینه بیشتر و اصطکاک کمتر.

سرعت شروع کار با هوش مصنوعی

پیش از ورود هوش مصنوعی به جریان کار روزانه‌ام، بخش بزرگی از مهندسی من صرف شکار زمینه می‌شد. روز معمولی با Slack، Jira، Confluence، مستندات داخلی و سپس گوگل، استک‌اورفلو و ردیت آغاز می‌شد. اما امروز با ابزارهای متصل و پروتکل زمینه مدل (MCP)، می‌توانم زمینه مرتبط را بسیار سریع‌تر دریافت کنم. به‌جای پرش دستی بین سیستم‌ها، از هوش مصنوعی می‌خواهم اطلاعات را جمع‌آوری و ترکیب کند.

نمایش گردش کار مهندسی با هوش مصنوعی

این تفاوت بزرگ است: هوش مصنوعی نیاز به جستجوی دستی را پیش از شروع تفکر حذف می‌کند. اگر در حال شروع یک ویژگی جدید هستم، می‌توانم زمینه تیکت، مکالمات مرتبط، پیاده‌سازی‌های مشابه و محدودیت‌ها را بپرسم. این کار نیاز به تفکر را از بین نمی‌برد، بلکه زمان نامرئی قبل از اولین خط کد را کاهش می‌دهد.

چالش‌های پس از تولید اولیه

اما هوش مصنوعی مهندسی را جادویی نکرده است. کارهای آزاردهنده از بین نرفته‌اند؛ فقط لباس عوض کرده‌اند. بزرگترین تغییر این است: هوش مصنوعی شروع و اجرای کار را بسیار سریع‌تر کرده، اما قسمت کندتر به مرحله بعد منتقل شده است: بررسی خروجی، درک مفروضات، کوچک نگه‌داشتن درخواست‌های pull، ادغام به‌ترتیب درست و اطمینان از اینکه می‌توانید کد را دو هفته بعد توضیح دهید.

این معامله واقعی است. سرعت در شروع، اما زمان بیشتر برای بازبینی. بسیاری از مهندسان این تناقض را تجربه می‌کنند.

نقش MCP در گردش کار مهندسی

پلتفرم توسعه‌دهنده وب‌فلو از MCP پشتیبانی می‌کند، بنابراین عامل‌ها می‌توانند با ابزارهایی مانند Claude، Cursor و Postman کار کنند. این نسخه‌ای از هوش مصنوعی است که بسیار مفیدتر از یک جعبه چت خالی است: دستیاری که نزدیک‌تر به گردش کار واقعی، با زمینه واضح‌تر و اقدامات مرتبط‌تر عمل می‌کند.

به‌طور خلاصه، هوش مصنوعی فرآیند شروع کار را متحول کرده، اما بخش‌های کند را حذف نکرده است. این یک ابزار است برای مهندسان، نه جایگزین قضاوت انسانی. کلید موفقیت در اتصال آن به زمینه و محدودیت‌های مناسب است.