پرش به محتوای اصلی
پرش به محتوای مقاله

درون متدولوژی ۴ روزه برای تولید ۵۵ صفحه مستندات با Goose AI

·۲۵ اردیبهشت ۱۴۰۵۳ دقیقه مطالعه
درون متدولوژی ۴ روزه برای تولید ۵۵ صفحه مستندات با Goose AI
اشتراک‌گذاری

اگر از نوشتن ده‌ها صفحه مستندات فنی می‌ترسید، یک متدولوژی جدید این کابوس را به ۴ روز کاهش داده است. تصور کنید به جای تایپ دستی هر بخش، تنها بر خروجی نظارت کنید.

برای انتشار محصول The AI Platform (متعلق به شرکت Zephyr Cloud) در ۱۳ مه ۲۰۲۶، نویسنده باید راهنمای کاملی برای کاربران نهایی می‌نوشت؛ آن هم در حالی که رابط کاربری (UI) مدام تغییر می‌کرد. برای حل این مشکل، او از Goose استفاده کرد؛ یک عامل (Agent) — مثل کارمندی است که نه تنها دستور می‌گیرد، بلکه می‌تواند ابزارها را برای رسیدن به هدف به کار بگیرد — که توسط شرکت Block به صورت متن‌باز عرضه شده است.

همان‌طور که در تحلیل‌های قبلی ما درباره‌ی اتوماسیونِ عامل‌محور اشاره کردیم، کلید موفقیت در این پروژه، تعریف سه «مهارت» (Skill) پایدار بود:

  • مهارت write-docs: با ۵۱۳ خط دستورالعمل، لحن و قالب‌بندی دقیق متن را کنترل می‌کند.

write-docs skill card: 513 lines covering voice and tone rules, page structure template, formatting conventions, and verification checklist

  • مهارت doc-screenshots: با استفاده از Peekaboo برای اتوماسیون macOS و Swift OCR، متن‌های روی صفحه را می‌یابد. طبق گزارش نویسنده، عامل به جای ثبت دستی، از یک مانیفست YAML (یک فرمت ساده برای سازماندهی داده‌ها) استفاده کرد تا ۵۹ اسکرین‌شات دقیق را بگیرد.

doc-screenshots skill card: 478 lines of instructions plus 1,722 lines of tooling code, covering Peekaboo integration, Vision OCR, YAML manifest runner, and batch capture modes

Screenshot pipeline flow: Peekaboo navigates and focuses, Peekaboo --retina captures at 2x, Swift Vision OCR finds text, Pillow adds highlights, pngquant and optipng compress

  • مهارت docs-preview: با اتصال به Rspress، هر صفحه را در ۱.۸ ثانیه روی یک شبکه توزیع محتوا (CDN) منتشر می‌کند تا لینک زنده هر صفحه فوراً بررسی شود.

docs-preview skill card: 155 lines covering Zephyr Cloud edge deploy, 3-second build cycle, URL management, and stale URL prevention

این روش مشکل «اسکرین‌شات‌های قدیمی» را حل کرد. وقتی در اواسط پروژه، نوار کناری برنامه تغییر کرد، نویسنده فقط مانیفست را به‌روز کرد و تمام ۵۹ تصویر در چند دقیقه بازتولید شدند. خروجی نهایی شامل ۵۵ صفحه و ۸۱ کامیت (Commit) در بازه ۴ روزه بود.

By the Numbers: 55 pages, 59 screenshots, 81 commits, 4-day sprint, 24K words, 3 skills built, 1 rebrand survived, 6.2 MB of images

به باور ما، این تجربه ثابت می‌کند که عامل‌های هوش مصنوعی زاینده (Generative AI) زمانی بیشترین بازدهی را دارند که به جای پرامپت‌های پراکنده، «مهارت‌های پایدار» یاد بگیرند. با تبدیل مستندات به یک اثر مهندسی بازتولیدپذیر، تیم‌ها می‌توانند حتی در زمان تغییرات سریع برند یا رابط کاربری، کیفیت راهنماها را حفظ کنند.

گام بعدی شما

  • بررسی استقرار فایل llms.txt برای اینکه مستندات شما برای سایر عامل‌های هوش مصنوعی خواندنی شود.
  • جایگزینی پرامپت‌های تکراری در گردش‌کارهای خود با تعریف «مهارت‌های پایدار».
  • تست ابزار متن‌باز Goose برای اتوماسیون وظایف تکراری سیستم‌عامل.

اما تأثیر این رویکرد بر هزینه‌های نگهداری نرم‌افزار در مقیاس بزرگ چه خواهد بود؟ به تحلیل ما درباره‌ی مدل‌های استدلالی مراجعه کنید.

چرا این موضوع مهم است؟

این رویکرد بر اساس تجربه عملی ثابت می‌کند که عامل‌های هوش مصنوعی زمانی پایدارند که در چارچوب‌های ساختاریافته (مانند YAML) عمل کنند. این تغییر، استانداردهای جدیدی برای اتوماسیون فرآیندهای تکراری در تیم‌های محصول ایجاد می‌کند.

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.