فريق الأعمال اليوم ترسل المزيد من الكود، وأكثر من ذلك بكثير. يتم تشغيلها جزئياً من خلال أدوات تشغيل الذكاء الاصطناعي مثل GitHub Copilot و Amazon Q. أكثر من أي وقت مضى ولكن هناك مشكلة. في حين أن الذكاء الاصطناعي يساعد فريق الأعمال على تسليم أنظمة الأبواب أكثر وأسرع، إلا أن هذه الأنظمة التي تعيشها - بالإضافة إلى سنوات أو حتى عقود من الديون الأكاديمية - مع تزايد المعقدة ، تتحول العديد من المنظمات إلى التحديث - ليس فقط من أجل الحفاظ على التقدم ، ولكن لأنه يتطلب الهبوط في الشبكة العنكبوتية. يزداد صعوبة في الواقع ، على الرغم من أن الكثير من التفاؤل حول تشفير الذكاء الاصطناعي يتركز على مشاريع الصلب والبرمجيات الجديدة ، most developers spend their time maintaining and modernizing legacy systems that are filled with outdated code, old frameworks, and accumulated  . architectural debt ثروة الأكاديمية تم إعطاء الفريقين هذا الدستور لتحديثها، ولكن مع أدوات الذكاء الاصطناعي الخاصة بهم التي لديها قليلاً أو غيرها من السياق في المعمارية البرمجية الحالية (أو الديون المعمارية) ، فإن المشاكل مثل الترابط المرتبط، والتأثيرات المرتبطة، والهبوط المعماري تزداد. . إنه يجعل الأمر أسوأ ولكن هناك إجابة.لأن التحديث ليس فقط عن إعادة كتابة الكود بسرعة. وبالتالي، مع النهج الصحيح في استخدام الذكاء الاصطناعي، يمكن تحقيق هذه الأهداف. reshaping software architecture to support scalability, faster delivery, and cloud-native goals في هذه المقالة سنقوم بتحليل كيفية إتاحة في حين أن معظم المواد تركز على استخدام الذكاء الاصطناعي للتدوين، سنرى أمثلة محددة عن كيفية استخدام الذكاء الاصطناعي. لأن مع الأدوات المناسبة والمناقشات المناسبة، يمكن أن توفر الفنون الذكية نصائح إبداعية متواضعة وواضحة التي تساعد، وليس تعويض، جهود فريقك. AI-assisted software architecture modernization actively help modernize software architecture سواء كنت تواجه مشكلات مع نظام التراث البشري أو تدارك التفكير في التفكير في ميكروسوفتات التراثية ، فإن الذكاء الاصطناعي يمكن أن يكون مصنعًا ناجحًا قويًا. مشكلة مع AI و معمار البرمجيات ونحن نعلم أن AI قد تحول إلى تشفير.العديد من المطورين يعتمدون على مساعدات تشفير الذكاء الاصطناعي في عملهم اليومي، باستخدام هذه العاملين الذكاء الاصطناعي مثل مساعد تشفير ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي ذكي المشكلة هي أن في هذا الاستخدام اليومي ، تؤثر الذكاء الاصطناعي أيضًا على المعمارية. عندما يكتب المطور الكود ، فإنهم يتساءلون دائمًا ويبحثون عن الإجابة على الأسئلة مثل: 
 
 
 
 
 
 
 كيف يمكنني تنظيم دروسي؟ كيف يمكنني التعامل مع Caching؟ أين يجب أن أضع هذه المنظومة التجارية؟ ما هي التوازنات الخارجية؟ كيف تتوافق هذه النتائج مع بيئة البرمجيات العالمية؟ و أكثر سواء كان المتطوعون يدركون ذلك أم لا، فإن العاملين في الذكاء الاصطناعي يطرحون هذه الأسئلة أيضًا - وأيضًا اتخاذ القرارات الأكاديمية - مع كل خط من الكود الذي تم إنشاؤه. وبالإضافة إلى هذه القرارات تأتي - خاصة عندما لا يفهم الممثل AI (كما هو طبيعي) أي سياق من الأكاديمية. يلجأ مساعدك الذكي والمتعلم والمتعلم إلى اتخاذ القرارات غير المعروفة التي تبدو صحيحة على السطح - ولكن عند النظر من سياق الأكاديمية البرمجية يضيف المزيد من الديون، المزيد من المشكلات، وأكثر من ساعات التشفير. هذا منطق "مبالغ فيه"؟ تعرف أنه يتعامل مع قضية الجانب التي وجدت في العام الماضي. risk ولجعل مشاكلك أسوأ ، فإن هذه الأخطاء عادة ما لا تظهر على الفور. مع أنظمة القديمة ، فإن تغطية الكود غالباً ما تكون أقل من المثالي. وحتى ذلك الحين ، لا تتحدث الأكاديمية البرمجية عادةً عن تفككها بشدة. تصميم البرمجيات Drift (الصدمة المريرة والمثيرة للجدل غير المرغوب فيها بعيدا عن المعمارية الهيكلية والتحكمية) هو مألوف بشكل خاص. إنها قصة معروفة: كانت معقدة في النظام، حاولت من خلال سنوات من محاولات التحديث الداخلي أن تنتقل، وأجهزت جهودها في كثير من الأحيان بسبب مخاوف الأكاديمية الخفية. Architecture drift بنك Fortune 100 في دراسة حديثة، وتشهد الشركات النتائج الاقتصادية السلبية بسبب عدم التوازن بين المعمارية التطبيقية والمستندات المتوفرة – مما يجعل من المستحيل تجاهل تكلفة هذه الفجوات. 93% من المتطوعين قد تكون المشكلات الأكاديمية أقل عرضة للخرافات من البروتوكولات ، ولكنها أكثر مشكلة. كيف يمكن AI في الواقع مساعدتك في تكوين معمارية البرمجيات الخاصة بك ولكن ليس من الضروري أن يكون هذا الطريق. إن الفنون الذكية ليست قادرة فقط على فهم وتتبع قرارات تصميمك، ولكنها يمكن أن تساعد في تحسينها أيضاً. حيث تنخفض الشبكات الديكتاتورية والخبرة الجماعية وتبقى المطورين والخريجين في الظلام، فإن الذكاء الاصطناعي ليس مجرد مساعد. brownfield modernization efforts كما يمكن أن تكتشف أدوات الذكاء الاصطناعي وتوصي بتحسينات على مستوى الكود، يمكن أن تكتشف الذكاء الاصطناعي وتصحيح مشاكل الأكاديمية أثناء جهودك في التحديث إذا تم تغطيةها مع سياق الأكاديمية بناء على تحليل وقت التنفيذ. يتم استخدامها بشكل صحيح مع سياق الوقت التنفيذي والتحليلات البنية التحتية المعمول بها في المجال الإبداعي، ويمكن للآلة الذكية: 
 
 
 
 
 
 اكتشاف وتصحيح العناوين المعمارية قبل أن تصبح أهمية إعداد استراتيجيات إعادة التأهيل المحددة تركز على ما يجب إصلاحه، مع الحفاظ على الوقت المحدد لشركة الهندسة (على الرغم من أن مساعدات التدوين تساعد على إصلاح المشاكل الصغيرة على الفور) إزالة التوازنات المعقدة تلقائياً إصلاح التحرك الأكاديمي، مما يجعله فعالاً في علاج النظام الذاتي. خطوة مهمة نحو التحديث الناجح ونحن نعلم أن الذكاء الاصطناعي يمكن أن يكون أفضل صديق لنا عند تحديث الأنظمة، ولكن كيف نبدأ؟ الخطوة الأولى لاستخدام الذكاء الاصطناعي بشكل فعال في بيئة البرمجيات هي إرسال الدعوات الفعالة.النتائج التي تحصل عليها هي مرتبطة مباشرة مع جودة الدعوات الخاصة بك.وجودة الدعوات الخاصة بك هي عادة نتيجة لتوفير سياق الذكاء الاصطناعي وتكون محددة. إذا كنت على أي حال غير واضحة في الطلب الخاص بك ، فإن النتيجة ستكون على الأرجح خاطئة جدا. كيف تبدو المحاولة الفعالة؟ 1. Be specific. لا تتردد في "بنيت API REST لإدارة الطلبات". هذا التحدي ، على الرغم من أنه قد يكون سيئًا بشكل مفرط ، يترك مساحة كبيرة للتفسير في الذكاء الاصطناعي في كل من الأكاديمية والتصميم. بدلاً من ذلك ، في وقت مبكر مع الجهة المعمارية بشكل خاص: إنشاء API Python REST لإدارة الأوامر باستخدام Flask و SQLAlchemy. 
 
 
 
 طبقة المراقبة (الطرق الضوئية) للتعامل مع طلبات HTTP، طبقة الخدمة من منطق الأعمال، ودرجة المختبرات لتمكين الوصول إلى البيانات باستخدام SQLAlchemy ORM. 2. Be thorough. لا تتحدث فقط عن منطق الكود، وتشمل أيضًا متطلبات غير فعالة. توسيع API Python Flask REST لتعزيز الدقة التشغيلية والتنمية. 
 
 
 
 
 تسجيل كل طلب HTTP المرسلة ومستوى الاستجابة. تسجيل الوقت التنفيذي لكل طلب باستخدام ماكينة التسجيل المدمجة في Python. يجب أن تكون التسجيلات هيكلية وتشمل إشارة الوقت، نقطة انتهاء، رمز المستوى، والتأخير. تحقق من جميع تكلفة طلبات الدخل باستخدام النماذج Pydantic في طبقة التحكم. تأكد من إرسال أخطاء التحقق ردود أخطاء JSON المعتمدة مع رسائل واضحة وكودات حالة HTTP المناسبة. تطوير منطق التجديد مع التجديد العشوائي لخطأات البنية التحتية المفاجئة في طبقة المختبر.استخدام Tenacity لتنفيذ التجديد دون تكرار منطق في طبقة الأعمال. تأكد من أن جميع الإجابات على الأخطاء تتبع نموذج JSON متكامل، بما في ذلك رمز الأخطاء، والرسالة، والتفاصيل الخيارات الثنائية للتحقق. " 3. Always be an architect. إرسال تصميم الأكاديمية الخاصة بك وأهدافها، وكيفية دمجها في النظام. "تطوير نظام إرسال البريد الإلكتروني المتعدد الأبعاد لإنتاج النظام ، والتي تم تصميمها لتوسيعها على نطاق واسع ويمكن إزالةها في وقت لاحق إلى خدمة ميكروسوفت الخاصة بها. 
 
 تقسيم الشكاوى بشكل واضح - تقسيم قاعدة الكود إلى طبقات نظيفة: 
 
 
 
 طبقة التحكم (أي مسارات Flask): يوافق ويؤكد طلبات إرسال البريد الإلكتروني. طبقة الخدمة: تتعامل مع القواعد التجارية مثل الحد من الأسعار، وتصميم المحتوى، وتحديثات. طبقة التخزين: يسيطر على استمرارية محاولات إرسال البريد الإلكتروني، ومواقع الإرسال باستخدام SQLAlchemy. 2 - الفساد : 
 
 
 
 لا تأخذ حالة جلسة أو حالة محددة الطلب بين المكالمات. يجب أن تكون جميع الاتجاهات (على سبيل المثال، ID المورد، محتوى البريد الإلكتروني، المجلات) موجودة في كل طلب. الحفاظ على جميع المستويات في المتاجر الخارجية (مجموعة البيانات، الكاميرا الضوئية، أو الجانب) للحفاظ على القنوات الحوسبة دون المستوى. التكلفة والتوفر على ميكروسوفت: 
 
 
 
 تصميم كل مشكلة رئيسية (على سبيل المثال، إرسال الترتيب، إرسال البريد الإلكتروني، مراقبة الوضع) كمستودع داخلي يمكن أن يصبح بعد ذلك خدمة مستقلة. تجنب التطبيقات المضغوطة - يجب تحديد المواقع لكل مكون كبير (على سبيل المثال، EmailProvider، EmailQueue، TemplateEngine). استخدامه لجميع التخصصات في الخدمة والتخزين من خلال المصممين أو محفظة DI البسيطة. 4 - المتطلبات غير الوظيفية: 
 
 
 
 المقاومة: التعامل مع أخطاء SMTP ومحاولة إعادة التأهيل باستخدام استراتيجيات Backoff. الملاحظة: تسجيل جميع نشاطات البريد الإلكتروني باستخدام ID الطلب والبيانات المرسلة. التوسع: يجعل من السهل دعم مزيد من الموردين (على سبيل المثال، SendGrid، SES) خلف تمييز رابط. " تذكر: التوصيات فعالة هي تصميمك. أن تكون محددة، إضافة السياق، أن تكون عميقة، دائما. أضف معالم الأكاديمية إلى نصائحك وسوف يلاحظ القارئ المناسب أن القول الأخير كان يشمل "مضمون إضافي" ... ولكن لم نتمكن حتى الآن من حل هذه الحاجة. لمزيد من التوصيات، نحن بحاجة إلى بعض المساعدة.في هذه الحالة، سوف أستخدم ، وهي أداة تحليل مصممة لتطوير التطبيقات وتوفير الإرشادات الهيكلية للمساعدين GenAI في إعادة تقييمها. وسوف نستخدم تحليلات ثابتة وديناميكية جنبا إلى جنب مع علوم البيانات لمعرفة المجالات المنطقية لبرنامجك وتحديد الحدود المثلى لهذه المجالات. وهذا يتيح لنا بدوره العثور على مشكلات المصممة في التطبيقات Java و .NET المعقدة، مثل: VFUNCTION 
 
 
 
 
 
 
 التهديدات القائمة المقاومة الديون الفنية الفنية انتهاكات حدود الديانة رمز الموت و أكثر ثم تغذية هذه المعلومات إلى وكيلك لتقييم خطواته ، مما يمنح وكلاء الذكاء الاصطناعيين المعلومات التي يحتاجونها لإدخال الكود الذي تريده. مثال خطوة بخطوة دعونا نذهب من خلال الخطوات أعلاه لنتعرف على كيفية توفير سياق التخطيط لمساعدي الكود. Analyze your app. سوف نستخدم vFunction لتحديد المواقع المنطقية المحتملة في تطبيقك وتحديد حدودها.هذه الخطوة الأساسية تتيح للأداة تحديد المشاكل الأكاديمية ذات الصلة مثل حدود المواقع المنخفضة، والتأثيرات بين الصفوف، والتأثيرات على الموارد، والتأثيرات الكبيرة، والتأثيرات الدقيقة، والتأثيرات المشتركة بين الصفوف.بعد ذلك، يمكنك التحقق من التحليل للعثور على الأخطاء التي تحتاج إلى إعادة تقييم فورا، مع الأسئلة مثل: ما هي المواقع التي تحتوي على أعلى عدد من الصفحات المشتركة؟ تحليل التطبيق المتوسطي ومناطق عملها المختلطة (ممثلة بمجالات) والضريبة التقنية المرتبطة بها. **Review the architectural TODOs
\ Next generate a list of prioritized architectural TODOs, each with a contextual explanation and an AI-ready prompt you can use in tools like Amazon Q or GitHub Copilot. **Use the prompt in your AI assistant.
\ Send the generated prompt into your IDE or code assistant. It will understand the context and help you break up god classes, resolve domain pollution, or implement suggested changes to increase the modularity of your code. For example, in the screen shot above we see suggestions for refactoring a circular flow dependency. **Validate and repeat.
\ Rerun the analysis after applying changes. It will show you whether modularity improved, which TODOs were resolved, which weren’t, and suggest the next step in the refactoring process. من خلال الجمع بين هذه الاهتمامات مع LLM الخاصة بك ، يمكنك إنشاء مساعد قوي وواقعي مستعد لإنشاء وإجراء العمل الصعب من التجديد. AI is Your Partner in Software Architecture AI هو شريككك في تصميم البرمجيات الكود الذكي هو فقط جزء من القصة. The real value comes from using those same AI assistants not just to generate code but as a partner to help you modernize and improve your existing software architecture. من خلال استخدام السياق المعرفي، الذي يعتمد على الوقت المحدد لإنتاج إشعارات فعالة ومستقرة ومحددة، يمكن أن تساعدك على التغلب على الديون المعرفية القديمة، وتقسيم الكود الخاص بك، وتطوير نظام متطور قابل للتوسع. حظك يوم عظيم حقاً!

2022 - HackerNoon Contributor of the Year - Cloud Computing

2022 - HackerNoon Contributor of the Year - Design

2022 - HackerNoon Contributor of the Year - Heroku

2022 - HackerNoon Contributor of the Year - Javascript

2022 - HackerNoon Contributor of the Year - Salesforce

2022 - Hackernoons Tech Storyteller of the Year

I ♥ writing code. Find me on GitLab.

Nominated for 2022 - HackerNoon Contributor of the Year - Javascript

Nominated for 2022 - Hackernoons Tech Storyteller of the Year

Nominated for 2022 - HackerNoon Contributor of the Year - Cloud Computing

Nominated for 2022 - HackerNoon Contributor of the Year - Heroku

Nominated for 2022 - HackerNoon Contributor of the Year - Design

Nominated for 2022 - HackerNoon Contributor of the Year - Salesforce

تم إنتاج هذا الصوت باللغة الأصلية للقصة!

طويل جدا؛ ليقرأ

الذكاء الاصطناعي يجعل المطورين أسرع، كما يجعل المعمارية أسوأ.

الذكاء الاصطناعي يجعل المطورين أسرع، كما يجعل المعمارية أسوأ.

About Author

تعليقات

شنق العلامات

تم تقديم هذه المقالة في

Related Stories

Top Ecommerce Development Companies

The shortage of women in tech

How to Use No-Code Machine Learning to Optimize your HackerNoon Articles

30 Top Blockchain Development Companies in 2019

Top Ecommerce Development Companies

The shortage of women in tech

How to Use No-Code Machine Learning to Optimize your HackerNoon Articles

30 Top Blockchain Development Companies in 2019

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps