🧐تست Api با ابزار مجهز به هوش مصنوعی !

در واقع HTTPie، یک ابزار قدرتمند و در عین حال کاربرپسند برای ارسال درخواست‌های HTTP و کار با APIها هست.

این ابزار به دولوپرا کمک میکنه تا درخواست‌های HTTP رو به راحتی ارسال، و پاسخ‌ها رو مشاهده و تحلیل کنند. همچنین شامل ویژگی‌هایی مثل سازگاری با APIهای RESTful و GraphQL، پشتیبانی از قالب‌های مختلف احراز هویت و یکپارچگی با ابزارهای دیگر توسعه هست🔥

مهم تر از همه این ابزار قابلیت استفاده از Ai رو هم داره، تا بتونه بهتر پاسخگوی نیاز ها و انجام تسک ها باشه(در حال حاضر روی نسخه 1.0) هست.

برای اطلاعات بیشتر و نحوه استفاده، میتونید به وبسایتش مراجعه کنید.

🔵Website

#tools #api #ai
@CodeModule

🔠🔠🔠 What is the Model Context Protocol (MCP)?


➖ MCP is an open standard developed by Anthropic that standardizes how AI applications, particularly large language models (LLMs), connect to external data sources and tools. It simplifies integrations by providing a universal protocol, like a USB-C for AI, enabling secure, scalable, and context-aware interactions without custom APIs for each tool or data source.


🟡AI assistants have entered their intern era. They'll ace any single task you throw at them—analyzing PDFs, generating SQL, cracking dad jokes about Kubernetes—but ask them to coordinate across Slack, Gmail, and Jira? Now you're debugging a Rube Goldberg machine of API keys.


🟡 Anthropic's Model Context Protocol (MCP) aims to standardize this mess. For users, it means connecting AI models to your Figma file and Linear tickets without needing a CS degree. For developers, it means fewer "why is the model just returning goat emojis" moments.


➖➖➖➖➖➖
📚 Article: [here]
➖➖➖➖➖➖
#AI #LLM #MCP


🖥 Follow @devDastan for more content.

آشنایی با دستورات دو ابزار هوش مصنوعی برای بازبینی کد: Gemini و CodeRabbit 🤖

اگه تو تیم‌های برنامه‌نویسی کار می‌کنید، حتما با ابزارهای بازبینی کد (Code Review) مبتنی بر هوش مصنوعی آشنا هستید یا ازشون استفاده می‌کنید. این ابزارها با کامنت گذاشتن تو گیت‌هاب (یا پلتفرم‌های مشابه) به ما کمک می‌کنند. در ادامه دستورات دوتا از این ابزارها رو مرور می‌کنیم:

✨ دستورات دستیار Gemini ✨
این دستیار دستورات ساده و مستقیمی برای انجام کارهای اصلی داره.

* بازبینی کد (Code Review)
برای اینکه دستیار تمام تغییرات موجود در پول ریکوئست (Pull Request) رو بررسی و نظرش رو اعلام کنه:

/gemini review

* خلاصه کردن (Summary)
برای دریافت خلاصه‌ای از تغییرات انجام شده در پول ریکوئست:

/gemini summary

* پاسخ در کامنت‌ها (Comment)
وقتی می‌خواید به صورت مستقیم در یک کامنت از دستیار سوالی بپرسید یا پاسخی بگیرید:

@gemini-code-assist

* راهنما (Help)
برای نمایش لیست تمام دستورات موجود:

/gemini help

🐰 دستورات دستیار CodeRabbit 🐰
این دستیار کنترل دقیق‌تری روی فرآیند بازبینی خودکار به شما می‌ده.
* کنترل بازبینی خودکار
* توقف موقت (Pause)
بازبینی خودکار رو برای یک پول ریکوئست خاص متوقف می‌کنه:

@coderabbitai pause 

* ادامه (Resume)
بازبینی خودکار رو که قبلاً متوقف کرده بودید، دوباره فعال می‌کنه:

@coderabbitai resume

* نادیده گرفتن (Ignore)
برای اینکه CodeRabbit یک پول ریکوئست رو به طور کامل نادیده بگیره، این دستور رو در توضیحات پول ریکوئست اضافه کنید:

@coderabbitai ignore

* درخواست بازبینی دستی
* بازبینی کامل (Full Review)
یک بازبینی کامل و جدید از تمام کدها، بدون در نظر گرفتن کامنت‌های قبلی:

@coderabbitai full review

* بازبینی افزایشی (Incremental Review)
فقط تغییرات جدیدی که از آخرین بازبینی به بعد اضافه شده‌اند رو بررسی می‌کنه:

@coderabbitai review

* به‌روزرسانی اطلاعات
* به‌روزرسانی خلاصه (Update Summary)
خلاصه‌ی تولید شده توسط دستیار رو در توضیحات پول ریکوئست آپدیت می‌کنه:

@coderabbitai summary

* ایجاد دیاگرام (Generate Diagram)
یک دیاگرام از تاریخچه و روند تغییرات پول ریکوئست ایجاد و در کامنت‌ها ارسال می‌کنه:

@coderabbitai generate sequence diagram

با این دستورات می‌تونید کنترل دقیق‌تری روی دستیارهای هوش مصنوعی داشته باشید و سرعت توسعه رو بالا ببرید.

🔗لینک نصب بات در گیت‌هاب:
https://github.com/marketplace/coderabbitai

https://github.com/marketplace/gemini-code-assist

#برنامه_نویسی #هوش_مصنوعی #گیت‌هاب #CodeReview #AI

🎺برای یادگیری بیشتر و دریافت مطالب مفید در زمینه .NET و برنامه‌نویسی، به کانال ما بپیوندید!

📚💻 @dotnetcode 🖥👨‍💻

آینده تست‌نویسی در .NET؛ وقتی هوش مصنوعی خودش را قضاوت می‌کند!

اگر در اکوسیستم دات‌نت فعالیت می‌کنید، حتماً می‌دانید که ورود AI به اپلیکیشن‌ها، مدل‌های سنتی تست‌نویسی را به چالش کشیده است. دیگر صرفاً چک کردن یک خروجی ثابت کافی نیست؛ ما با مدل‌های زبانی (LLM) سر و کار داریم که پاسخ‌هایشان متغیر است.
مایکروسافت با معرفی کتابخانه‌های Microsoft.Extensions.AI.Evaluation و ابزارهای جدید در Visual Studio 2026، پازل تست‌نویسی هوشمند را کامل کرده است.

💡 نکات کلیدی ویدیو (AI-Powered Testing in VS):

در ویدیوی جدید کانال دات‌نت، مک‌کنا بارلو (PM تیم ابزارهای دات‌نت) نکات بسیار مهمی را مطرح کرد:
1️⃣ تست‌نویسی خودکار با Copilot: حالا GitHub Copilot می‌تواند برای کل Solution شما به‌صورت یکجا Unit Testهای باکیفیت بنویسد. این یعنی دیگر لازم نیست ساعت‌ها وقت صرف نوشتن کدهای تکراری تست کنید.

2️⃣ ترکیب Code Coverage و AI: ابزار Code Coverage در ویژوال استودیو حالا هوشمندتر شده؛ نقاطی از کد که تست نشده‌اند را شناسایی کرده و مستقیماً به Copilot پیشنهاد می‌دهد تا برای همان بخش‌های پرریسک، تست تولید کند.

3️⃣ گزارش‌های بصری (AI Eval Reporting): با ابزار جدید dotnet aieval می‌توانید گزارش‌های گرافیکی دقیقی در مرورگر ببینید که نشان می‌دهد مدل هوش مصنوعی شما در چه بخش‌هایی (مثلاً در Groundedness یا صحت اطلاعات) ضعف داشته است.

4️⃣ فراتر از Black Box: هدف این ابزارها این است که خروجی AI دیگر یک "جعبه سیاه" نباشد. شما می‌توانید دقیقاً بفهمید چرا یک مدل امتیاز پایینی گرفته و با چه منطقی پاسخ داده است.

🛠 کتابخانه Microsoft.Extensions.AI.Evaluation شامل چیست؟
این پکیج‌ها فرآیند ارزیابی را به چهار لایه تقسیم می‌کنند:
✅ ارزیابی کیفی (Quality): سنجش میزان مرتبط بودن (Relevance) و انسجام (Coherence) پاسخ‌ها.

✅ ارزیابی ایمنی (Safety): شناسایی خودکار محتوای سمی، نفرت‌پراکنی یا کد‌های مخرب تولید شده توسط AI.

✅ ارزیابی مستند بودن (Groundedness): حیاتی‌ترین بخش برای جلوگیری از توهم (Hallucination)؛ چک می‌کند که آیا AI بر اساس دیتای واقعی شما حرف می‌زند یا از خودش داستان می‌سازد!

✅ ارزیابی کلاسیک (NLP): استفاده از معیارهای BLEU و F1 برای سنجش شباهت متنی با پاسخ‌های مرجع.

چرا این موضوع مهم است؟
در دنیای واقعی، ما نمی‌توانیم به خروجی مدل‌های هوش مصنوعی اعتماد صددرصدی داشته باشیم. این کتابخانه‌ها به ما "اعتماد سیستماتیک" می‌دهند. یعنی قبل از اینکه کاربر نهایی با یک پاسخ اشتباه روبرو شود، سیستم تست شما آن را شکار می‌کند.

📌 ویژگی طلایی: تمام این فرآیندها دارای سیستم Caching هستند؛ یعنی اگر یک تست را دوباره اجرا کنید و ورودی تغییری نکرده باشد، هزینه‌ای برای API پرداخت نمی‌کنید و نتیجه بلافاصله نمایش داده می‌شود.

📺 مشاهده ویدیو کامل در یوتیوب:
🔗 https://youtu.be/Bkn78klGhtc?si=c5dBLw1y7ituLTFH
📖 مطالعه مستندات رسمی:
🔗 https://learn.microsoft.com/en-us/dotnet/ai/evaluation/libraries

🎺برای یادگیری بیشتر و دریافت مطالب مفید در زمینه .NET و برنامه‌نویسی، به کانال ما بپیوندید!

📚💻 @dotnetcode 🖥👨‍💻

#dotnet #csharp #VisualStudio2026 #AI #Testing #GitHubCopilot #Programming #SoftwareEngineering #هوش_مصنوعی #برنامه_نویسی