Go Casts | Systems & Agents 🚀

دوستان سنیور گولنگ اگه به دنبال موقعیت جدید هستید این موقعیت رو هم اقدام کنید. https://jobinja.ir/companies/hafhashtad/jobs/trjN/%D8%A7%D8%B3%D8%AA%D8%AE%D8%AF%D8%A7%D9%85-senior-golang-software-engineer-%D8%AF%D8%B1-%D9%87%D9%81-%D9%87%D8%B4%D8%AA%D8%A7%D8%AF @gocasts

یه اصل ساده تو مدیریت زمان هست، از کتاب معروف Getting Things Done (دیوید آلن): «اگه کاری کمتر از ۲ دقیقه طول می‌کشه، همون لحظه انجامش بده» دلیلش هم مشخصه: نوشتنش تو لیست، بعداً دیدنش، به یادش آوردن، دوباره سراغش رفتن... کل این پروسه خودش بیشتر از خودِ کار طول می‌کشه. پس ارزون‌ترین راه همون لحظه تموم کردنشه. حالا حکایت ما با ai-agentها عملا اینطوری میشه که اگه این اصل رو جدی بگیریمش تقریباً همه‌چی می‌فته زیر این آستانه! https://gettingthingsdone.com/2020/05/the-two-minute-rule-2/ @gocasts

اولین کدی که من نوشتم سال ۱۳۷۶ توی دبیرستان البرز بود، به زبان پاسکال! و نه یک دل بلکه صد دل عاشق برنامه نویسی شدم 🙂 چرا؟ چون داشتم یه چیز جدید میساختم. اما این چیز با بقیه چیزایی که مهندس‌ها میسازن یه فرق اصلی داره و اون فرق اینه که این چیز شبیه یک موجود زندست! از خودش رفتار داره... و این منو عاشق خودش کرد. مهندسین عمران یا معماری یا برق چیزایی میسازن که اصولن فیزیکی‌ان، ثابت تر رفتار یا کار میکنن، اما نرم افزار بیشتر به یک موجود زنده شبیه... و از این بابت ما مهندسین متفاوتی باید باشیم 🙂 در طول این سال‌ها خیلی اشتباهات کردم... خیلی چیزا یاد گرفتم... چالش‌های خیلی از برنامه نویسایی که باهاشون کار کردم رو دیدم... خیلی برنامه نویس تربیت کردم که یعضی‌هاشون بعد از حدود یک سال با مصاحبه‌های قوی ای که انجام دادن شرکتای خارجی رفتن... من همیشه سعی کردم یاد بگیرم... و یاد بدم.... سال‌هاست که از تدریس لذت می برم هرچند که کمتر پابلیک حضور داشتم و الان دارم بیشترش میکنم. دوره‌هایی که من بعنوان مسیر مهندس نرم افزار شدن توی سایتم گذاشتم حاصل این ۲۳ ساله که از عمر حرفه‌ایم توی این کار میگذره و انچه دیدم و چشیدم 🙂 بعنوان یه هدیه کوچولو روز برنامه نویس، روی اکثر دوره‌ها تخفیف‌های حدود ۳۵ تا ۴۰ درصد گذاشتم که تا فردا شب فقط فعاله. برید نگاهشون کنید... حتمن چیزی توش پیدا میکنید که بدرد‌تون بخوره تو هر سطحی یه موضوعی هست. https://behradz.ir/dd-tg اگه بیشتر از یک دوره خواستید یا دو مرحله ای خواستید پرداخت کنید هم بهم توی تلگرام پیام بدید. آیدی تلگرامم توی سایت و گروه تلگراممون هست. @mindfulsoft

برخی از دوستان به درستی در کامنت ها اشاره کردن که ai باعث شده دیگه مثل قدیم از برنامه نویسی لذت نبرن. پاسخ بنده اینه که از یه جنبه هایی این حرف درسته. ولی از یه جنبه هایی هم آدم هیجان زده میتونه باشه. به شخصه تکنولوژی های فوق العاده متنوعی در یک دهه گذشته برای خودم لیست کرده بودم که یه روزی سعی کنم عمیق تر یادشون بگیرم و باهاشون یه محصولی رو توسعه بدم و لذت‌ش رو ببرم. لیست این ابزار و تکنولوژی و زبان ها اینقدر طولانی شده که هیچ وقت حتی نمیتونم ۱ درصدشون رو عملی کنم. اومدن ai یه هیجان و انرژی جدیدی رو به آدم میده. چون بهش اجازه میده که با صرف کردن زمان کمتری از تکنولوژی مد نظرش کمک بگیره و محصول تولید کنه و اون لذت نهایی که توسعه و ساختن با استفاده از تکنولوژی و ابزار محبوبش هست رو بهش برسه. درسته که در نهایت عمق دانشی که کسب میکنه به اندازه حالت بدون ai نمیشه. اما خب واقع بین اگه باشیم بدون ai احتمالا حتی ۱ درصد اون ابزار و تکنولوژی هارو نمیتونستیم تجربه کنیم. اما ai این اجازه رو میده که بصورت هوشمندانه و selective مفاهیم مهم تر هر تکنولوژی رو یاد بگیریم و باهاشون محصول توسعه بدیم و ازش لذت ببریم. از یاد نبریم که یکی از عوامل اصلی ای که ما نمیتونیم یادگیری یه چیز سخت رو ادامه بدیم اینه که خیلی زمان میبره که به یه خروجی ملموس برسیم. واسه همینه شاید همیشه یادگیری یه چیزی که خروجی ملموس داره مثل تکنولوژی های front-end برای خیلی ها ساده تره. چون در مراحل ابتدایی یادگیری به خروجی ملموس میرسی... با اومدن ai این قضیه میتونه برای سخت ترین تکنولوژی ها هم رخ بده و در خیلی از موارد بتونی از اول مسیر یادگیری خروجی ملموس داشته باشی که بهت انگیزه مضاعف بده برای طی کردن ادامه مسیر یادگیری این لینک کامنت ها https://t.me/c/1525472919/7803 https://t.me/c/1525472919/7810 که پاسخ کوتاهی در این کامنت نوشتم https://t.me/c/1525472919/7811 @gocasts

یه نکته‌ی جذاب در مقاله‌ی جدید مهندسی Uber اینه که برای نصف‌کردن latency جست‌وجوی Uber Eats، فقط سراغ بهینه‌سازی مدل یا زیرساخت نرفتن؛ کل مسیر «تایپ‌کردن تا دیدن اولین نتایج» رو اندازه گرفتن. مثلاً hydration رو به دو بخش شکستن: داده‌هایی که ranking واقعاً لازم داره وارد critical path می‌شن و اطلاعات نمایشی مثل قیمت و تخفیف، هم‌زمان و جداگانه دریافت می‌شن. چند retrieval کم‌بازده رو هم حذف کردن، زنجیره‌ها رو زودتر deduplicate کردن و با گروه‌بندی آیتم‌های مشابه، تعداد lookupها رو بیشتر از ۱۰۰ برابر کاهش دادن. حتی در سرویس‌های Go، جای pointer و value type رو بازنگری کردن؛ چون در بعضی سرویس‌ها GC بیش از ۴۰٪ CPU رو مصرف می‌کرد. نمونه‌ی خوبی از این‌که performance معمولاً با یک ترفند عجیب بهتر نمی‌شه؛ بلکه باید کار اضافه، dependency اشتباه و allocationهای ریز روی hot path رو پیدا کرد! اما برای من، جذاب‌ترین بخش ماجرا agent loop اوبر بود. به یک coding agent هدف مشخص کاهش latency و ابزارهایی برای خواندن traceهای واقعی production، پیدا‌کردن spanهای کند، نوشتن fix، بازکردن PR و اجرای benchmark داده بودن. بعد agent در یک حلقه‌ی «اندازه‌گیری ← تشخیص ← اصلاح ← اعتبارسنجی» جلو می‌رفت تا یا به هدف برسه یا بازده تغییر بعدی از یک حد کمتر بشه. نکته‌ی مهم اینه که اینجا agent صرفاً کد تولید نمی‌کنه؛ به observability و verification وصل شده و هر تغییر باید اثر قابل‌اندازه‌گیری داشته باشه. برای اینکه افزایش سرعت کیفیت نتایج جست‌وجو رو خراب نکنه هم یک سیستم ارزیابی مبتنی بر LLM ساخته بودن تا feedback loop سریع‌تر بشه. به نظرم این دقیقاً یکی از کاربردهای جدی AI agentها در مهندسی نرم‌افزاره: سپردن بهینه‌سازی‌های کوچیک، کم‌هیجان ولی پرتعداد یا allocation نامناسب به سیستمی که پروداکشن رو مشاهده می‌کنه، تغییر می‌ده و نتیجه رو دوباره اندازه می‌گیره. https://www.uber.com/gb/en/blog/uber-eats-search-pipeline @gocasts

سلام به همه دوستان یکی از دوستان به همراه تیم‌ش سرویس CDN رو از صفر نوشتن — نه روی استک‌های آمادهٔ معمول. با مؤسسش جلسه داشتم؛ چیزی که دیدم این بود که تو مدت کوتاهی رشد خوبی داشتن. به گفتهٔ خودشون بالای ۷۰ مشتری دارن و در اوج قطعی‌های اینترنت، سرویس‌شون بالا مونده و از بیرون هم در دسترس بوده. دو تا ویژگی‌اش برام واقعاً جالب بود: ۱) لاگ کامل درخواست‌ها. یعنی می‌تونی ببینی دقیقاً چی از CDN رد شده، نه فقط چند تا نمودار کلی. برای دیباگ و تحلیل ترافیک ارزشش رو داره. ۲) سرویس Gateway. این یکی به درد خیلی‌هامون می‌خوره. از سرور ایران که می‌خوای به پروایدرهای خارجی ریکوئست بزنی، معمولاً به خاطر تحریم به ۴۰۳ می‌خوری. اینجا یه base URL روی دامنهٔ خودت می‌گیری و به جای آدرس اصلی توی کدت می‌ذاری: https://openrouter.ai/api/v1/chat/completions ↓ https://openrouter.yourdomain.com/api/v1/chat/completions برای OpenRouter، سرویس‌های گوگل، docker pull، رجیستری npm و مشابهش. به گفتهٔ خودشون حتی موقع قطعی اینترنت هم فعال می‌مونه. صادقانه: من خودم هنوز روی پروداکشن تستش نکردم، و این پست تبلیغ نیست. CDN خوب تو ایران کم داریم و ترجیح می‌دم تیمی که داره جدی روش کار می‌کنه دیده بشه. اگر امتحانش کردید حتماً بهم فیدبک بدید. 🔗 CDN: https://nsin.ir/products/cdn/ 🔗 Gateway: https://nsin.ir/products/gateways/ ثبت‌نام با ۱۰٪ تخفیف گوکست 🔗 https://panel.nsin.ir/auth/jwt/sign-up?ref=gocasts این فیچر ai crawlerها رو هم اینجا تو کانالشون میتونید بخونید در موردش https://t.me/nsin_ir/24 حمایته، نه تبلیغ ❤️ @gocasts

مارتین فاولر یه مطلب نوشته به اسم «I don't like LLMs». فاولر قبول داره که این ابزارها کار می‌کنن. حتی از Jessica Kerr نقل می‌کنه که استفاده نکردن ازشون غیرمسئولانه‌ست. مشکلش با کارایی‌شون نیست، با رفتارشونه. می‌گه ادای آدم رو درمیارن، و تازه ادای آدمی رو که اگه واقعی بود باهاش رفیق نمی‌شد. وقتی یه چیزی رو نمی‌دونن با همون اطمینانی که جواب درست می‌دن سرهمش می‌کنن، و اشتباهشون رو که بگی یه عذرخواهی سرسری می‌کنن و می‌رن سراغ جواب بعدی. لینک مطلبش رو گذاشتم، تمایل داشتید بخونید: https://martinfowler.com/articles/2026-dont-like-llms.html @gocasts

این بهترین تجربه‌ای بود که تا حالا با یه agent داشتم. دیشب با تاخیر چند ساعته ایمیل هاستینگ رو خوندم که نوشته بود «فردا ۸ صبح سرورتون رو با اسنپ‌شات می‌بریم روی زیرساخت جدید، IP عوض می‌شه، از دیتاتون بکاپ بگیرید، مسئولیتش با خودتونه.» سرور، تنها سرور پروداکشن یه سازمانه که تو پنج سال گذشته هر چیزی که لازم بوده روش نصب شده: چند تا استک داکر (Nuxt، دو تا Laravel، MySQL های جدا)، وردپرس روی php-fpm و MariaDB خود هاست، یه رجیستری خصوصی داکر، ۱۹ تا دیتابیس که نصفشون legacy‌ان، بیش از ۱۵ گیگ فایل و مدارک مهم سازمان، درگاه‌های بانکی که IP سرور رو whitelist کردن، و CentOS 7 که دو ساله EOL شده. دیسک ۹۹٪ پر بود و روش قدیمی بکاپ (tar بگیر، با HTTP دانلود کن) عملاً غیرممکن. کار ما عملاً ۱۲ شب شروع شد، یعنی ۸ ساعت تا مهاجرت. ابزار Claude Code با مدل Fable رو باز کردم و اول نقشه‌ی سرور رو کشید: کدوم سرویس کجاست، دیتا کجاست، چی به IP وابسته‌ست. بعد فهمید پهنای باند سرور به لپ‌تاپ من ۱۵۰ کیلوبایت بر ثانیه‌ست و ۱۵ گیگ عمراً تا صبح نمی‌رسه؛ رفت سراغ object storage داخلی که کلیدش از قبل روی سرور بود، rclone رو بدون sudo نصب کرد، آپلود رو تو tmux راه انداخت و با ۶ مگابایت بر ثانیه تو ۴۰ دقیقه تموم شد. dump دیتابیس‌ها رو گرفت و قبل از اینکه بگه «بکاپ داریم» روی لپ‌تاپ من restore کرد و ردیف‌ها رو شمرد. docker save ایمیج‌هایی که هیچ‌جای دیگه وجود نداشتن، کانفیگ‌ها، docker inspect همه‌ی کانتینرها، همه رفت. هم‌زمان یه runbook زنده نوشت: وضعیت، ریسک‌ها، پلن بکاپ با وضعیت هر آیتم، چک‌لیست تغییر IP، تست‌های بعد از انتقال، و دستور بازسازی از صفر اگه اسنپ‌شات خراب می‌شد. تو همین مسیر چند تا چیز پیدا کرد که خودم نمی‌دونستم: یه فایل nginx که روی IP قدیم listen می‌کرد و روی سرور جدید کل nginx رو زمین می‌زد (قبل از مهاجرت درستش کردیم)، اینکه کل زون DNS پشت CDN بود و TTL اصلاً مهم نبود، و گواهی‌های TLS مبدأ که شش هفته بود منقضی شده بودن و CDN قایمشون کرده بود. چیزی که این تجربه رو با هر ابزار دیگه‌ای فرق داد، همیشه‌آنلاین بودنش بود. من وسطاش رفتم خوابیدم؛ Fable بیدار موند. هر ۵ دقیقه پیشرفت آپلود و تعداد خطاها رو چک می‌کرد، بعد از هر مرحله rclone check می‌زد و فایل‌ها رو با دیسک مقایسه می‌کرد، بعد … خواندن کامل ←

از دیروز چند آیتم ظاهری در GoCasts به‌روز شده 🚀 اگه دقت کرده باشید، لوگو، اسم کانال و بیو تغییر کرده: Go Casts | Systems & Agents این تصمیم یهویی نبود. حدود یک سال و نیم پیش که @aicasts_ir رو راه انداختیم، نگاهمون این بود که همه‌مون، به‌عنوان مهندس نرم‌افزار، باید به این سمت بریم. ولی کم‌کم این موضوع برای خود GoCasts هم خیلی جدی‌تر شد. خیلی وقته که محتوای کانال رنگ و بوی agentها رو گرفته و طبیعی هم هست. ولی وقتش شده بود که در هویت اصلی GoCasts هم این تغییر نشون داده بشه. لوگوی جدید هم از همین ایده اومده: سیستم‌ها و ایجنت‌ها. چند تکه‌ی جدا که در کنار هم یک چرخه‌ی کامل می‌سازن. ▫️ یعنی دیگه نرم‌افزار مهم نیست؟ نه، اصلاً. برای من، نرم‌افزار همچنان یکی از جدی‌ترین دغدغه‌هاست. هنوز practiceهای خوب نرم‌افزار، طراحی distributed system و چالش‌های مهمی مثل reliability، scalability و غیره خیلی جدی‌ان. ▫️ در آغوش گرفتن agentها در آغوش گرفتن ایجنت‌ها اجتناب‌ناپذیره. به نظرم اتفاقاً باید براش ذوق هم داشته باشیم، چون ایجنت‌ها به ما اجازه می‌دن همون نرم‌افزار خوب، باحال و scalable رو ساده‌تر، بهتر و کم‌هزینه‌تر بسازیم. خیلی وقت پیش در مورد این در آغوش گرفتنه صحبت کرده بودم. یکی از واضح‌ترین قدم‌ها هم در آغوش گرفتن تمام و کمال AI برای بهبود بهره‌وری کارمون هست: https://t.me/gocasts/743 ▫️ ایجنت‌ها خودشون هم یک «سیستم» جدیدن جدا از اینکه با ایجنت‌ها سیستم می‌سازیم، خود ایجنت‌ها هم یه دنیای مهندسی تازه‌ان: agent runtime، harness، scale کردن ایجنت‌ها و ... . موضوعی که به نظرم باید عمیق دنبالش کرد. ▫️ گولنگ خیلی خوبه! گولنگ برای من همچنان خیلی دوست‌داشتنی و مهمه، ولی agentic Go. نرم‌افزار در همه‌ی ابعادش مهمه، ولی agentic software. یعنی مباحث مهم در گولنگ و software رو باید مسلط شد، و خیلی از جزئیات کم‌اهمیت‌تر رو به ایجنت‌ها سپرد. ▫️ طراحی و معماری سیستم: مهم‌تر از قبل طراحی سیستم و معماری همیشه مهم بوده، ولی با اومدن ایجنت‌ها هم مهم‌تر شده و هم چالش‌برانگیزتر. نگاه اهمیت دادن به طراحی سیستم در GoCasts چندین ساله که وجود داره. به همین دلیله که بخش خوبی از محتوای دوره‌ی بک‌اند و گولنگ GoCasts در مورد طراحی و معماری سیستم بوده و معتقد بودیم هر فرد در این حوزه، بدون در نظر گرفتن… خواندن کامل ←

با یه پارادوکسی مواجه هستیم که خیلی مهمه درست درکش کنیم. وقتی در مورد کارایی که با ایجنت‌ها می‌کنم پست می‌ذارم، یه سوال رایج اینه که setup و فریمورک و trickهایی که به کار می‌بری چیه. معمولا جواب نمی‌دم چون سخته توضیح بدم که برای خیلی از کارها واقعا چیز خاصی ندارم... یا دوستان لطف دارن و می‌گن دوره و ورکشاپ برگزار کن. ولی به نظرم setup و trick اون چیزی نیست که فرق اصلی رو می‌سازه. چیزی که واقعا فرق می‌سازه یه چیز دیگه‌ست که پایین‌تر می‌گم. حالا تو توییتر dax و DHH این چند روز یه حرفی زدن که خیلی باهاش موافقم: دیگه لازم نیست برای کار با AI یه setup پیچیده و عجیب بچینی. مدل‌ها خودشون خیلی خوب شدن. تا چند ماه پیش خودم رو خیلی درگیر setupهای پیچیده می‌کردم. کلی skill، کلی MCP، فایل‌های rule چند صفحه‌ای و غیره... علت اصلیش این بود که مدل‌های اون موقع ضعیف بودن، یا بهتره بگم حواس‌پرت بودن... مثلا یادش می‌رفت چی گفتیم، یه چیزی می‌نوشتیم که یادش بمونه. یا به یه سری چیزای بدیهی دقت نمی‌کرد و باید rule سفت و سخت براش می‌نوشتی که درست کار کنه. الان مدل‌ها هنوز بی‌نقص نیستن، ولی این مشکلا رو خیلی کمتر دارن و بیشتر اون setupها دیگه لازم نیست. ولی یه چیزی هست که به نظرم همچنان مهمه، و شاید مهم‌ترین مهارتیه که تو استفاده از ایجنت‌ها باید بهش توجه کنیم. مدل هر چقدر هم باهوش باشه، پروژه شما رو نمی‌شناسه. نمی‌دونه چرا فلان کار رو تو تیمتون این‌طوری انجام می‌دید، یا اون قانون عجیب بیزینسی که شفاهیه و هیچ‌جا داکیومنت نشده از کجا اومده. این چیزا رو باید یه جا براش بنویسید. این دیگه «جبران ضعف مدل» نیست، اطلاعاتیه که هیچ‌جای دیگه پیداش نمی‌کنه. در واقع بزرگ‌ترین ضعف بیزینس‌ها الان «حجم خیلی زیاد contextهای شفاهیه» که هیچ‌جا نوشته نشده جز ناخودآگاه آدم‌ها، و تا این حل نشه ایجنت‌ها بهره‌وری کافی نخواهند داشت. برای همین مهم‌ترین کاری که معمولا می‌کنم اینه که نیازمندی رو کامل و شفاف کنم، هم از نظر بیزینسی هم فنی. نکته مهم دیگه deterministic validationهاست. یعنی تست‌هایی که سیستماتیک قوانین بیزینس رو چک می‌کنن. ایجنت الان خیلی سریع کد می‌نویسه، و دقیقا برای همین باید بتونی سریع و مطمئن چک کنی درست نوشته یا نه. هر چی ایجنت سریع‌تر بشه، تست مهم‌تر می‌شه. یه نکته مهم دیگه هم اینه که درک عمی… خواندن کامل ←

این روزها زیاد می‌پرسن «با این همه ایجنت و Claude Code، هنوز لازمه کدنویسی رو از پایه یاد بگیریم؟» جواب من آره‌ست، و به نظرم الان حتی مهم‌تر از قبله. بحث این نیست که به قول Boris Cherny کد «حل شده» یا نه. بحث اینه که ذهن ما چیزی رو یاد می‌گیره که براش زحمت کشیده باشه. وقتی خودت با یه باگ کلنجار می‌ری یا یه الگوریتم رو قدم‌به‌قدم می‌نویسی، حتی روی کاغذ، داری مهارت حل مسئله و فهم سیستمی رو می‌سازی. دانشگاه آکسفورد یه ویدیوی کوتاه داره که استاد ریاضی توش می‌گه ریاضی رو باید فعالانه یاد گرفت، یعنی با نوشتن قدم‌به‌قدم معادله‌ها. اندرو انجی هم اخیراً حرف مشابهی زد: جواب گرفتن از AI شاید همون لحظه نتیجه رو بهتر کنه، ولی یادگیری بلندمدت رو خراب می‌کنه، چون کار رو خودت انجام ندادی. https://www.instagram.com/reel/DeWpAGJoK8h ‌از طرف بازار هم قضیه روشنه: شرکت‌ها قدرت AI رو بهتر از ما می‌شناسن و پول بیشتری هم براش خرج می‌کنن. پس وقتی نیرو می‌گیرن، دنبال کسی‌ان که عمیق باشه و بتونه خروجی ایجنت رو بفهمه، نقدش کنه و مسئولیتش رو بپذیره. هیچ‌کدوم از این حرف‌ها به معنی مخالفت با AI نیست. خودم هر روز با ایجنت‌ها کار می‌کنم و معتقدم agentic development یه مهارت جدی و جدیده که همه‌مون باید بهش مسلط بشیم. فقط ترتیبش مهمه: اول پایه، بعد ابزار. آقای Lauren، که قبلاً توی تیم React Compiler بوده، می‌گه نوشته‌ها و پرامپت‌هاش رو خودش می‌نویسه، چون نوشتن یعنی فکر کردن. هر چی دانش و واژگان دامنه‌ت عمیق‌تر باشه، ایجنت رو بهتر هدایت می‌کنی. بنظرم اگه تازه شروع کردی این مسیر شغلی رو، کد بنویس، دیباگ کن، گیر کن و بذار ذهنت درگیر بشه. ایجنت‌ها وقتی خوب جواب می‌دن که خودت بدونی دقیقاً چی ازشون می‌خوای. https://x.com/poteto/status/2109885001584292091 @gocasts

اگه یه مهارت باشه که لازمه به خودمون اضافه کنیم تا ریسک شغلی مون کمتر بشه مهارت بررسی و investigate کردن proactive محصول برای بهبودشه. یعنی صبر نکنیم تا یکی بهمون بگه چی بسازیم و خودمون دنبال مشکل ها و فرصت های بهبود محصول بگردیم. معمولا ما که سابقه کاری مون بیشتر مهندسی نرم افزار و برنامه نویسیه این یه زمین بازی کاملا جدیده و تجربه مون توش کمه. برای اینکه یاد بگیریم چطور این کارو بکنیم خوندن این مطالب میتونه مفید باشه 1. The Product-Minded Software Engineer - Gergely Orosz https://blog.pragmaticengineer.com/the-product-minded-engineer/ 2. Product Discovery - Marty Cagan https://www.svpg.com/product-discovery/ 3. Continuous Discovery Habits - Teresa Torres https://www.producttalk.org/continuous-discovery-habits/ @gocasts