چندوقتی هست که درگیر پروداکشن کردن یکی از ابزارهای شخصی خودم هستم تا شاید هم مشکلات باقی رو رفع کنه هم یک سرویس به اسم خودم باشه و ...

توی این مدت با ابزارهای خیلی زیادی سر و کار داشتم راجب AI و خب اپتیمایز کردن اون‌ها برام خیلی مهم شده چرا ؟

من روی mini-pc هام کد میزنم که Nvidia ندارند، کدها رو روی لپ‌تاپ قدیمی تست می‌کنم که Nvidia 1060 داره (همونی که گفتم مدل ۳۵ میلیارد MOE رو با ۱۷ توکن اجرا می‌کنه) و برای تست حداقل ۴ تا یوزر همزمان رو باید پاسخ بده.

کارهای مربوط به Finetune, چندبرابر کردن یوزر و تست‌های قطع سرویس و شبکه و ... رو هم روی سیستمم انجام میدم که دوتا GPU داره.

تا قبل از اون پیام میزان آشنایی من با ابزارهای LLM مثل vLLM, llamacpp, ... بر می‌گشت به نسخه‌های اولیه که ۲ سال پیش روش پروژه داشتم، ۷-۸ روز پیش با یک شرکت بین‌المللی (تقریباً بزرگ) مصاحبه داشتم، اولش برای موقعیت بکند رفتم بعد از ۳۰-۴۰ دقیقه صحبت یک سوال نزدیک به پروژه خودشون پرسیدند و من، هم تو لایه بکند هم تو لایه هوش مصنوعی جواب دادم، متوجه شدند که کار هوش مصنوعی هم می‌کنم جلسه رو ادامه دادیم و بعد جلسه HR شرکت درخواست داد رزومه‌ی هوش مصنوعی رو هم براشون بفرستم.

مصاحبه دوم هم با یک تیم دیگه پیش رفت و خلاصه‌اش هر دو رو قبول شدم، البته من نهایتاً همکاری رو رد کردم چون وقتی جزئیات کارم رو گفتند متوجه شدم چیزی نبوده که فکر می‌کردم و گفتم علاقه‌ام به این پروژه نیست (توی پیری دنبال اسم شرکت و روزمه جمع کردن و اینا نیستم دیگه، دلم یک پروژه با چالش‌های خوب می‌خواد)

اما چندتا درس خوبم گرفتم یا دوباره بهم ثابت شد:

۱- اگر مفاهیم رو درست فهمیده باشی، ۲ سالم که با ابزارهای یک حوزه کار نکنی توی ۲-۳ هفته از کسی که ۲ سال کار کرده و مفاهیم رو نفهمیده جلوتری (البته من مقالات و ایده‌ها رو دنبال می‌کردم)

۲- از تجربه کردن نترس، روز اول روی پروژه خودم با یکی از دوستانم که فقط AI Engineer بوده توی ۷ سال اخیر مشورت کردم.
گفت اصلا بد‌ون H100 فکرشم نکن، من روی 1060 اجراش کردم چون برام در دسترس تر بود (این سیستم دائم روشن هست) هرجا فکر نشدن اومد تو سرم می‌گفتم:
با این کد اولیه رو میزنم،‌ به محض گیر کردن میرم روی H100 (که تا الان هنوز نیاز نشده)

۳- تجربه کردن با تفکر پروژه برای پروداکشن، باعث شد بعنوان مشاور تیم هوش مصنوعی به شرکت دوستی که گفتم کمک کنم.

۴- متوجه شدم، خیلی از دستاوردهای پروداکشن آدما توی لینکدین روی ابزار‌های مطرح شده دروغ هست.
چون خطاها رو دیدم و می‌دونم اون فلگ سرور رو دان می‌کنه و ...

۵- نهایتاً چون تنها دارم کار رو پیش می‌برم و باید به باقی زندگی هم رسیدگی کنم اکثر بخش‌ها رو اتومات کردم، اینطوری که اگر من ۲۰ دقیقه یک ایده جدید یا فیچری رو کد بزنم حداقل ۱ ساعت تست‌ها، latency, profiling, دانلود و ارزیابی پیش میره.
یعنی چیدن درست سیستم اتومات با اینکه بیشتر از توسعه خود ابزار از من وقت گرفت تا اینجا ولی ۱۰۰٪ ارزشش رو داشت.

۶- فعالیتم توی لینکدین رو خیلی خیلی کمتر کردم، چون میزان داده غلطی که بهم میرسه بسیار زیاد هست.
از مسیر خودم خارج میشم، چیزی که ادعا شده رو تست می‌کنم و می‌بینم اصلا درست نیست یا اینکه فقط بدرد استفاده شخصی میخوره و ادعای پروداکشن اشتباه بوده و وقتم رو تلف می‌کنه.

نسل بعدی مدل‌ها بنظرم خیلی بهتر خواهند شد :

Qwen AgentWorld

بنظرم این حرکت در راستای JEPA خواهد بود و این Gap بین LLM و JEPA رو برای مدتی می‌پوشونه تا نتایج مدل‌های بر پایه JEPA خیلی بهتر بشه.

این برای دوستانی که گفتند transformers رو درست درک نمی‌کنند.

اول اینکه هیچکس درست درکش نمی‌کنه مگر اینکه پیاده‌سازی کنه؛ این معماری مثل Conv, RNN, ... نیست نیاز به دقت داره

اگر ویدئو Andrej Karpathy که قبلا گذاشتم رو دیدید و باز هم فکر می‌کنید درک خوبی ندارید این دوره رو ببینید :

Justin Angel (Build your own LLM)

و اگر واقعا می‌خواید یاد بگیرید یک مدل هرچند خیلی کوچک برای خودتون پیاده‌سازی کنید روی Kaggle, Colab می‌تونید حتی برای چندین اپوک هم ترین کنید مدل رو اگر تعداد پارامترهاش رو کم بگیرید.


اما حتما کد بزنید

اینم فقط مخصوص بچه‌های این کانال؛ چون توی این کانال زیاد پرسیده شد.

الان توی تصویر دیدم و یادم افتاد؛ یک کتاب توی ویدئو اول پشت ایشون هست
Illustrated Guide to AI

اگر تازه وارد این حوزه شدید و این کتاب رو ندارید و نخوندید پیشنهاد می‌کنم این کتاب رو حتما بخونید

یک نکته‌ای رو بگم، چون فروارد پست‌های کانال خیلی زیاد هست.

اگر تلگرام کانال رو بن کنه، غیر از owner که بنده باشم هیچکس پیام‌هارو نمی‌تونه ببینه، مگر اینکه توی saved message باشه که اگر عادت کردید همه چیز رو اونجا فروارد کنید اونم بدردتون نمی‌خوره چون مطمئنم فقط دارید منبع جمع می‌کنید.
خودتون رو بدبخت نکنید منابعی که خوندید رو پاک کنید، نذارید این Saved Message یا کانال پر بشه

اگر راهکار خواستید روش من رو دنبال کنید :
https://xn--r1a.website/pyHints/526

از نکته دوم به بعد رو بخونید

پی‌نوشت:
دوستان اشاره کردند پیام‌ها توی save messafe هم پاک می‌شه.

این کمپین زنای ژاپنی علیه مرد‌ها هم جالب هست؛ که زنا اعلام کردن اینا کلا دست به سیاه‌ و سفیدم نمی‌زنند و جمع‌آوری آشغال توی ورزشگاهای جام جهانی فقط واسه ریا کاری هست.

خطاب به زنای ژاپنی؛ راهکار این کار دست من هست.

با مردای ایرانی ازدواج کنید (دوستم دارن) این گونه نه تنها توی خونه دست به سیاه و سفید نمی‌زنه بلکه هیچ‌جای دیگه هم دست به سیاه و سفید نمی‌زنه، قول میدم هیچوقت ریا نشه.

داکیومنت خوب روی بکند نوشتن شمارو توی فرانت‌اند هم نجات میده :
GLM5.2
رو مثلا بهش دیزاین سایت رو بدید با خروجی
/openapi.json
روی FastAPI رو و ازش کد react بخواید.
بهتره استانداردهای مدنظر + موبایل ریسپانسیو بودن و ... رو هم بخواید.

نهایتا خروجی ایی رو که می‌گیرید باید مهندسی کنید (تمیزکاری و استاندارد سازی برای پروژه که بفهمید چی کجا قرار داره)

خیلی سوال شده که من چطوری ازین موارد استفاده می‌کنم ؟

شخصا ۹۹٪ کارم رو روی محیط web انجام میدم؛ قبلتر گفتم من کد رو میزنم نهایتا تحویل مدل میدم برای استاندارد سازی یا نوشتن تست‌هایی که من بهش می‌گم.

اما خیلی کم توی بعضی پروژه‌ها به اصرار کارفرما وارد vscode شده برای کد زدن؛ توی اون مواقع هم من api مستقیم خرید می‌کنم بسیار اروزنتر از اکانت‌های OpenRouter و ... هست مثلا برای همین مدل GLM5.2 برای هر ۱ میلیون ورودی و حروجی کمتر از ۶ دلار هست که یک پروژه کامل شاید نهایتا ۳ میلیون توکن ورودی و خروجی داشته باشه (این رو باید خودتون بدست بیارید می‌تونید از tiktoken استفاده کنید تا میانگین استفاده خودتون رو بدست بیارید؛ برای من به زور به ۱‍.۵ میلیون روی بزرگترین پروژه‌ام تا الان رسیده)

ولی برای ۳ میلیون ورودی و ۳ میلیون خروجی نهایتا شما ۱۸ دلار پرداخت می‌کنید.
شاید تنها بدی این مورد این باشه که فقط روی مدل‌های یک برند قفل می‌شید
اضافه کنم من برای تسک‌های ساده‌تر از GLM4.7-Flash استفاده می‌کردم که قیمتش کمتر از ۱ دلار هست.

هیچ شرکتی هم به اندازه سازنده خود مدل قمیت پایین بهتون نمیده

بنظر میاد خانواده مدل‌های
ornith-1.0

ارزش تست کردن برای Agentic coding روی لوکال رو داشته باشه؛ این خانواده مدل‌های جدیدی نیستند و بر اساس Gemma 4 , Qwen 3.5 ساخته شده ولی ایده این بوده که task scaffold رو خود مدل بنویسه.
همین کار هم باعث شده که ننایج بهتری رو داشته باشه برای این coding نسبت به مدل‌های پایه

خیلی ساده بگم :
فکر کنید Gemma4 یا Qwen3.5 روی کدهای بیشتری train شده و این قضیه هیچوقت نمی‌تونه بد باشه.

اگر از این دو مدل برای Agentic Coding استفاده می‌کردید می‌تونید با خیال راحت به Ornith مهاجرت کنید و بدون هزینه و تغییر مدل بهتری رو داشته باشید.
شخصا روی Gemma4 هستم به این دلایل که :
۱- من Agentic coding جزو کارهایی که با Local llm انجام میدم نیست
۲- خود گوگل MTP, QWAT رو برای Gemma4 منتشر کرده که سرعت و نتایج خوبی هم داره برای تسک‌های من

قیمت Steam Machine اومده (بالای ۱۰۰۰ دلار) و هر بخشش رو با هرکدوم از این mini-pc ها مقایسه کردم ضعیف‌تر بود (غیر از GPU) توی کانال قبلی زمان ثبت سفارشم برای این موارد (خودم وارد کردم) پیشنهاد دادم به دوستان که بهترین زمان برای خرید هست. حتی به یکی از دوستان بسیار نزدیک پیشنهاد دادم تا سال بعدی برای خرید لپ‌تاپ جدید صبر نکنه (من پول حمل و نقل این رو داده بودم و گفتم الان بخر من میارم برات رایگان)

حالا چی شد اینارو گفتم ؟
۱- قیمت خود Steam Machine که من توقع داشتم نهایتا ۵۰۰-۶۰۰ دلار باشه
۲- افزایش قیمت اخیر اپل و گوگل و سونی و ...
۳- خوندن یک پیام قدیمی که نوشته بودند چندوقت دیگه صبر کنیم میاد پایین.

در نهایت؛ ما توی بدترین زمان تاریخ برای خرید سخت‌افزار هستیم. چه داخلی چه خارجی. اگر به کسی خارج از ایران دسترسی دارید پیشنهاد می‌کنم خرید نسخه‌های refurbished رو در نظر بگیرید.
اگر نیاز واجب ندارید؛ خرید نکنید
اگر خیلی نیاز دارید؛ سراغ موارد گیمینگ و خوشگل مشگل نرید

من ۳ تا سیستم رو با هزینه حمل و نقل کمتر از قیمت Steam Machine گرفتم

شرکت‌ها و کسانی که با من کار کردند می‌دونند من قبل از بستن قرارداد بعنوان مسئول تیم حتما باید تیمم رو ببینم؛ بعضی وقتا باهاشون صحبت می‌کنم بعضی وقتا از تسک‌هاشون می‌پرسم که یخشون آب بشه و بعد مثل همکار کنارشون می‌شینم فقط (صحبت بین تیمی کلی چیز بهم می‌گه)

دیروز عصر قبل از بستن قرارداد جدید بعنوان مدیر فنی یک شرکت همین کار رو کردم؛ ۲ ساعت آخر کاری شرکت وارد شرکت شدم و کنار نیروها نشستم؛‌ اینطوری شد که کم کم اکثر نیروها رفتند (شناوری شرکت ۷ صبح تا ۱۰ صبح؛ مدیر شرکت می‌گفت اینطوری ۹۵٪ مرخصی نمی‌خوان دیگه مثلا ی دکتر یا بانک یا ...می‌خواد بره نیرو) ۴ تا از نیروهای شرکت نشسته بودند که مدیر خدافظی کرد و بهشون گفت تا فردا هم که شده باید بمونند و تسک رو تحویل بدند.

و این بهترین موقعیت برای من بود؛ به بهانه منتظر ماشین بودن نشستم تا مدیر شرکت رفت و بعد با اون ۴ تا نیرو صحبت کردم؛ متوجه شدم مدیر شرکت (۳ ماه گذشته مدیر فنی نداشتند) خودش یک سری تسک تعریف می‌کنه و بچه‌ها باید برسونند بعد وسط اون تسک‌ها یک سری تسک میده (چون مشتری یک فیچر جدید خواسته) که این تسک‌ها باعث نمی‌شه تسک‌های قبلی زمان بیشتری بهش داده بشه و ... خلاصه خیلی سمی‌وار داشت با تسک و نیروها برخورد می‌کرد.

روی لینکدین نیروی اسکرام قبلی رو پیدا کردم؛ براش توضیح دادم وضعیت رو و نگرانیم راجب تسک رو و متوجه شدم ایشون هم به همین دلیل شرکت رو ترک کرده؛ برای این که من وخامت اوضاع رو درک کنم چون بهش گفتم یک وقتایی طبیعی هست گفت :
من ۱ ماه مونده بود که بچم به دنیا بیاد اما نهایتا حاضر شدم از اون شرکت برم (جایی که الان هست) با اینکه حتی حقوقم اینجا نصف اون شرکت بود و هیچ کدوم از اون مزایا رو نداشت.


الان دارم ایمیل میزنم که قرارداد رو رد کنم؛ چون با آدمی که تاوان اشتباهاتش رو دیگران باید پس بدند نمی‌تونم کار کنم.
بخصوص اینکه توی گذشته من هم تجریه چنین چیزی رو داشتم (اینکه چقدر این موضوع مخرب هست رو شاید یک روز دیگه نوشتم)

این رو یکی توی لینکدین گذاشته، گفته رفتار حرفه‌ای نبوده :

توی کامنت‌ها خوندم؛ ناراحتی ایشون این بوده که :

۱- چون موقعیت مدیریت بوده، باید زنگ میزدند.
۲- باید با کارجو هماهنگ می‌کردند که این روز و ساعت تایید بشه.

جونیور‌های عزیز اینطوری بد عادت نشید :
برای مورد اول -
بین زنگ زدن و پیامک دادن تفاوت نذارید، خیلی از افراد دوست ندارند بدون هماهنگی باهاشون تماس گرفته بشه.
مثلاً من کلاً گوشیم سایلنت هست و خیلی وقتا دور از دسترس، خانواده هم پیام می‌دهند که روی ساعتم ببینم و خودم بهشون زنگ بزنم.

برای مورد دوم -
شرکت برای استخدام چون شما روزمه فرستادید، یک زمانی رو می‌ذاره که ساعت‌هاش رو پر کنه.
بعد اگر شما امکانش رو نداشتید با پیام یا تماس درخواست تغییر ساعت یا روز می‌دید این روالش هست.

من دوتا تجربه یکی قدیمی و یکی در حد ۳ روز قبل با شرکت‌های بزرگ هم داشتم:

جزو اولین تجربه‌هام با شرکت‌های خارجی، مصاحبه با آمازون بود.
دقیقاً همین اتفاق افتاد، مثلاً ۱ هفته قبل گفتند باهات برای مصاحبه تماس می‌گیریم و وقت میذاریم.
بعد یکباره ایمیل دریافت کردم مصاحبه ۲ صبح به وقت تهران فلان روز
مصاحبه رو قبول کردم، شاید باورتون نشه ولی من اون شب توی بیمارستان از پرستار اجازه گرفتم توی یک اتاق خالی نشستم و مصاحبه اولم رو دادم به مصاحبه کننده هم گفتم که شرایطم این هست.
مصاحبه رو قبول شدم قبل از مرحل دوم مثل اینکه مصاحبه کننده گزارش داده بود که چرا مجبورش کردید توی این شرایط مصاحبه بده

خلاصه:
بعداً نیروی HR توضیح داد که اون‌ها یک تقویم و ساعت فرستاده بودند (لینکش خیلی ریز بود، اصلا چنین چیزی ندیده بودم و مهمتر از همه خیلی بلد کار هم نبودم ) که اگر من نمی‌تونستم باید روی اون کلیک می‌کردم و از ساعت‌ها و روزهای پیشنهادی اون‌ها یکی رو انتخاب می‌کردم

یک مورد هم که اخیراً با یک شرکت دیگه داشتم؛ از طرف یک دوستی من به شرکتشون معرفی شدم بدون هیچ هماهنگی با من ایمیل دعوت به مصاحبه اومد (با لینک گوگل میت) این مورد رو درجا رد کردم.
توی ایمیلم براشون نوشتم علاقه‌ای به همکاری با شرکتی ندارم که هنوز اصول اولیه دعوت به مصاحبه رو نمی‌دونه.

دقت کنید توی مورد دوم من روزمه نداده بودم، توضیحی از کار یا شرکت یا ... برای من داده نشده بود و یکباره یک مصاحبه فنی ۱:۳۰ دقیقه‌ای برام ست شده بود.


این موردی که دوستمون اعلام اعتراض کرده، بیشتر شبیه مورد اولی تجربیات من بود و من اینجا شخصاً حق رو به شرکت می‌دم.
چون ایشون بعنوان یک سنیور (رو پروفایلش زده بود) باید نتیجه تلاشش برای تغییر روز و ساعت رو اعلام می‌کرد.

#چرندیات

اصلاً متن جوری نوشته شده که انگار:
WebGPU, Gemma4, Quantization, ...

دستاوردهای مدل Anthropic بوده، بدترین بخش این پست هم این بود که دیدم کانکشن‌های من که توی پروفایل نوشتند هوش مصنوعی کار هستند پست رو لایک کردند.
من unfollow کردم، اگر انقدر سواد ندارید هوش مصنوعی کار شما نیست.


پینوشت:
اگر کار شما هوش مصنوعی هست پستی رو نخونده لایک نکنید.

بنظرم ننگ ازین بالاتر نیست که اسم شما بعنوان توسعه دهنده هوش مصنوعی پایین پستی باشه که داده‌ی اشتباه داره وارد جامعه می‌کنه.
از من گفتن

راستی من این متن رو هم کامنت گذاشتم روی لینکدین :

یا من متوجه نمی‌شم یا متن ایراد زیاد داره؛
مدل Gemma4 E2B نسخه فشرده شده برای موبایل مدلی هست که توی ویدیو ازش صحبت شده
این مدل روی cpu هم مدل سرعت بالایی هست و بخوبی عمل می‌کنه
روی آندروید هم سرعت بسیار بالایی داره و این دستاورد ربطی به هاگینگ فیس یا شرکت کلود نداره، تا اینجا دستاورد گوگل هست.
اگر خواستید می‌تونید روی Edge Gallery هم تستش کنید با موبایل (مدل های قویتر هم وجود داره)

Google AI Edge Gallery

برای webgpu هم دستاوردی برای claude وجود نداره این تکنولوژی خیلی وقت هست که وجود داره علاوه بر اون فریمورک هوش مصنوعی تنسورفلو نسخه‌ی javascript هم خیلی سال هست که توسط خود شرکت گوگل معرفی شده و در دسترس قرار گرفته.

مدل‌های زبانی به راحتی می‌تونند ازین فریمورک و زبان برنامه‌نویسی برای اجرا توی وب استفاده کنند.
حالا اینکه claude دقیقاً چه کار خارق‌العاده‌ای انجام داده رو من متوجه نمیشم، چون سال‌ها بچه‌های هوش مصنوعی دارند اینکار رو می‌کنند و این موارد جزو پروژه‌های مقدماتی هم هست.

درنهایت باید دید چه تعداد توکن (هزینه) صرف شده تا کلاد بتونه این خروجی رو ایجاد کنه، که البته ارزش افزوده‌ای هم نداره.
چون این مدل بیش از حد ساده هست با استانداردهای امروز
و البته
هیچ شرکتی هم نمی‌خواد که کاربرش برای سوال و جواب مجبور به دانلود ۱ گیگ باشه.



واقعاً میزان مصرف Claude برام سوال هست توی ۹۹٪ مواقع چرا ؟

احتمالاً اگر من از یک جونیور هوش مصنوعی که جاوااسکریپت هم بلده بخوام این رو برای من کد بزنه
۲ ساعت ازش وقت بگیره و رایگان هم بزنه (کنار باقی کارهاش)

هزینه api مدلی با این قدرت چقدر هست ؟
و چرا هیچ‌جا این هزینه‌ها رو گزارش نمی‌کنند؟
نه یوتیوبری که تبلیغات گرفته
نه شرکتی که هی می‌خواد api تو حلق ما کنه
و نه ...


اگر شما نظر دیگری دارید لطفاً روی لینکدین، جواب من رو بدید توی کامنت‌ها.
ولی من اینجا هیچ دستاوردی نمی‌بینم و نیروی جونیور خودم رو ترجیح میدم تا خرید api

پینوشت:
چون ایشون کارشون (طبق پروفایل) هوش مصنوعی و برنامه‌نویسی نبود من انقدر ملو و مهربان صحبت کردم البته.
قطعاً اگر توسعه دهنده هوش مصنوعی این متن رو گذاشته بود، تریلی رو روشن می‌کردم
(بله برای رد شدن از روش اگر تازه وارد هستید)

شب اینطوری هست که
ساعت ۱۰ می‌بینی خسته‌ای ولی برای خواب زوده میگی ولش کن بذار ۱ ساعت دیگه بشینم کد بزنم بعد می‌خوابم.

به خودت میای می‌بینی صدای کلاغ شهر رو برداشته، می‌فهمی صبح شده و تو تسک ۴ روز آینده‌ات رو هم انجام دادی.

اعتیاد ...

پینوشت:

یک پروژه جذاب ولی موقتی دارم که کار کردن روش زمان رو از دست میدم، دیروز صبح حتی باعث شد زودتر از خواب بیدار بشم تا نتیجه‌ی A/B تست، بنچمارک و ... رو زودتر ببینم و کارم رو روش ادامه بدم.

یک ایده‌ای هم خودم داشتم که MVP اون رو زدم و خب چالش‌های زیادی هم داره که تصمیم گرفتم وقت و انرژی بذارم و برم سراغ ورژن ۱ می‌دونم تا سرمایه‌گذارم تایید نداده نباید وقت بذارم ولی توی چیدن معماری سیستم انقدر چالش‌های قشنگی دیدم که نتونستم صبر کنم.

حداقلش این هست که کلی یادگیری برام داره.

چیزی که منو بیدار نگه می‌داره الان هم همین هست، کار کردن روی پروژه‌‌ای که دوس دارم + داشتن چالش‌های کاملاً جدید برای حل و یادگیری

Qwen :/

اگر بخوام به گفته بخش پشتیبانی اینترنت هم تکیه کنم باید بگم:

پکت‌لاس انقدر زیاد هست که مصرف اینترنت چندین برابر شده

من تقریبا ماهانه ۷۰۰-۸۰۰ گیگ اینترنت مصرف می‌کنم؛ بیشتر هم دانلود مدل‌های هوش مصنوعی هست.
چند وقت پیش این مقدار رو توی ۱۷ روز مصرف کردم؛ پیش خودم گفتم احتمالا سر قطعی اینترنت و دانلود برنامه‌ها و کش ایمیج‌ها و ... بوده که زیاد شده

الان دیدم توی ۴ روز ۲۳۰ گیگ مصرف داشتم بدون اینکه حتی ۱ دونه مدل؛ آپدیت یا ... زده باشم.
یعنی توی این ۴ روز من حتی ۱ فایل یا ویدئو یا ... که حجم بالای ۵۰۰ مگ داشته باشه هم دانلود نکردم؛ من دسترسی به فیبر نوری هم ندارم (کلا توی منطقه ما ارائه نمی‌شه) شما هرطوری حساب کنی اصلا نمی‌شه یعنی اگر حتی من تو ساعت‌های خاموش کردن سیستمم هم دانلود انجام شده باشه. توی ۴ روز یا ۹۶ ساعت من باید ساعتی ۲.۴ گیگ دانلود داشته باشم.

ساعت‌هایی که خونه نبودم یا سیستم خاموش بوده رو اگر کم کنیم میشه حداقل ساعتی ۵ گیگ دانلود.


چه 💩 دارند می‌خورند من نمی‌دونم؛ ولی قطعا خسارت زمان جنگ رو دارند از ما می‌گیرند.

پینوشت:
۱- این جدای از حدود ۲۰۰ گیگ اینترنتی هست که این مدت روی موبایل مصرف کردم.
۲- علاوه بر افزایش قیمت‌ها هم هست.

دیدی بعضی‌ها برای اینکه پول کمتری خرج کنند بجای مدل هوش مصنوعی قویتر، چندتا مدل ضعیف می‌گیرند ؟
در حالی که چندبرابر مدل قویتر خرج می‌کنند چون مدل‌های ضعیف اشتباه زیاد می‌کنند و هی مجبورند دوباره کار رو تکرار کنند تا اشتباه رو رفع کنند.
وضعیت تیم شما هم همین هست.

مدت کوتاهی هست که با یک شرکتی برای همکاری پیش میرم، اول مشاوره بود.
امروز پیشنهاد استخدام دادند و توی این بحث که من چه چیزها و چه نیروهایی رو نیاز دارم جمله بالا رو گفتم.

داستان اینطوری بود:

یکی از بچه‌های کانال این موقعیت شغلی رو با من صحبت کرد و بعد از هماهنگی کوتاهی من رو به شرکت خودشون معرفی کرد.
مشکل اصلی پروژه : سرعت و تعداد درخواست همزمان بود.

مدیر شرکت :
اینو باید بگم، بسیار بسیار آدم خوش برخورد و البته محترم واقعاً لذت بردم چون روز اول بهم گفت من متخصص نیستم پس به صحبت شما احترام میذارم ولی هزینه‌ها رو نجومی نکنیم.

بعد ادامه دادند، با شخص دیگری پیش رفتند قبل از من و توی ۳ روز بهشون اطلاع داده که پایتون توانایی اینکار رو نداره و باید بروند سراغ گولنگ یک گزارش مفصل هم دادند وضعیت اینطوری بود که تقریباً مدیریت این پروژه و مدیرعامل قانع شده بودند باید یا پروژه رو بذارند کنار یا اینکه کامل روی گولنگ باز نویسی بشه.

تیم این پروژه ۱۷ نفر بود، یک تقسیم کار و هماهنگی و ... انجام دادیم و قرار شد چندتا از بچه‌ها به اضافه کردن فیچرهاشون ادامه بدند و باقی توی جاهای مختلف logger, profiling و ... اضافه کنند و گزارشاتش رو آماده کنیم.

روی این موارد ادامه دادیم:
چقدر طول می‌کشه بین درخواست یوزر تا پاسخ.
هر سرویس چقدر زمانبر هست.
دیتابیس و کش چقدر زمان میبره.
سرویس‌ها دقیقاً توی کدوم دیتاسنتر‌ها دپلوی شدند.
روی کدها هم پروفایلینگ سرویس‌های مهم و سنگین رو داشتیم.

چندتا ایرادات بدست اومد و بهشون اطمینان دادم پایتون همرو به راحتی حل می‌کنه.

مثلاً یکی از کوئری‌ها به سرویس قدیمی‌تری نیاز داشت و از اون اطلاعات می‌گرفت و اون سرویس هنوز روی پستگرس ۱۱ بود.
هیچوقت آپدیت نشده بود و روی دیتاسنتر هلند بود (سرویس فعلی توی دیتاسنتر برج میلاد هست)
قرار بوده موقتی باشه ولی هیچوقت فرصت نکردند بازنویسی رو انجام بدند و چون توی تست‌های توسعه‌دهندها سرعت خوبی داشته همگی فراموش کرده بودند.

یا سرویس کش که اشتباه پیاده‌سازی شده بود و چون مانیتور نشده بود کسی متوجه تعداد cache miss نشده بود (چیزی حدود ۲۳٪)

یا اینکه با وجود cdn و تماماً پابلیک بودن فایل‌ها روی اون تمام درخواست‌ها اول به سرویس بکند میومد و بعد بکند درخواست رو به cdn فروارد می‌کرد.
تغییر ساده کد فرانت و درخواست فایل‌ها از cdn هم لود سرویس رو خیلی کمتر کرد، هم خیلی سریعتر شد.

و کلی موارد این چنینی دیگر.

پیدا کردن همین موارد کوچک تقریباً ۱ ماه زمان برد (هنوز نمی‌فهمم نفر قبلی چطوری بعد از ۳ روز گفته بود پایتون کشش نداره - تعداد یوزر اپلیکیشن هم حدود ۴ میلیون بود)
چرا انقدر زمان‌بر شد ؟ البته بنظرم خیلی سریعتر از چیزی شد که فکر می‌کردم.
با وجود اینکه همه‌ی بچه‌ها به کدهای بخش خودشون مسلط بودند اما هیچکس کل سیستم رو نمی‌شناخت بعد از اینکه از بخش خودش خارج می‌شد نمی‌دونست چه اتفاقی میوفته و البته چون کد هم تمیز نبود هیچکس اصلا نمی‌خواست بدونه (خیلی از بچه‌ها کدهای خودشون رو هم باید چندساعت می‌خوندند تا یادشون بیاد)

بعد از پیشنهاد امروز مدیرعامل شرکت، بهشون گفتم درصورت حضور باید حداقل ۴ تا نیروی سنیور به شرکت برای ۴ بخش اضافه بشه و یک لیست هم از تخصص‌هایی که باید داشته باشند بهشون دادم + مواردی که خوب هست داشته باشند (اگر نداشتند خودم باهاشون کار می‌کنم)

جواب تیم لید شرکت این بود:
ولی همین بچه‌ها پروژه رو به اینجا رسوندند، الان اگر نیروی جدید بیاد تا بفهمند پروژه چطور کار می‌کنه، بیزینس پشتش چی هست و ... چندماه وقت رو از دست میدیم.

حرفش درست بود، ولی من با تاریخچه گیت‌لب پروژه بهش ثابت کردم که تفکرش اشتباه هست؛ چون تعداد fix, refactor و تغییراتی که اشتباه قبلی رو درست کنه و اشتباه جدید انجام بده توی پروژه کم نبود.

بچه‌های فعلی خیلی بیشتر از سطح سواد خودشون روی پروژه کار کرده بودند اما چون اکثراً جونیور بودند توانای نگهداری سیستم توی بلند مدت یا فکر کردن به بزرگتر شدن سیستم و ... رو نداشتند.

اگر یک راهنما بالاسر این تیم بود، جلوی خیلی از این اشتباهات رو می‌گرفت بخصوص اینکه در حال حاضر هر شخصی خودش تصمیم می‌گرفت سرویس یا کد زیر دستش رو چطوری پیاده‌سازی کنه
از کد تا طراحی دیتابیس و ...

من همه‌ی تیم رو حفظ کردم و خیال مدیرعامل رو هم راحت کردم که توی بلند مدت (بعد از ریفکتور و استاندارد سازی) هزینه‌ها کمتر خواهد شد چون این تیم بطور کامل می‌تونه روی پروژه جدید کار کنه.
---------
با اجازه مدیریت پیام بالا رو گذاشتم.