شروع برنامه‌نویسی با هوش مصنوعی در ۲۰۲۶؛ ChatGPT، Claude، DeepSeek یا Copilot؟

برای شروع، ابزار را به کار مشخص وصل کنید

اگر تازه شروع می‌کنید، یک ابزار گفت‌وگویی برای توضیح مفاهیم و یک محیط برای اجرای کد کافی است. لازم نیست هم‌زمان چند اشتراک بخرید. یک پروژه کوچک انتخاب کنید، بخشی از آن را خودتان تغییر دهید و نتیجه را آزمایش کنید. ChatGPT و Claude می‌توانند در توضیح و بازبینی کمک کنند؛ Codex و Claude Code با فایل‌های پروژه کار می‌کنند؛ Copilot داخل روند ویرایش کد قرار می‌گیرد. DeepSeek هم مدل و API دارد و از راه ابزارهای سازگار وارد این روند می‌شود.

این مقاله برای کسی است که می‌خواهد از یک ایده به اولین برنامه قابل فهم برسد. فرض نمی‌کنیم ترمینال یا فریم‌ورک می‌شناسید. ابتدا تفاوت ابزارها را روشن می‌کنیم، بعد هزینه را می‌خوانیم و در پایان یک مسیر عملی برای ساخت صفحه فارسی و تمرین برنامه‌نویسی داریم.

مدل، چت و عامل برنامه‌نویسی یک چیز نیستند

مدل، ورودی را می‌خواند و خروجی تولید می‌کند. برنامه‌ای که از مدل استفاده می‌کند تعیین می‌کند چه فایل‌هایی در اختیارش باشد، چه فرمان‌هایی بتواند اجرا کند و شما چطور تغییرات را ببینید. بنابراین مقایسه نام یک مدل با نام یک ویرایشگر، تصویر کاملی نمی‌دهد.

در یک چت ساده، معمولاً متن یا بخشی از کد را می‌فرستید و نتیجه را خودتان وارد پروژه می‌کنید. عامل متصل به مخزن می‌تواند فایل‌ها را بررسی و ویرایش کند و ابزارهای پروژه را اجرا کند؛ این توانایی به محیط و مجوزهای شما وابسته است. پیشنهاد خودکار داخل ویرایشگر هم برای ادامه کدنویسی در همان لحظه مفید است.

برای یادگیری، از ابزار بخواهید قبل از تغییر، وضعیت فعلی را توضیح دهد؛ سپس یک تغییر کوچک پیشنهاد کند. اگر خروجی را نمی‌فهمید، درخواست ساخت بخش بعدی را عقب بیندازید. داشتن یک سایت اجراشده با فهمیدن منطق آن یکسان نیست.

• مستندات رسمی OpenAI درباره تولید کد و Codex
• Claude Code؛ معرفی و محیط‌های استفاده

برای هر کار، از کدام ابزار شروع کنیم؟

اگر اولویت شما نوشتن فارسی و مرتب‌کردن متن رابط کاربری است، پیشنهاد ما این است که از ChatGPT شروع کنید و همان مسئله را یک‌بار هم به Claude بدهید. این یک نقطه شروع عملی است، نه ادعای برتری ثابت. یک متن با لحن مشخص، یک فرم فارسی و یک توضیح فنی را مقایسه کنید؛ ویرایش‌هایی که بعداً خودتان انجام می‌دهید، معیار بهتری از ظاهر روان اولین پاسخ‌اند.

برای طراحی UI هم فقط یک تصویر زیبا کافی نیست. از ابزار بخواهید موبایل، خطا، حالت خالی، فوکوس صفحه‌کلید و متن طولانی فارسی را بررسی کند. تصمیم‌های چیدمان را در مرورگر ببینید. کسی که کد بیشتری می‌نویسد الزاماً رابط بهتری نمی‌سازد.

سرعت، استدلال و کیفیت فارسی را چطور مقایسه کنیم؟

ممکن است در کار روزمره، یک مدل سریع‌تر جواب بدهد یا با استدلال کمتر، خروجی قابل قبول‌تری بسازد. اما تجربه یک جلسه را نمی‌توان به همه پروژه‌ها تعمیم داد. مدل، حالت سرعت، طول زمینه، ابزارهای فعال و تعداد اصلاح‌ها روی نتیجه اثر دارند.

برای یک مقایسه قابل تکرار، سه کار ثابت تعریف کنید: توضیح یک تابع برای مبتدی، اصلاح یک فرم RTL و نوشتن پیام خطای کوتاه فارسی. ورودی و معیار پذیرش را یکسان نگه دارید. زمان رسیدن به نتیجه قابل استفاده، تعداد خطاهای باقی‌مانده و میزان بازنویسی دستی را ثبت کنید؛ فقط زمان ظاهرشدن اولین جمله را نسنجید.

• برای متن: جمله روشن، دستور زبان درست، اصطلاح یکدست و نبود ادعای بی‌مدرک.
• برای رابط: هم‌ترازی، فاصله‌ها، خوانایی در ۳۶۰ پیکسل و رفتار با صفحه‌کلید.
• برای کد: اجرای درست، آزمون معنادار، تغییر محدود و توضیح قابل فهم.

شروع با ChatGPT و Codex

اگر می‌خواهید مفهوم را یاد بگیرید، در گفت‌وگو از ChatGPT بخواهید یک مثال کوچک بدهد، قبل از نمایش جواب از شما پیش‌بینی بخواهد و سپس کدتان را بررسی کند. برای کار روی فایل‌های واقعی، از سطح Codex در محیط مناسب پروژه استفاده کنید. راهنمای رسمی، وب، برنامه دسکتاپ، CLI و افزونه ویرایشگر را توضیح می‌دهد؛ قابلیت‌های حساب و محیط ممکن است متفاوت باشند.

یک پوشه آزمایشی جدا انتخاب کنید. درخواست اول می‌تواند فقط شناخت فایل‌ها و پیشنهاد برنامه کار باشد. سپس ساخت یک صفحه یا اصلاح یک تابع را بخواهید. بعد از هر تغییر، فایل‌های تغییرکرده و نتیجه آزمون را ببینید. برای یادگیری، تغییر را کوچک نگه دارید تا بتوانید با زبان خودتان توضیح دهید چه اتفاقی افتاده است.

هدف: یک صفحه فارسی برای معرفی سه خدمت بساز.
مخاطب: صاحب کسب‌وکاری که با موبایل وارد سایت می‌شود.
محدوده: یک HTML و یک CSS، بدون وابستگی بیرونی.
پیش از تغییر: ساختار فایل‌ها و فرض‌ها را توضیح بده.
آزمون پذیرش:
- در عرض ۳۶۰ پیکسل اسکرول افقی نداشته باشد.
- فرم، برچسب قابل دسترسی داشته باشد.
- هر صفحه یک h1 روشن داشته باشد.
- خطاهای باقی‌مانده را صریح گزارش کن.
روش یادگیری: برای هر تصمیم، دلیل کوتاه و یک سؤال از من بپرس.

• راهنمای رسمی شروع ChatGPT و Codex
• قیمت و محدودیت‌های رسمی

شروع با Claude Code

Claude Code برای کار با پروژه در ترمینال و محیط‌های پشتیبانی‌شده طراحی شده است. طبق راهنمای رسمی، می‌توانید پروژه را معرفی کنید، از ساختار آن سؤال بپرسید و یک تغییر مشخص بخواهید. روش نصب را از راهنمای جاری سیستم‌عامل خود بردارید؛ دستور نصب یک مطلب قدیمی ممکن است بهترین مسیر امروز نباشد.

بعد از ورود به پوشه، ابتدا از ابزار بخواهید نقطه ورود برنامه و فرمان آزمون را پیدا کند. سپس فقط یک قابلیت محدود را تغییر دهید. اگر فرمان یا دسترسی تازه‌ای درخواست شد، معنی آن را بفهمید. از پوشه‌ای شروع کنید که فایل حساس ندارد و تغییراتش با Git قابل بازگشت است.

• Claude Code Quickstart؛ نصب و اولین پروژه
• طرح‌ها و قیمت Claude

آیا DeepSeek ابزار CLI دارد؟

باید بین «استفاده از مدل DeepSeek در ترمینال» و «یک CLI مستقل رسمی با نام DeepSeek» تفاوت بگذاریم. راهنمای رسمی بررسی‌شده، اتصال مدل‌ها به ابزارهایی مانند Claude Code، OpenCode و OpenClaw را توضیح می‌دهد. بنابراین استفاده ترمینالی ممکن است؛ این سند، هر بسته‌ای با نام DeepSeek CLI را رسمی تأیید نمی‌کند.

اگر ابزار سازگار دارید، ابتدا روش اتصال و مدل پشتیبانی‌شده را از همان مستندات بررسی کنید. آدرس API، نام مدل و متغیرهای محیطی را از نسخه جاری راهنما بردارید. کلید API را داخل کد، اسکرین‌شات یا مخزن عمومی قرار ندهید. هزینه API هم از اشتراک یک برنامه دیگر جداست.

برای فردی که هنوز با متغیر محیطی و صورتحساب API آشنا نیست، شروع با یک محیط آماده معمولاً ساده‌تر است. اتصال API زمانی معنا پیدا می‌کند که بخواهید مدل را در ابزار مشخصی استفاده کنید و بتوانید هزینه و خطاهای اتصال را بررسی کنید.

• DeepSeek؛ راهنمای رسمی اتصال به ابزارهای برنامه‌نویسی

Copilot؛ طرح‌ها، اعتبار و تفاوت آن با توکن

Copilot را صرفاً نام یک مدل در نظر نگیرید. تجربه کار داخل ویرایشگر، CLI و GitHub و انتخاب مدل، بخش‌های مختلف این محصول‌اند. جدول زیر طرح‌های فردی جاری را نشان می‌دهد؛ اعتبار اضافه Flex متغیر است و ممکن است عوض شود.

در اسناد فعلی GitHub، هر AI credit معادل ۰٫۰۱ دلار است. اعتبار، توکن نیست. مصرف یک کار به مدل، توکن ورودی، خروجی و کش بستگی دارد. تکمیل کد و پیشنهاد ویرایش بعدی در طرح‌های پولی از این اعتبار کم نمی‌شوند. مدل درخواست‌های Premium که در آموزش‌های قدیمی می‌بینید، ممکن است مربوط به طرح سالانه قدیمی باشد.

• GitHub؛ صورتحساب افراد و سهمیه طرح‌ها
• صفحه رسمی طرح‌های Copilot

هزینه یک درخواست را با یک مثال بفهمیم

فرض کنید نرخ ورودی یک مدل ۲ دلار و خروجی آن ۱۰ دلار به‌ازای یک میلیون توکن باشد. ده هزار توکن ورودی و دو هزار توکن خروجی، بدون کش یا هزینه اضافه، ۰٫۰۴ دلار می‌شود؛ یعنی ۴ اعتبار GitHub. این یک محاسبه آموزشی است، نه هزینه ثابت هر پیام.

اگر عامل در یک کار چندبار مدل را صدا بزند یا فایل‌های زیادی بخواند، مجموع مصرف از یک پاسخ کوتاه بیشتر می‌شود. زمینه بلند ممکن است نرخ دیگری داشته باشد. بازبینی کد در GitHub هم می‌تواند علاوه بر اعتبار، دقیقه اجرای GitHub Actions مصرف کند. برای تصمیم هزینه، داشبورد مصرف و جدول نرخ همان سرویس را ببینید؛ نرخ API مستقیم را خودکار به یک اشتراک دیگر تعمیم ندهید.

• GitHub؛ جدول نرخ مدل‌ها و نحوه محاسبه هزینه

پیش از خرید اشتراک چه چیزهایی را بررسی کنیم؟

سؤال بهتر از «کدام گران‌تر است؟» این است: با بودجه من، چند کار مفید قابل انجام است؟ یک پروژه کوچک ثابت انتخاب کنید و مصرف واقعی آن را در حساب خودتان ببینید. قیمت ماهانه به‌تنهایی، زمان صرف‌شده برای اصلاح خروجی یا محدودیت اجرای پروژه را نشان نمی‌دهد.

در قیمت‌گذاری فعلی بررسی‌شده، ChatGPT Plus ماهانه ۲۰ دلار است و Pro از ۱۰۰ دلار شروع می‌شود. Claude Pro در پرداخت ماهانه ۲۰ دلار است. این عددها ظرفیت یکسان یا تعداد توکن یکسان را تضمین نمی‌کنند. مصرف Codex، استفاده اشتراکی و API مستقیم هم روش محاسبه متفاوت دارند. جزئیات جاری را در صفحه رسمی طرح بخوانید.

• ابتدا از امکانات در دسترس حساب خود استفاده کنید؛ خرید چند ابزار را به بعد از یک آزمایش واقعی موکول کنید.
• قبل از فعال‌کردن مصرف اضافه API، سقف هزینه و هشدار بگذارید.
• برای پروژه کاری، مجوز ارسال فایل و سیاست نگهداری داده را بررسی کنید.
• دسترسی منطقه‌ای و روش پرداخت را از شرایط رسمی همان سرویس بخوانید.

• ChatGPT/Codex؛ طرح‌ها و مصرف
• Claude؛ قیمت طرح‌ها

اولین پروژه: یک صفحه فارسی، نه یک سامانه بزرگ

یک صفحه برای معرفی خود یا یک کسب‌وکار فرضی بسازید: عنوان، توضیح کوتاه، سه خدمت و یک دکمه تماس. شروع با HTML و CSS کمک می‌کند تفاوت محتوا، ساختار و ظاهر را ببینید. پس از آن یک رفتار کوچک با JavaScript اضافه کنید؛ مثلاً باز و بسته‌شدن سؤال‌های متداول.

قبل از درخواست کد، خودتان محتوای صفحه را بنویسید. مشخص کنید هر دکمه چه کاری می‌کند. سپس از ابزار بخواهید فایل‌ها را جدا نگه دارد و وابستگی بیرونی اضافه نکند. کد را در محیط تمرین باز کنید، عنوان را عوض کنید و ببینید کدام فایل روی کدام بخش اثر دارد.

<!doctype html>
<html lang="fa" dir="rtl">
  <head>
    <meta charset="utf-8">
    <meta name="viewport" content="width=device-width, initial-scale=1">
    <title>اولین صفحه من</title>
    <link rel="stylesheet" href="style.css">
  </head>
  <body>
    <main>
      <h1>سلام، وب!</h1>
      <p>اولین صفحه‌ام را خودم می‌سازم.</p>
      <button type="button">شروع کنیم</button>
    </main>
  </body>
</html>

حالا بدون کمک ابزار، اندازه عنوان یا فاصله دکمه را تغییر دهید. اگر تغییر کار نکرد، از ابزار فقط توضیح خطا بخواهید. هدف این مرحله، حفظ‌کردن ویژگی‌ها نیست؛ باید بتوانید رابطه بین دستور و نتیجه را پیدا کنید.

• آموزش شروع طراحی وب با HTML و CSS در نکس‌کد

چطور با AI یاد بگیریم و فقط کپی نکنیم؟

از چرخه کوتاه استفاده کنید: پیش‌بینی، اجرا، توضیح، تغییر. قبل از اجرای مثال بگویید چه خروجی‌ای انتظار دارید. بعد نتیجه را ببینید و اختلاف را توضیح دهید. سپس فقط یک ورودی یا یک خط را تغییر دهید. همین مقایسه کوچک، مفهومی مثل تابع یا چیدمان را قابل لمس می‌کند.

اگر ابزار یک جواب بزرگ داد، بخواهید آن را به کوچک‌ترین مثال قابل اجرا تبدیل کند. از او سؤال‌هایی بخواهید که با «بله» جواب داده نمی‌شوند: چرا اینجا return داریم؟ اگر ورودی خالی باشد چه می‌شود؟ این div چه نقشی دارد؟ بعد جواب خودتان را بنویسید تا بازبینی شود.

function sum(a, b) {
  return a + b;
}

console.log("2 + 3 =", sum(2, 3));

بعد از اولین پروژه، مسیر را چگونه ادامه دهیم؟

• HTML: معنا و ساختار، لینک، تصویر و فرم برچسب‌دار.
• CSS: مدل جعبه، اندازه، Flexbox، Grid و طراحی واکنش‌گرا.
• JavaScript: مقدار، شرط، تابع، آرایه، رویداد و درخواست شبکه.
• React: کامپوننت، props و state؛ بعد از آشنایی با JavaScript.
• Node.js: اجرای JavaScript خارج مرورگر، HTTP، خطا و داده.
• AI: تعریف مسئله، زمینه مناسب، بازبینی تغییر و آزمون نتیجه در همه مراحل.

اگر هدف شما وب است، لازم نیست ابتدا چند زبان و فریم‌ورک را هم‌زمان یاد بگیرید. یک مسیر را با پروژه کوچک جلو ببرید. Tailwind وقتی مفیدتر می‌شود که CSS را بفهمید؛ React وقتی روشن‌تر می‌شود که تابع و آرایه برایتان آشنا باشند.

• مسیرهای یادگیری آنلاین نکس‌کد
• دوره‌های پروژه‌محور

انتخاب عملی برای شروع

برای تازه‌کار: یک ابزار گفت‌وگویی، همین محیط تمرین و یک پروژه کوچک را انتخاب کنید. برای کار روی مخزن: Codex یا Claude Code را با تغییرهای محدود و آزمون مشخص امتحان کنید. برای همراهی داخل ویرایشگر: Copilot را در روند واقعی خود بسنجید. برای کنترل مدل از طریق API: اتصال DeepSeek یا مدل‌های دیگر را با بودجه و ابزار سازگار بررسی کنید.

ابزار برنده، ابزاری است که کمک کند نتیجه را بفهمید، خطا را پیدا کنید و تغییر بعدی را آگاهانه انجام دهید. برای یک فرم فارسی، کیفیت متن و هم‌ترازی مهم‌اند؛ برای پردازش داده، درستی خروجی و مدیریت خطا. انتخاب را با همین کارها بسنجید و وقتی نیازتان عوض شد، دوباره تصمیم بگیرید.