w
دقیق سوال بپرسید «این پروژه رو درست کن» = ایجنت ۱۰ تا ابزار صدا میزنه و گیج میشه.
«تو فایل `auth.py` تابع `login` رو بگرد و ولیدیشن ایمیل اضافه کن» = مستقیم میره سراغ کار.
هرچی دقیقتر، هزینه کمتر.
۹:۰۰
Plan Mode برای کار سنگینوقتی تغییر چندفایلی میخوای، ایجنت اول یه پلن با چکباکس نشونت میده.
مراحلی که نمیخوای رو تیکشو بردار، بعد Approve بزن.
اینجوری کنترل دستته و کار اضافه نمیکنه.
۹:۰۱
نمونه
۱۲:۴۸
سلام دوستان
نسخهی جدید ویجکد (۱.۳.۰) منتشر شد — با سه تا قابلیت جدید:
خروجی زندهی دستورها
وقتی ایجنت `npm test` یا هر دستور طولانی اجرا میکنه، دیگه اسپینر ساکت نمیبینید. خروجی خطبهخط جلوت میاد. اگه دیدید اشتباه رفت، همون لحظه Esc بزنید .
اطلاع از گیت ایجنت از اول میدونه توی چه برنچی هستید، چه فایلهایی رو دست زدید، و آخرین کامیتها چی بوده. دیگه لازم نیست بهش توضیح بدید کجا بودید
مسیریابی هوشمند کد
وقتی اسم یه تابع یا کلاس رو بلدید و میپرسید «کجا تعریف شده؟» یا «کجاها استفاده شده؟»، دیگه ایجنت با grep دنبال رشته نمیگرده. از زبانسرور VS Code میپرسه — یک جواب، دقیق، بدون خطای تشابه
——— مثالهای واقعی ———
«create_app کجا تعریف شده؟»
• نسخهی قبلی → ۴ تِرن و ۱۳ هزار توکن (۵ چیپ ابزار!) • نسخهی جدید → ۲ تِرن و ۶ هزار توکن (تقریباً ۵۰٪ ارزونتر)
«همهی جاهایی که useAuth صدا زده شده رو پیدا کن»
• قبلاً: grep روی "useAuth" ← کلی نتیجهی اضافه (کامنت، استرینگ، متغیرهای مشابه). ایجنت باید چندتا فایل میخوند تا مطمئن بشه. • حالا: فقط یک چیپ find_references ← لیست دقیق، بدون نویز.
«auth من چطور کار میکنه؟ لطفاً یاد بگیر و تو حافظهات نگه دار»
• این سوال یه «مفهوم» میپرسه، نه یه اسم مشخص. ایجنت خودش تشخیص میده و از grep استفاده میکنه — درست مثل قبل. بعد فایلها رو میخونه و با ابزار `remember` یادداشت میکنه.
• قاعدهی ساده: اسم تابع/کلاس میدونی؟ LSP. سوال کلی میپرسی؟ grep
اگر هم روی نسخهی قدیمی می مونید نگران نباشید، همهچی مثل قبل کار میکنه. ولی اگه آپدیت کنید، سریعتر، دقیقتر و ارزونتر جواب میگیرید
@wijcode
نسخهی جدید ویجکد (۱.۳.۰) منتشر شد — با سه تا قابلیت جدید:
خروجی زندهی دستورها وقتی ایجنت `npm test` یا هر دستور طولانی اجرا میکنه، دیگه اسپینر ساکت نمیبینید. خروجی خطبهخط جلوت میاد. اگه دیدید اشتباه رفت، همون لحظه Esc بزنید .
اطلاع از گیت ایجنت از اول میدونه توی چه برنچی هستید، چه فایلهایی رو دست زدید، و آخرین کامیتها چی بوده. دیگه لازم نیست بهش توضیح بدید کجا بودید مسیریابی هوشمند کدوقتی اسم یه تابع یا کلاس رو بلدید و میپرسید «کجا تعریف شده؟» یا «کجاها استفاده شده؟»، دیگه ایجنت با grep دنبال رشته نمیگرده. از زبانسرور VS Code میپرسه — یک جواب، دقیق، بدون خطای تشابه
——— مثالهای واقعی ———
«create_app کجا تعریف شده؟»• نسخهی قبلی → ۴ تِرن و ۱۳ هزار توکن (۵ چیپ ابزار!) • نسخهی جدید → ۲ تِرن و ۶ هزار توکن
(تقریباً ۵۰٪ ارزونتر) «همهی جاهایی که useAuth صدا زده شده رو پیدا کن»• قبلاً: grep روی "useAuth" ← کلی نتیجهی اضافه (کامنت، استرینگ، متغیرهای مشابه). ایجنت باید چندتا فایل میخوند تا مطمئن بشه. • حالا: فقط یک چیپ
find_references ← لیست دقیق، بدون نویز. «auth من چطور کار میکنه؟ لطفاً یاد بگیر و تو حافظهات نگه دار» • این سوال یه «مفهوم» میپرسه، نه یه اسم مشخص. ایجنت خودش تشخیص میده و از grep استفاده میکنه — درست مثل قبل. بعد فایلها رو میخونه و با ابزار `remember` یادداشت میکنه.
• قاعدهی ساده: اسم تابع/کلاس میدونی؟ LSP. سوال کلی میپرسی؟ grep
اگر هم روی نسخهی قدیمی می مونید نگران نباشید، همهچی مثل قبل کار میکنه. ولی اگه آپدیت کنید، سریعتر، دقیقتر و ارزونتر جواب میگیرید
@wijcode
۱۹:۰۱
۷:۲۷
۷:۲۹
سلام دوستان
نسخه جدید WijCode v1.4.0 برای VS Code روی سایت قرار گرفت
نسخهای که بزرگترین تمرکزش روی «کاهش هزینهی تومانی» و «بهبود تجربهی کاری با Agent» هست.
مهمترین تغییر: حدود ۵۰٪ کاهش هزینهی توکن با تغییر در استفاده از ابزارهای داخلی vscode
«grep» هوشمندتر: بهصورت پیشفرض اول فقط لیست فایلهای منطبق رو برمیگردونه؛ مدل بعد از اینکه هدف رو محدود کرد میتونه محتوا رو درخواست بده.
dedup خواندن فایل: اگر مدل دوباره همون فایل رو در همون چت بخواد، بایتها مجدد ارسال نمیشن — فقط یک پاسخ کوتاه میگیره.
LSP بهتر: نتایج find_references بر اساس فایل گروهبندی شده و مسیرهای داخل .gitignore (مثل node_modules) فیلتر میشن.
تجربهی Plan: نوار پیشرفت چسبان بالای چت، نشانگر پلن در status bar،
هشدار مدل codex: مدلهای خانوادهی codex برای کارهای multi-step plan مناسب نیستن بخصوص برای ترن های رفت و برگشتی این نسخه قبل از تأیید پلن، یک هشدار زرد ملایم نشون میده اگر مدل رو روی codex قرار بدید . برای پلن بهترین نتیجه رو روی مدل های کلود میگیرید
پوشههای اضافی نادیده گرفتهشده در grep و glob: .hg, .svn, .jj, .bzr.
تمام چتها، توکنها و پلنهای فعلی شما حفظ میشن. کسانی هم که فعلاً نمیخوان آپدیت کنن، نسخهی ۱.۳.۰ بدون هیچ مشکلی به کارش ادامه میده.
اگر سؤال، گزارش باگ یا پیشنهادی داشتید خوشحال میشیم بشنویم
کانال اختصاصی افزونه vscode : @wijcode
پشتیبانی: @aiwidgetsup
aiwidget.ir
نسخه جدید WijCode v1.4.0 برای VS Code روی سایت قرار گرفت
نسخهای که بزرگترین تمرکزش روی «کاهش هزینهی تومانی» و «بهبود تجربهی کاری با Agent» هست.
مهمترین تغییر: حدود ۵۰٪ کاهش هزینهی توکن با تغییر در استفاده از ابزارهای داخلی vscode
«grep» هوشمندتر: بهصورت پیشفرض اول فقط لیست فایلهای منطبق رو برمیگردونه؛ مدل بعد از اینکه هدف رو محدود کرد میتونه محتوا رو درخواست بده.
dedup خواندن فایل: اگر مدل دوباره همون فایل رو در همون چت بخواد، بایتها مجدد ارسال نمیشن — فقط یک پاسخ کوتاه میگیره.
LSP بهتر: نتایج find_references بر اساس فایل گروهبندی شده و مسیرهای داخل .gitignore (مثل node_modules) فیلتر میشن.
تجربهی Plan: نوار پیشرفت چسبان بالای چت، نشانگر پلن در status bar،
هشدار مدل codex: مدلهای خانوادهی codex برای کارهای multi-step plan مناسب نیستن بخصوص برای ترن های رفت و برگشتی این نسخه قبل از تأیید پلن، یک هشدار زرد ملایم نشون میده اگر مدل رو روی codex قرار بدید . برای پلن بهترین نتیجه رو روی مدل های کلود میگیرید پوشههای اضافی نادیده گرفتهشده در grep و glob: .hg, .svn, .jj, .bzr. تمام چتها، توکنها و پلنهای فعلی شما حفظ میشن. کسانی هم که فعلاً نمیخوان آپدیت کنن، نسخهی ۱.۳.۰ بدون هیچ مشکلی به کارش ادامه میده.
اگر سؤال، گزارش باگ یا پیشنهادی داشتید خوشحال میشیم بشنویم
کانال اختصاصی افزونه vscode : @wijcode
پشتیبانی: @aiwidgetsup
aiwidget.ir
۵:۵۰
سلام!
نسخه جدید Wijcode برای Visual Studio منتشر شد. افزونه VS Code هم بهروزرسانی شد.
در این نسخه، تغییرات مهم و جذابی اعمال شده که در ادامه مرور میکنیم:
بهبود planning در اکثر مدلها
- مدلهای کلاود همچنان در planning قویتر هستند.- مدلهای OpenAI 5.4 در این نسخه عملکرد خوبی دارند (هرچند هنوز به سطح کلاود نمیرسند).
استفاده بهینه از کش (cache) برای کاهش هزینه
- در انتهای پاسخ مدل، درصد کش مثل `100%` یا `85%` نمایش داده میشود.
🧭 ابزارهای جدید برای مسیریابی بهتر فایلها
- به Agent کمک میکند فایلها را دقیقتر و سریعتر پیدا کند.
یادآوری پلن نیمهکاره
- اگر یک پلن نیمهکاره رها شده باشد، مدل در هر چت جدید آن را یادآوری میکند.
کاهش خودکار هزینه با `tool_search`
- روی مدلهای Claude Sonnet 4.x، Claude Opus 4.x و OpenAI GPT-5.4 به بالا، ابزار `tool_search` بهصورت پیشفرض فعال است.- این قابلیت میتواند تا ۷۰٪ تا ۸۰٪ هزینه ورودی در مکالمات چندمرحلهای را کاهش دهد بدون نیاز به هیچ تنظیمی.- فقط کافی است نسخه جدید را نصب کرده باشید.
رفع باگهای planning
- ابزارهای داخلی افزونه Visual Studio با کاتالوگ بکاند همسو شدهاند تا مدل در شناسایی ابزارها دچار سردرگمی نشود.
بهترین روشها برای کاهش هزینه (Best Practices)
1. شروع با مدل ارزان، ادامه با مدل قوی
- برای پروژه جدید یا بررسی اولیه: Claude Haiku 4.5 یا GPT-5.4-mini- برای منطق پیچیده یا پلن چندمرحلهای: Sonnet 4.x یا Opus 4.x
این روش میتواند هزینه را تا ۵ برابر کاهش دهد.
2. برای کار جدید، چت جدید باز کنید
- کش پرامپت ۵ دقیقهای در یک موضوع بیشترین صرفه را دارد. - موضوعهای نامرتبط را در یک چت ترکیب نکنید.
3. در طول یک کار مرتبط، در همان چت بمانید
- سوالات بعدی با درصد بیشتری از کش پاسخ داده میشوند. - عددی مثل `۸۵٪ cached` نشاندهنده صرفهجویی است — هرچه بیشتر، هزینه کمتر.
4. اجازه دهید Agent یادداشت بسازد
- Agent با ابزار `remember` اطلاعات را در مسیر `.wijcode-agent/notes/` ذخیره میکند. - جلسات بعدی سریعتر و کمهزینهتر میشوند.
5. پرامپتهای دقیق بدهید
بهجای «این کد را بررسی کن» بنویسید:
> «تابع authenticate در فایل auth.py را بررسی کن و دو مشکل امنیتی احتمالی پیدا کن»
هرچه دقیقتر = ابزار کمتر مصرف شده = هزینه کمتر
6. پلنها را سریع تایید کنید
- تأخیر در تایید ممکن است باعث منقضی شدن کش ۵ دقیقهای شود و هزینه مرحله بعدی افزایش پیدا کند.
7. فقط فایلهای لازم را پیوست کنید
- هر فایل پیوستشده به system prompt اضافه شده و هزینه دارد. - اگر Agent بتواند خودش با `read_file` فایل را بخواند، نیازی به پیوست دستی نیست.
اگر سوالی داشتید، از طریق پشتیبانی با ما در ارتباط باشید.
نصب افزونه و شروع سریع:https://aiwidget.ir
کانال اختصاصی توسعهدهندگان ویجکد ایجنت:@wijcode
کانال ما در بله:@aiwidget
پشتیبان آنلاین:@aiwidgetsup
نسخه جدید Wijcode برای Visual Studio منتشر شد. افزونه VS Code هم بهروزرسانی شد.در این نسخه، تغییرات مهم و جذابی اعمال شده که در ادامه مرور میکنیم:
بهبود planning در اکثر مدلها- مدلهای کلاود همچنان در planning قویتر هستند.- مدلهای OpenAI 5.4 در این نسخه عملکرد خوبی دارند (هرچند هنوز به سطح کلاود نمیرسند).
استفاده بهینه از کش (cache) برای کاهش هزینه- در انتهای پاسخ مدل، درصد کش مثل `100%` یا `85%` نمایش داده میشود.
🧭 ابزارهای جدید برای مسیریابی بهتر فایلها
- به Agent کمک میکند فایلها را دقیقتر و سریعتر پیدا کند.
یادآوری پلن نیمهکاره- اگر یک پلن نیمهکاره رها شده باشد، مدل در هر چت جدید آن را یادآوری میکند.
کاهش خودکار هزینه با `tool_search`- روی مدلهای Claude Sonnet 4.x، Claude Opus 4.x و OpenAI GPT-5.4 به بالا، ابزار `tool_search` بهصورت پیشفرض فعال است.- این قابلیت میتواند تا ۷۰٪ تا ۸۰٪ هزینه ورودی در مکالمات چندمرحلهای را کاهش دهد بدون نیاز به هیچ تنظیمی.- فقط کافی است نسخه جدید را نصب کرده باشید.
رفع باگهای planning- ابزارهای داخلی افزونه Visual Studio با کاتالوگ بکاند همسو شدهاند تا مدل در شناسایی ابزارها دچار سردرگمی نشود.
بهترین روشها برای کاهش هزینه (Best Practices)1. شروع با مدل ارزان، ادامه با مدل قوی
- برای پروژه جدید یا بررسی اولیه: Claude Haiku 4.5 یا GPT-5.4-mini- برای منطق پیچیده یا پلن چندمرحلهای: Sonnet 4.x یا Opus 4.x
این روش میتواند هزینه را تا ۵ برابر کاهش دهد.2. برای کار جدید، چت جدید باز کنید
- کش پرامپت ۵ دقیقهای در یک موضوع بیشترین صرفه را دارد. - موضوعهای نامرتبط را در یک چت ترکیب نکنید.
3. در طول یک کار مرتبط، در همان چت بمانید
- سوالات بعدی با درصد بیشتری از کش پاسخ داده میشوند. - عددی مثل `۸۵٪ cached` نشاندهنده صرفهجویی است — هرچه بیشتر، هزینه کمتر.
4. اجازه دهید Agent یادداشت بسازد
- Agent با ابزار `remember` اطلاعات را در مسیر `.wijcode-agent/notes/` ذخیره میکند. - جلسات بعدی سریعتر و کمهزینهتر میشوند.
5. پرامپتهای دقیق بدهید
بهجای «این کد را بررسی کن» بنویسید: > «تابع authenticate در فایل auth.py را بررسی کن و دو مشکل امنیتی احتمالی پیدا کن»
هرچه دقیقتر = ابزار کمتر مصرف شده = هزینه کمتر6. پلنها را سریع تایید کنید
- تأخیر در تایید ممکن است باعث منقضی شدن کش ۵ دقیقهای شود و هزینه مرحله بعدی افزایش پیدا کند.
7. فقط فایلهای لازم را پیوست کنید
- هر فایل پیوستشده به system prompt اضافه شده و هزینه دارد. - اگر Agent بتواند خودش با `read_file` فایل را بخواند، نیازی به پیوست دستی نیست.
اگر سوالی داشتید، از طریق پشتیبانی با ما در ارتباط باشید. نصب افزونه و شروع سریع:https://aiwidget.ir کانال اختصاصی توسعهدهندگان ویجکد ایجنت:@wijcode کانال ما در بله:@aiwidget پشتیبان آنلاین:@aiwidgetsup۹:۲۹
راهنمای پرامپتنویسی برای کار با افزونه
سطح ۱ — شروع از صفر (مدل ارزون: Haiku 4.5 یا GPT-5.4-mini)وقتی تازه پروژه رو باز کردی و میخوای باهاش آشنا شی، هدف اینه که یه نقشه ذهنی سریع از پروژه بگیری با کمترین هزینه.
پرامپت ۱ — معرفی کلی پروژه:
Look at the top-level files and folders in this workspace. Summarize in 5 bullets: what is this project, what language/framework, and what are the main folders for. Don't open any file deeper than 2 levels.
چرا کار میکنه: محدوده کار رو به سطح ۲ پوشه محدود کرده و خروجی رو ۵ خط خواسته، مدل از list_dir سطح بالا استفاده میکنه، حدود ۲–۳ ابزار مصرف میکنه و هزینه پایینه.
پرامپت ۲ — پیدا کردن نقطه ورود:
Find the main entry point of this backend (app.py, main.py, index.js, or similar) and tell me what gets initialized when the app starts. Just read that one file.
چرا کار میکنه: اسم فایل مشخصه و از مدل خواسته شده فقط یه فایل رو بخونه، هزینه در حد یه read_file هست.
پرامپت ۳ — جستوجوی الگو:
Use grep to find every place this project calls OpenAI's API. List file paths and line numbers only. Don't read the files.
چرا کار میکنه: ابزار مشخصه (grep) و خروجی محدود شده به مسیر و شماره خط، هزینه هم در حد یه grep call هست.
سطح ۲ — فهم یه قابلیت خاص (مدل متوسط: Sonnet 4.6)اینجا میخوای یه بخش از پروژه رو کامل بفهمی و دقیقتر بررسیش کنی.
پرامپت ۴ — درک سیستم احراز هویت:
How does authentication work in this project? Find: 1) the route that issues tokens, 2) the decorator that protects other routes, 3) where the secret key is loaded from. Cite exact file paths and line numbers. Don't change anything.
چرا کار میکنه: سه تا سوال مشخص داره، خروجی ساختاریافته میخواد و فقط read-only هست، مدل grep میکنه و چند تا read_file هدفمند میزنه.
پرامپت ۵ — نقشهبرداری از مدلهای دیتابیس:
List every SQLAlchemy model class in models.py with its tablename and the foreign-key relationships to other models. Output as a markdown table.
چرا کار میکنه: فقط یه فایل هدفه، درخواست دقیق تعریف شده و فرمت خروجی هم مشخصه.
پرامپت ۶ — ردیابی یه سناریوی کاربر:
Trace what happens when a user POSTs to /api/learning/journeys. Find the route handler, every database table that gets a row inserted, and the response shape. Don't modify any file.
چرا کار میکنه: نقطه شروع واضحه (URL)، سه خروجی مشخص داره و فقط خوندنه، اینو خودمون تست کردیم و جواب میده.
ادامه در پیام بعدی ارسال میشه
aiwidget.ir
کانال ما در بله: @aiwidget
کانال اختصاصی افرونه vscode: @wijcode
سطح ۱ — شروع از صفر (مدل ارزون: Haiku 4.5 یا GPT-5.4-mini)وقتی تازه پروژه رو باز کردی و میخوای باهاش آشنا شی، هدف اینه که یه نقشه ذهنی سریع از پروژه بگیری با کمترین هزینه.پرامپت ۱ — معرفی کلی پروژه:
Look at the top-level files and folders in this workspace. Summarize in 5 bullets: what is this project, what language/framework, and what are the main folders for. Don't open any file deeper than 2 levels.
چرا کار میکنه: محدوده کار رو به سطح ۲ پوشه محدود کرده و خروجی رو ۵ خط خواسته، مدل از list_dir سطح بالا استفاده میکنه، حدود ۲–۳ ابزار مصرف میکنه و هزینه پایینه.
پرامپت ۲ — پیدا کردن نقطه ورود:
Find the main entry point of this backend (app.py, main.py, index.js, or similar) and tell me what gets initialized when the app starts. Just read that one file.
چرا کار میکنه: اسم فایل مشخصه و از مدل خواسته شده فقط یه فایل رو بخونه، هزینه در حد یه read_file هست.
پرامپت ۳ — جستوجوی الگو:
Use grep to find every place this project calls OpenAI's API. List file paths and line numbers only. Don't read the files.
چرا کار میکنه: ابزار مشخصه (grep) و خروجی محدود شده به مسیر و شماره خط، هزینه هم در حد یه grep call هست.
سطح ۲ — فهم یه قابلیت خاص (مدل متوسط: Sonnet 4.6)اینجا میخوای یه بخش از پروژه رو کامل بفهمی و دقیقتر بررسیش کنی.پرامپت ۴ — درک سیستم احراز هویت:
How does authentication work in this project? Find: 1) the route that issues tokens, 2) the decorator that protects other routes, 3) where the secret key is loaded from. Cite exact file paths and line numbers. Don't change anything.
چرا کار میکنه: سه تا سوال مشخص داره، خروجی ساختاریافته میخواد و فقط read-only هست، مدل grep میکنه و چند تا read_file هدفمند میزنه.
پرامپت ۵ — نقشهبرداری از مدلهای دیتابیس:
List every SQLAlchemy model class in models.py with its tablename and the foreign-key relationships to other models. Output as a markdown table.
چرا کار میکنه: فقط یه فایل هدفه، درخواست دقیق تعریف شده و فرمت خروجی هم مشخصه.
پرامپت ۶ — ردیابی یه سناریوی کاربر:
Trace what happens when a user POSTs to /api/learning/journeys. Find the route handler, every database table that gets a row inserted, and the response shape. Don't modify any file.
چرا کار میکنه: نقطه شروع واضحه (URL)، سه خروجی مشخص داره و فقط خوندنه، اینو خودمون تست کردیم و جواب میده.
ادامه در پیام بعدی ارسال میشه
aiwidget.irکانال ما در بله: @aiwidget
کانال اختصاصی افرونه vscode: @wijcode
۱۰:۱۷
سطح ۳ — تغییر کد با planning (مدل قوی: Sonnet 4.6 یا Opus 4.x)برای تغییرات چندفایلی، مدل از create_plan استفاده میکنه و تو باید اول پلن رو تایید کنی.پرامپت ۷ — refactor با پلن:
The route handler create_journey in learning/routes/journey_routes.py currently does database work inline. There's an unused JourneyService.create_journey method in services/journey_service.py. Plan a refactor to move the inline logic into the service method and have the route call it. After I approve the plan, execute it. Add tests if they don't exist.
چرا کار میکنه: مسئله دقیق توضیح داده شده، فایلهای مرتبط گفته شده و از مدل خواسته شده اول پلن بده، بعد از تایید اجرا میشه.
پرامپت ۸ — اضافه کردن یه endpoint جدید:
Add a new endpoint GET /api/learning/journeys/<journey_id>/stats that returns the journey's progress: total blocks, completed blocks, exam attempts, and pass rate. Plan first, then execute after my approval. Follow the existing pattern in journey_routes.py. Use @token_required and the existing get_or_create_user_stats helper where relevant.
چرا کار میکنه: قابلیت دقیق تعریف شده، به الگوی موجود ارجاع داده شده و helper هم مشخصه، مدل اول پلن میسازه بعد اجرا میکنه.
پرامپت ۹ — دیباگ با شواهد:
A user reported that exam scores are sometimes off by one. Look at the scoring logic in learning/routes/block_routes.py around line 1116 (submit-exam route). Investigate the math, find any off-by-one bug, propose a fix with create_plan, and after my approval apply the fix and run any related tests.
چرا کار میکنه: باگ دقیق گفته شده، مسیر مشخصه و خواسته شده قبل از تغییر پلن بده و بعدش تست انجام بده.
الگوی طلایی برای پرامپتنویسی موثرهر پرامپت خوب چهار بخش داره:
محدوده (Scope) مثل "in models.py" یا "in learning/routes/"، خواسته (Deliverable) مثل "list X" یا "summarize in 5 bullets"، محدودیت (Constraint) مثل "don't read other files" یا "read-only"، ارجاع (Reference) مثل اسم فایل، مسیر، شماره خط یا اسم تابع.
aiwidget.irکانال ما در بله: @aiwidget
کانال اختصاصی افرونه vscode: @wijcode
۱۰:۱۸
نصب افزونه روی ویژوال استودیو، ورود به حساب ویج، و اولین درخواست به مدل در کمتر از سه دقیقه
https://aiwidget.ir/tutorials/wijcode-vs-getting-started
aiwidget.ir
کانال ما در بله: @aiwidget
کانال اختصاصی افرونه vscode: @wijcode
https://aiwidget.ir/tutorials/wijcode-vs-getting-started
aiwidget.irکانال ما در بله: @aiwidget
کانال اختصاصی افرونه vscode: @wijcode
۲۰:۲۰
بازارسال شده از
مدل های GPT5.5 و Opus 4.7 به تمامی افرونه ها و نسخه وب اضافه شد
aiwidget.ir
کانال ما در بله: @aiwidget
کانال اختصاصی افرونه کد نویسی: @wijcode
aiwidget.irکانال ما در بله: @aiwidget
کانال اختصاصی افرونه کد نویسی: @wijcode
۱۰:۵۲
ویج کد (ایجنت برنامه نویسی) به روز شد . نسخه ۱.۶.۲۷ با قابلیت های جدید رو سایت قرار گرفت .
ابزارهای بیشتر بهینه سازیکاهش بیشتر هزینه ها با استفاده از ابزار های داخلی
مشاهده :
https://staging.aiwidget.ir/dashboard/widgets/wijcode/install
aiwidget.ir
کانال ما در بله: @aiwidget
کانال اختصاصی افرونه کد نویسی: @wijcode
ابزارهای بیشتر بهینه سازیکاهش بیشتر هزینه ها با استفاده از ابزار های داخلی
مشاهده :
https://staging.aiwidget.ir/dashboard/widgets/wijcode/install
aiwidget.irکانال ما در بله: @aiwidget
کانال اختصاصی افرونه کد نویسی: @wijcode
۱۹:۲۷