آموزش و راهنما

VS Code چیست؟ آموزش کامل Visual Studio Code برای برنامه‌نویسی و هوش مصنوعی

در این آموزش VS Code را از صفر یاد می‌گیرید؛ از نصب، افزونه‌ها و Terminal تا Git، Debug و تست. در پایان یک API خلاصه‌ساز با Python، FastAPI و مدل‌های هوش مصنوعی درواره می‌سازیم.

Visual Studio Code که بیشتر با نام VS Code یا وی‌اس کد شناخته می‌شود، یکی از محبوب‌ترین ویرایشگرهای کد در میان برنامه‌نویسان است. سبک‌بودن، پشتیبانی از زبان‌های مختلف، Terminal داخلی، یکپارچگی با Git، امکانات Debug و مجموعه بزرگی از Extensionها باعث شده است VS Code برای بسیاری از پروژه‌های برنامه‌نویسی انتخاب مناسبی باشد.

VS Code را می‌توان برای توسعه با Python، JavaScript، TypeScript، PHP، Go، Java، C#، C++، HTML، CSS و بسیاری زبان‌های دیگر استفاده کرد. این ویرایشگر همچنین به یکی از محیط‌های اصلی استفاده از دستیارها و Agentهای برنامه‌نویسی مبتنی بر هوش مصنوعی تبدیل شده است.

در این آموزش، VS Code را از صفر یاد می‌گیریم و در پایان یک پروژه عملی می‌سازیم: API خلاصه‌سازی متن با Python و FastAPI که به مدل‌های هوش مصنوعی درواره متصل می‌شود. سپس همان پروژه را داخل VS Code اجرا، Debug، تست و با REST Client آزمایش می‌کنیم.

VS Code چیست؟

VS Code یک ویرایشگر کد رایگان برای Windows، macOS و Linux است. این نرم‌افزار امکانات پایه‌ای مانند ویرایش کد، جست‌وجو، Terminal، Git، Debug و مدیریت Extension را در یک محیط یکپارچه ارائه می‌کند.

طبق معرفی رسمی Visual Studio Code، VS Code علاوه بر ویرایش کد، از قابلیت‌هایی مانند IntelliSense، Source Control، Debugging و Testing پشتیبانی می‌کند و امکانات آن از طریق Extensionها قابل گسترش است.

VS Code یک IDE کاملاً ثابت و از پیش پیکربندی‌شده برای یک زبان خاص نیست؛ بلکه ویرایشگری توسعه‌پذیر است که می‌توانید آن را متناسب با نوع پروژه خود تنظیم کنید.

برای مثال، اگر Python Extension را نصب کنید، قابلیت‌های زیر اضافه می‌شوند:

تشخیص Python Interpreter
تکمیل خودکار کد
اجرای فایل Python
مدیریت Virtual Environment
اجرای تست‌ها
Debugging
نمایش خطاها
Code Navigation
Refactoring
Formatting و Linting با ابزارهای تکمیلی

تفاوت VS Code و Visual Studio چیست؟

Visual Studio Code و Visual Studio دو محصول متفاوت‌اند.

VS Code:

سبک‌تر است.
روی Windows، macOS و Linux اجرا می‌شود.
برای زبان‌های مختلف قابل تنظیم است.
بر Extensionها تکیه دارد.
برای پروژه‌های وب، Python، JavaScript و Cloud بسیار رایج است.
سریع‌تر نصب و اجرا می‌شود.
نسخه رایگان دارد.

Visual Studio:

یک IDE کامل‌تر و سنگین‌تر است.
بیشتر در اکوسیستم .NET و C++ شناخته می‌شود.
ابزارهای داخلی گسترده‌تری برای پروژه‌های سازمانی دارد.
نسخه‌ها و قابلیت‌های متفاوتی ارائه می‌کند.
در بعضی سناریوهای .NET، Windows و C++ امکانات تخصصی‌تری دارد.

انتخاب میان این دو به نوع پروژه بستگی دارد. برای Python، JavaScript، TypeScript، توسعه وب، API و پروژه‌های هوش مصنوعی مبتنی بر ابزارهای متن‌باز، VS Code انتخاب رایجی است.

چرا VS Code محبوب است؟

دلایل مهم محبوبیت VS Code عبارت‌اند از:

نصب و اجرای نسبتاً سریع
پشتیبانی از سیستم‌عامل‌های مختلف
Extensionهای متنوع
Terminal داخلی
یکپارچگی با Git
Debugger قابل توسعه
IntelliSense
مدیریت Workspace
تنظیمات قابل شخصی‌سازی
پشتیبانی از Remote Development
قابلیت ساخت Profileهای مختلف
پشتیبانی از زبان‌های برنامه‌نویسی متعدد
امکان استفاده از دستیارهای هوش مصنوعی
میان‌برهای کاربردی
جست‌وجو و جایگزینی قدرتمند

آیا VS Code برای مبتدیان مناسب است؟

بله. رابط VS Code نسبتاً ساده است و می‌توانید با نصب تعداد کمی Extension کار را شروع کنید.

بااین‌حال، نصب تعداد زیادی Extension از همان ابتدا توصیه نمی‌شود. هر Extension ممکن است منابع سیستم مصرف کند، تنظیمات جدیدی اضافه کند یا با Extension دیگری تداخل داشته باشد.

برای شروع، فقط Extensionهای موردنیاز زبان و پروژه خود را نصب کنید.

نصب VS Code

نسخه مناسب سیستم‌عامل خود را از صفحه رسمی دانلود کنید:

دانلود Visual Studio Code

نصب در Windows

فایل نصب را اجرا کنید. هنگام نصب، گزینه‌های زیر می‌توانند مفید باشند:

افزودن VS Code به PATH
افزودن گزینه Open with Code به منوی فایل‌ها
افزودن گزینه Open with Code به منوی پوشه‌ها
ثبت VS Code به‌عنوان ویرایشگر فایل‌های پشتیبانی‌شده

پس از نصب، PowerShell را باز کنید:

code --version

اگر نسخه نمایش داده شود، فرمان code در PATH قرار دارد.

نصب در macOS

پس از نصب و انتقال برنامه به Applications، VS Code را باز کنید.

برای فعال‌کردن فرمان code:

Command Palette را باز کنید.
عبارت زیر را جست‌وجو کنید:

Shell Command: Install 'code' command in PATH

فرمان را اجرا کنید.
Terminal را دوباره باز کنید.

سپس:

code --version

نصب در Linux

برای نصب VS Code در Linux از بسته یا Repository رسمی متناسب با توزیع خود استفاده کنید. روش نصب در Ubuntu، Fedora و سایر توزیع‌ها ممکن است متفاوت باشد.

پس از نصب:

code --version

بازکردن اولین پروژه

یک پوشه بسازید:

mkdir vscode-project
cd vscode-project

پوشه را در VS Code باز کنید:

code .

علامت نقطه به معنی پوشه فعلی است.

می‌توانید از منوی VS Code نیز استفاده کنید:

File > Open Folder

بهتر است به‌جای بازکردن تک‌فایل‌ها، پوشه اصلی پروژه را باز کنید؛ زیرا بسیاری از قابلیت‌های VS Code مانند Search، Git، Workspace Settings، Testing و Debugging بر اساس پوشه پروژه کار می‌کنند.

آشنایی با رابط VS Code

بر اساس راهنمای رسمی رابط کاربری VS Code، رابط اصلی VS Code از چند بخش تشکیل شده است.

Activity Bar

نوار عمودی کنار پنجره که دسترسی به بخش‌های اصلی را فراهم می‌کند:

Explorer
Search
Source Control
Run and Debug
Extensions
Testing، در صورت فعال‌بودن
بخش‌های اضافه‌شده توسط Extensionها

پنل کناری که محتوای بخش انتخاب‌شده را نمایش می‌دهد. برای مثال، در Explorer فهرست فایل‌ها و پوشه‌ها دیده می‌شود.

Editor

بخش اصلی برای نمایش و ویرایش فایل‌هاست. می‌توانید چند فایل را در Tabهای مختلف باز کنید یا Editor را به چند قسمت تقسیم کنید.

Panel

معمولاً در پایین پنجره قرار دارد و شامل این بخش‌هاست:

Problems
Output
Debug Console
Terminal
Ports، در برخی محیط‌ها

Status Bar

نوار پایین VS Code که اطلاعاتی مانند موارد زیر را نمایش می‌دهد:

Branch فعال Git
خط و ستون Cursor
نوع فایل
Encoding
پایان خط
Python Interpreter
وضعیت خطاها و هشدارها
وضعیت بعضی Extensionها

Command Center

در نسخه‌های جدید VS Code، بخش بالایی پنجره امکان جست‌وجوی فایل‌ها و اجرای برخی فرمان‌ها را فراهم می‌کند.

Command Palette چیست؟

Command Palette یکی از مهم‌ترین بخش‌های VS Code است. تقریباً بیشتر قابلیت‌های برنامه از طریق آن قابل دسترسی‌اند.

در Windows و Linux:

Ctrl + Shift + P

در macOS:

Cmd + Shift + P

نمونه فرمان‌ها:

Python: Select Interpreter
Git: Clone
Format Document
Developer: Reload Window
Preferences: Open User Settings
Debug: Select and Start Debugging
Extensions: Show Recommended Extensions

اگر محل یک قابلیت را در منوها نمی‌دانید، ابتدا آن را در Command Palette جست‌وجو کنید.

میان‌برهای مهم VS Code

بازکردن Command Palette

Ctrl + Shift + P

بازکردن سریع فایل

Ctrl + P

می‌توانید بخشی از نام فایل را تایپ کنید.

جست‌وجو در فایل فعلی

Ctrl + F

جست‌وجو در تمام پروژه

Ctrl + Shift + F

جایگزینی در فایل فعلی

Ctrl + H

بازکردن Terminal

Ctrl + `

ذخیره فایل

Ctrl + S

ذخیره تمام فایل‌ها

Ctrl + K
Ctrl + S

رفتن به تعریف

F12

مشاهده تعریف بدون ترک فایل

Alt + F12

تغییر نام Symbol

F2

Format Document

در Windows و Linux:

Shift + Alt + F

بازکردن Run and Debug

Ctrl + Shift + D

بازکردن Source Control

Ctrl + Shift + G

Comment یا Uncomment خط

Ctrl + /

جابه‌جایی خط

Alt + Up
Alt + Down

کپی خط به بالا یا پایین

Shift + Alt + Up
Shift + Alt + Down

بعضی میان‌برها با توجه به سیستم‌عامل یا Keymap متفاوت‌اند. فهرست کامل را می‌توانید با این فرمان باز کنید:

Preferences: Open Keyboard Shortcuts

Explorer و مدیریت فایل‌ها

در Explorer می‌توانید:

فایل بسازید.
پوشه بسازید.
نام فایل را تغییر دهید.
فایل را جابه‌جا کنید.
چند فایل را هم‌زمان باز کنید.
ساختار پروژه را مشاهده کنید.
فایل را در File Explorer سیستم نشان دهید.

برای ساخت فایل جدید:

روی پوشه پروژه کلیک کنید.
گزینه New File را بزنید.
نام فایل را وارد کنید.

مثال:

app.py
requirements.txt
README.md

بازکردن چند Editor کنار یکدیگر

برای تقسیم Editor:

Ctrl + \

یا روی Tab فایل راست‌کلیک کنید و گزینه Split را انتخاب کنید.

این قابلیت برای مقایسه فایل‌ها یا مشاهده هم‌زمان کد و تست مفید است.

برای مثال:

app.py              tests/test_app.py
requirements.txt    README.md

IntelliSense چیست؟

IntelliSense مجموعه‌ای از قابلیت‌های کمک به کدنویسی است:

تکمیل خودکار
نمایش امضای Function
نمایش Type
پیشنهاد Variable و Method
نمایش Documentation
تشخیص بعضی خطاها
Import خودکار
Code Navigation

کیفیت IntelliSense به زبان، Extension، تنظیمات و ساختار پروژه بستگی دارد.

برای Python معمولاً ترکیب Python Extension و Pylance قابلیت‌های مناسبی فراهم می‌کند.

Extension چیست؟

Extension افزونه‌ای است که قابلیت جدیدی به VS Code اضافه می‌کند.

بازکردن Extensions:

Ctrl + Shift + X

هنگام نصب Extension این موارد را بررسی کنید:

نام Publisher
تعداد نصب
امتیازها و نظرها
تاریخ به‌روزرسانی
مستندات
Permissionها و قابلیت‌ها
Repository پروژه، در صورت وجود

Extensionها می‌توانند به فایل‌ها، Terminal یا Workspace دسترسی داشته باشند. افزونه‌های موردنیاز را از Publisher معتبر و Marketplace رسمی انتخاب کنید.

Extensionهای پیشنهادی برای Python

Python

شناسه:

ms-python.python

قابلیت‌ها:

انتخاب Interpreter
اجرای Python
Testing
Debugging
مدیریت Environment
اتصال به ابزارهای Lint و Format

Pylance

شناسه:

ms-python.vscode-pylance

برای تکمیل خودکار، Type Analysis و Code Navigation استفاده می‌شود.

Python Debugger

شناسه:

ms-python.debugpy

امکان Debug برنامه‌های Python را فراهم می‌کند.

REST Client

شناسه:

humao.rest-client

برای ارسال درخواست HTTP از داخل فایل‌های .http کاربرد دارد.

افزونه REST Client اجازه می‌دهد درخواست API را داخل پروژه ذخیره و پاسخ را در VS Code مشاهده کنید. صفحه رسمی REST Client در Marketplace جزئیات قابلیت‌ها و تنظیمات آن را ارائه می‌کند.

نصب Extension از Command Palette

Command Palette را باز کنید و بنویسید:

Extensions: Install Extensions

یا از Terminal:

code --install-extension ms-python.python
code --install-extension ms-python.vscode-pylance
code --install-extension ms-python.debugpy
code --install-extension humao.rest-client

مشاهده Extensionهای نصب‌شده:

code --list-extensions

حذف Extension:

code --uninstall-extension EXTENSION_ID

Workspace Trust چیست؟

وقتی یک پروژه ناشناس را باز می‌کنید، VS Code ممکن است درباره اعتماد به Workspace سؤال کند.

Workspace می‌تواند شامل مواردی باشد که فرمان اجرا می‌کنند:

Task
Debug Configuration
Extension Recommendation
Workspace Setting
Script
Notebook
Hook

به پروژه‌هایی که منبع آن‌ها را نمی‌شناسید بدون بررسی اعتماد نکنید. ابتدا فایل‌های تنظیمات، Scriptها و وابستگی‌ها را بررسی کنید.

تنظیمات VS Code

VS Code دو روش اصلی برای ویرایش Settings دارد:

رابط گرافیکی
فایل JSON

بازکردن Settings:

Ctrl + ,

بازکردن فایل تنظیمات:

Preferences: Open User Settings (JSON)

User Settings

روی تمام پروژه‌های کاربر اعمال می‌شوند.

Workspace Settings

فقط روی پروژه فعلی اعمال می‌شوند و معمولاً در این مسیر قرار دارند:

.vscode/settings.json

Workspace Settings برای تنظیمات مشترک یک پروژه مناسب‌اند؛ اما بهتر است قبل از Commit مطمئن شوید تنظیمات فقط شامل موارد عمومی پروژه‌اند و مسیر یا اطلاعات شخصی ندارند.

تنظیمات کاربردی عمومی

نمونه settings.json:

{
  "editor.formatOnSave": true,
  "editor.rulers": [88],
  "editor.minimap.enabled": true,
  "files.trimTrailingWhitespace": true,
  "files.insertFinalNewline": true,
  "terminal.integrated.scrollback": 10000,
  "workbench.editor.enablePreview": false
}

توضیح:

formatOnSave: هنگام ذخیره، Formatter فعال را اجرا می‌کند.
rulers: خط راهنمای طول کد را نشان می‌دهد.
trimTrailingWhitespace: فاصله‌های انتهای خط را حذف می‌کند.
insertFinalNewline: در انتهای فایل خط جدید قرار می‌دهد.
scrollback: تعداد خطوط قابل نگهداری در Terminal را افزایش می‌دهد.
enablePreview: از جایگزین‌شدن سریع Tabهای Preview جلوگیری می‌کند.

قبل از فعال‌کردن Format on Save، Formatter مناسب زبان را انتخاب و رفتار آن را روی پروژه بررسی کنید.

Profile در VS Code چیست؟

Profile مجموعه‌ای از تنظیمات، Extensionها، میان‌برها و چیدمان رابط است.

می‌توانید Profileهای جدا داشته باشید:

Python
Frontend
Data Science
DevOps
پروژه سبک و بدون Extension اضافی
آموزش
پروژه سازمانی

طبق مستندات رسمی VS Code Profiles، Profileها برای ساخت، اشتراک‌گذاری و جابه‌جایی میان مجموعه‌های مختلف تنظیمات و Extensionها استفاده می‌شوند.

برای ساخت Profile:

Profiles: Create Profile

Terminal داخلی VS Code

VS Code دارای Terminal یکپارچه است. بازکردن:

Ctrl + `

ساخت Terminal جدید:

Terminal: Create New Terminal

انتخاب Shell پیش‌فرض:

Terminal: Select Default Profile

گزینه‌های معمول:

PowerShell
Command Prompt
Git Bash
Bash
Zsh
WSL

Terminal داخلی همان فرمان‌های Terminal سیستم را اجرا می‌کند، اما مسیر شروع آن معمولاً پوشه Workspace است.

پروژه عملی: ساخت API خلاصه‌ساز هوش مصنوعی در VS Code

در این پروژه یک API می‌سازیم که متن را دریافت و با یکی از مدل‌های هوش مصنوعی درواره خلاصه می‌کند.

ساختار پروژه:

vscode-darvareh-summarizer/
├── .vscode/
│   ├── extensions.json
│   ├── launch.json
│   └── settings.json
├── tests/
│   └── test_app.py
├── app.py
├── requirements.txt
├── requests.http
├── .env.example
├── .env
├── .gitignore
└── README.md

ساخت پروژه

Terminal داخلی VS Code را باز کنید:

mkdir vscode-darvareh-summarizer
cd vscode-darvareh-summarizer
code .

اگر پوشه از قبل در VS Code باز است، فقط دو فرمان اول کافی است.

ساخت Virtual Environment

در Windows PowerShell:

python -m venv .venv
.venv\Scripts\Activate.ps1

در Linux و macOS:

python3 -m venv .venv
source .venv/bin/activate

راه دیگر استفاده از Command Palette است:

Python: Create Environment

طبق راهنمای محیط‌های Python در VS Code، VS Code می‌تواند محیط‌هایی مانند venv، Conda، Poetry، Pyenv و ابزارهای دیگر را شناسایی و مدیریت کند.

انتخاب Python Interpreter

Command Palette:

Python: Select Interpreter

سپس Python مربوط به .venv را انتخاب کنید.

در Status Bar باید مسیر یا نام Environment پروژه دیده شود.

بررسی در Terminal:

python --version

مسیر Python در Linux و macOS:

which python

در PowerShell:

Get-Command python

مسیر باید به .venv پروژه اشاره کند.

ساخت requirements.txt

fastapi>=0.115,<1.0
uvicorn[standard]>=0.34,<1.0
openai>=1.68,<3.0
python-dotenv>=1.1,<2.0
pydantic>=2.10,<3.0
pytest>=8.3,<9.0
httpx>=0.28,<1.0

نصب:

python -m pip install --upgrade pip
python -m pip install -r requirements.txt

ساخت .env.example

DARVAREH_API_KEY=YOUR_DARVAREH_API_KEY
DARVAREH_MODEL_ID=YOUR_MODEL_ID

در درواره ثبت‌نام و API Key ایجاد کنید. شناسه مدل مناسب را نیز از صفحه مدل‌های درواره بردارید.

فایل محلی .env را بسازید.

در Linux و macOS:

cp .env.example .env

در PowerShell:

Copy-Item .env.example .env

مقادیر واقعی فقط داخل .env قرار می‌گیرند.

ساخت .gitignore

.env
.env.*
!.env.example

.venv/
venv/
__pycache__/
*.py[cod]

.pytest_cache/
.mypy_cache/
.ruff_cache/

.coverage
htmlcov/
*.log

ساخت app.py

import os
from contextlib import asynccontextmanager
from typing import Literal

from dotenv import load_dotenv
from fastapi import FastAPI, HTTPException, Request
from openai import OpenAI
from pydantic import BaseModel, Field

load_dotenv()


class SummaryRequest(BaseModel):
    text: str = Field(min_length=20, max_length=30000)
    style: Literal["short", "bullet", "detailed"] = "short"
    max_tokens: int = Field(default=800, ge=100, le=2000)


STYLE_INSTRUCTIONS = {
    "short": "متن را در یک پاراگراف کوتاه و دقیق خلاصه کن.",
    "bullet": "متن را به‌صورت نکات بولت‌دار و منظم خلاصه کن.",
    "detailed": (
        "یک خلاصه نسبتاً کامل با نکات اصلی، نتیجه‌گیری "
        "و مفاهیم مهم تهیه کن."
    ),
}


@asynccontextmanager
async def lifespan(app: FastAPI):
    api_key = os.getenv("DARVAREH_API_KEY")
    model_id = os.getenv("DARVAREH_MODEL_ID")

    app.state.model_id = model_id
    app.state.ai_client = None

    if api_key and model_id:
        app.state.ai_client = OpenAI(
            api_key=api_key,
            base_url="https://api.darvareh.ir/v1",
            timeout=60,
            max_retries=2,
        )

    yield

    if app.state.ai_client is not None:
        app.state.ai_client.close()


app = FastAPI(
    title="Darvareh AI Summarizer",
    version="1.0.0",
    lifespan=lifespan,
)


@app.get("/health")
def health(request: Request):
    return {
        "status": "ok",
        "ai_configured": request.app.state.ai_client is not None,
    }


@app.post("/summarize")
def summarize(payload: SummaryRequest, request: Request):
    client = request.app.state.ai_client
    model_id = request.app.state.model_id

    if client is None or not model_id:
        raise HTTPException(
            status_code=503,
            detail="تنظیمات API هوش مصنوعی کامل نیست.",
        )

    instruction = STYLE_INSTRUCTIONS[payload.style]

    try:
        response = client.chat.completions.create(
            model=model_id,
            messages=[
                {
                    "role": "system",
                    "content": (
                        "You are a Persian text summarization assistant. "
                        "Preserve facts and do not add unsupported claims."
                    ),
                },
                {
                    "role": "user",
                    "content": f"{instruction}\n\nمتن:\n{payload.text}",
                },
            ],
            temperature=0.2,
            max_tokens=payload.max_tokens,
        )

        summary = response.choices[0].message.content

        if not summary:
            raise HTTPException(
                status_code=502,
                detail="مدل خلاصه قابل استفاده‌ای برنگرداند.",
            )

        return {
            "summary": summary,
            "style": payload.style,
            "model": model_id,
        }

    except HTTPException:
        raise

    except Exception:
        raise HTTPException(
            status_code=502,
            detail="دریافت پاسخ از سرویس هوش مصنوعی ناموفق بود.",
        )

Base URL درواره:

https://api.darvareh.ir/v1

Endpoint درخواست Chat Completions:

https://api.darvareh.ir/v1/chat/completions

اجرای پروژه در Terminal

uvicorn app:app --reload

خروجی باید نشان دهد برنامه روی این آدرس اجرا شده است:

http://127.0.0.1:8000

مستندات خودکار FastAPI:

http://127.0.0.1:8000/docs

Health Endpoint:

http://127.0.0.1:8000/health

برای توقف برنامه:

Ctrl + C

ساخت Workspace Settings

پوشه .vscode را بسازید:

mkdir .vscode

فایل .vscode/settings.json:

{
  "editor.formatOnSave": true,
  "editor.rulers": [88],
  "files.trimTrailingWhitespace": true,
  "files.insertFinalNewline": true,

  "python.terminal.activateEnvironment": true,
  "python.testing.pytestEnabled": true,
  "python.testing.unittestEnabled": false,
  "python.testing.pytestArgs": [
    "tests"
  ],

  "files.exclude": {
    "**/__pycache__": true,
    "**/.pytest_cache": true
  }
}

پیشنهاد Extensionهای پروژه

فایل .vscode/extensions.json:

{
  "recommendations": [
    "ms-python.python",
    "ms-python.vscode-pylance",
    "ms-python.debugpy",
    "humao.rest-client"
  ]
}

وقتی شخص دیگری پروژه را باز کند، VS Code می‌تواند Extensionهای پیشنهادی را نمایش دهد. این فایل Extensionها را بدون اجازه کاربر نصب نمی‌کند.

Debug در VS Code چیست؟

Debugging به شما اجازه می‌دهد اجرای برنامه را مرحله‌به‌مرحله بررسی کنید.

قابلیت‌های معمول Debugger:

Breakpoint
Step Over
Step Into
Step Out
Continue
مشاهده Variableها
Watch Expression
Call Stack
Debug Console
Conditional Breakpoint

طبق مستندات رسمی Debugging در VS Code، Breakpoint اجرای برنامه را در خط موردنظر متوقف می‌کند تا بتوانید وضعیت متغیرها و جریان برنامه را بررسی کنید.

ساخت launch.json

فایل .vscode/launch.json:

{
  "version": "0.2.0",
  "configurations": [
    {
      "name": "FastAPI: Uvicorn",
      "type": "debugpy",
      "request": "launch",
      "module": "uvicorn",
      "args": [
        "app:app",
        "--reload"
      ],
      "justMyCode": true,
      "envFile": "${workspaceFolder}/.env"
    }
  ]
}

برای شروع Debug:

فایل app.py را باز کنید.
کنار شماره خط داخل Function summarize کلیک کنید.
وارد بخش Run and Debug شوید.
تنظیم FastAPI: Uvicorn را انتخاب کنید.
کلید F5 را بزنید.
یک درخواست به /summarize ارسال کنید.

برنامه روی Breakpoint متوقف می‌شود و می‌توانید متغیرهایی مانند payload، instruction و model_id را بررسی کنید.

تفاوت Run و Debug

Run برنامه را معمولاً بدون اتصال Debugger اجرا می‌کند.

Debug برنامه را همراه Debugger اجرا می‌کند و قابلیت‌هایی مانند Breakpoint و مشاهده Variable را در اختیار شما می‌گذارد.

برای اجرای بدون Debug:

Ctrl + F5

برای اجرای همراه Debug:

F5

Breakpoint شرطی

روی Breakpoint راست‌کلیک و گزینه Edit Breakpoint را انتخاب کنید.

برای مثال، توقف فقط زمانی که Style برابر detailed است:

payload.style == "detailed"

Conditional Breakpoint در مسیرهایی که چندین بار اجرا می‌شوند، از توقف غیرضروری جلوگیری می‌کند.

Debug Console

هنگام توقف روی Breakpoint می‌توانید در Debug Console عبارت‌هایی را آزمایش کنید:

payload.style

len(payload.text)

STYLE_INSTRUCTIONS[payload.style]

عبارت‌هایی را اجرا نکنید که وضعیت برنامه یا داده واقعی را ناخواسته تغییر دهند.

ساخت تست برای پروژه

پوشه تست:

mkdir tests

فایل tests/test_app.py:

from fastapi.testclient import TestClient

from app import app


def test_health_endpoint():
    with TestClient(app) as client:
        response = client.get("/health")

    assert response.status_code == 200

    data = response.json()

    assert data["status"] == "ok"
    assert "ai_configured" in data


def test_rejects_short_text():
    with TestClient(app) as client:
        response = client.post(
            "/summarize",
            json={
                "text": "کوتاه",
                "style": "short",
                "max_tokens": 400,
            },
        )

    assert response.status_code == 422


def test_rejects_invalid_style():
    with TestClient(app) as client:
        response = client.post(
            "/summarize",
            json={
                "text": "این متن برای آزمایش اعتبارسنجی طول کافی دارد.",
                "style": "unknown",
                "max_tokens": 400,
            },
        )

    assert response.status_code == 422

این تست‌ها درخواست واقعی به مدل ارسال نمی‌کنند و فقط Health Endpoint و Validation ورودی را بررسی می‌کنند.

اجرای تست از Terminal

pytest -q

اجرای یک فایل:

pytest tests/test_app.py -q

اجرای یک تست مشخص:

pytest \
  tests/test_app.py::test_health_endpoint \
  -q

اجرای تست از رابط VS Code

Extension پایتون می‌تواند تست‌های pytest و unittest را شناسایی کند. جزئیات در راهنمای رسمی تست Python در VS Code آمده است.

مراحل:

بخش Testing را باز کنید.
گزینه Configure Python Tests را انتخاب کنید.
pytest را انتخاب کنید.
پوشه tests را مشخص کنید.
تست یا مجموعه تست را اجرا کنید.

از همان بخش می‌توانید تست را با Debugger اجرا کنید.

آزمایش API با REST Client

فایل requests.http:

@baseUrl = http://127.0.0.1:8000

### Health Check

GET {{baseUrl}}/health
Accept: application/json

### Short Summary

POST {{baseUrl}}/summarize
Content-Type: application/json
Accept: application/json

{
  "text": "هوش مصنوعی مولد می‌تواند بر اساس الگوهای آموخته‌شده متن، تصویر، صدا یا کد تولید کند. کیفیت خروجی به مدل، ورودی، تنظیمات و داده‌های زمینه بستگی دارد و نتیجه باید متناسب با کاربرد بررسی شود.",
  "style": "short",
  "max_tokens": 500
}

### Bullet Summary

POST {{baseUrl}}/summarize
Content-Type: application/json
Accept: application/json

{
  "text": "Docker برنامه و وابستگی‌های آن را در قالب Image بسته‌بندی می‌کند. Container نمونه در حال اجرای Image است. Docker Compose نیز برای تعریف و اجرای چند سرویس در یک فایل YAML استفاده می‌شود.",
  "style": "bullet",
  "max_tokens": 600
}

بالای هر درخواست گزینه Send Request نمایش داده می‌شود. ابتدا پروژه را اجرا و سپس روی این گزینه کلیک کنید.

کلید API در فایل requests.http قرار نگرفته است؛ زیرا درخواست ابتدا به Backend محلی ارسال می‌شود و Backend کلید را از .env می‌خواند.

استفاده مستقیم از API درواره با REST Client

برای آزمایش مستقیم Endpoint درواره می‌توانید فایل جداگانه محلی بسازید؛ اما کلید API را داخل فایل Commit‌شده قرار ندهید.

فایل نمونه بدون کلید واقعی:

POST https://api.darvareh.ir/v1/chat/completions
Authorization: Bearer YOUR_DARVAREH_API_KEY
Content-Type: application/json

{
  "model": "YOUR_MODEL_ID",
  "messages": [
    {
      "role": "user",
      "content": "VS Code را در سه جمله توضیح بده."
    }
  ],
  "temperature": 0.3,
  "max_tokens": 500
}

اگر این فایل حاوی کلید واقعی است، آن را در .gitignore قرار دهید یا از متغیرهای محیطی محلی REST Client استفاده کنید.

بهتر است Secretها در سامانه مدیریت Secret محیط توسعه یا فایل محلی خارج از Git نگهداری شوند.

Git در VS Code

VS Code رابط داخلی برای کار با Git دارد، اما از Git نصب‌شده روی سیستم استفاده می‌کند.

طبق مستندات Source Control در VS Code، رابط Git در VS Code در کنار Command Line کار می‌کند و تغییرات ایجادشده در هر دو محیط یک مخزن مشترک را مدیریت می‌کنند.

بررسی نصب Git:

git --version

فعال‌کردن Git در پروژه:

git init

VS Code فایل‌های تغییرکرده را در بخش Source Control نمایش می‌دهد.

مراحل Commit در VS Code

بخش Source Control را باز کنید.
فایل تغییرکرده را انتخاب و Diff آن را بررسی کنید.
روی علامت + برای Stage کلیک کنید.
پیام Commit را وارد کنید.
Commit را ثبت کنید.

معادل Command Line:

git status
git diff
git add .
git commit -m "feat: add AI summarization API"

قبل از Commit مطمئن شوید .env در فهرست تغییرات نیست:

git check-ignore -v .env

مشاهده Diff

با کلیک روی فایل تغییرکرده، VS Code نسخه قبلی و فعلی را کنار هم نمایش می‌دهد.

رنگ‌های معمول:

سبز: خط اضافه‌شده
قرمز: خط حذف‌شده
آبی: خط تغییرکرده

قبل از Stage و Commit، تمام Diff را بررسی کنید تا Secret، Log، فایل موقت یا تغییر آزمایشی ناخواسته وارد تاریخچه نشود.

رفع Merge Conflict در VS Code

اگر دو Branch یک قسمت مشابه را تغییر دهند، Conflict ایجاد می‌شود. VS Code فایل‌های دارای Conflict را در Source Control نمایش می‌دهد.

می‌توانید:

تغییر فعلی را انتخاب کنید.
تغییر ورودی را انتخاب کنید.
هر دو تغییر را نگه دارید.
فایل را دستی اصلاح کنید.
از Merge Editor سه‌طرفه استفاده کنید.

پس از حل Conflict:

git add FILE_NAME
git commit

کد حل‌شده را قبل از Commit اجرا و تست کنید.

Search در پروژه

جست‌وجوی سراسری:

Ctrl + Shift + F

می‌توانید از این قابلیت‌ها استفاده کنید:

Match Case
Whole Word
Regular Expression
Include Files
Exclude Files
Replace in Files

برای جست‌وجوی متغیر محیطی:

DARVAREH_API_KEY

می‌توانید بررسی کنید که کلید یا نام متغیر در چه فایل‌هایی استفاده شده است.

Symbol Search

نمایش Symbolهای فایل فعلی:

Ctrl + Shift + O

جست‌وجوی Symbol در Workspace:

Ctrl + T

برای پروژه‌های بزرگ، این روش سریع‌تر از جست‌وجوی دستی در پوشه‌هاست.

Refactoring در VS Code

بسته به زبان و Extension می‌توانید عملیات زیر را انجام دهید:

Rename Symbol
Extract Method
Extract Variable
Organize Imports
Add Import
Move Symbol
Quick Fix

بازکردن Quick Fix:

Ctrl + .

تغییر نام Symbol با F2 معمولاً تمام Referenceهای شناسایی‌شده را تغییر می‌دهد؛ اما بعد از Refactor باید تست‌ها را اجرا و Diff را بررسی کنید.

Format و Lint چه تفاوتی دارند؟

Formatter ظاهر کد را یکدست می‌کند:

فاصله‌ها
تورفتگی
طول خط
شکستن خطوط
Quoteها، بسته به تنظیمات

Linter مشکلات احتمالی را پیدا می‌کند:

Import استفاده‌نشده
Variable تعریف‌نشده
الگوهای نامناسب
خطاهای سبکی
بعضی خطاهای منطقی

برای Python می‌توانید ابزارهایی مانند Ruff، Black یا سایر گزینه‌های مناسب پروژه را بررسی کنید. بهتر است تیم روی یک تنظیم مشترک توافق کند و آن را در فایل‌های پروژه ثبت کند.

Problems Panel

بازکردن:

Ctrl + Shift + M

این پنل خطاها و هشدارهای تولیدشده توسط Language Server، Linter، Compiler یا Extensionها را نمایش می‌دهد.

هر خطا لزوماً مانع اجرای برنامه نیست و هر هشدار نیز بی‌اهمیت نیست. پیام، فایل و خط مربوط را بررسی کنید.

Multi-cursor در VS Code

افزودن Cursor با کلیک:

Alt + Click

انتخاب رخداد بعدی:

Ctrl + D

انتخاب تمام رخدادهای عبارت فعلی:

Ctrl + Shift + L

Multi-cursor برای ویرایش تکراری مفید است، اما در تغییرهای گسترده بهتر است از Rename Symbol یا Refactoring ساختاری استفاده کنید تا Referenceها دقیق‌تر شناسایی شوند.

Snippet چیست؟

Snippet قالب آماده کد است. برای مثال، در بعضی زبان‌ها با نوشتن یک عبارت کوتاه و زدن Tab، ساختار کامل Function یا Component تولید می‌شود.

ساخت Snippet شخصی:

Snippets: Configure Snippets

نمونه Snippet برای Python:

{
  "FastAPI Health Endpoint": {
    "prefix": "fastapi-health",
    "body": [
      "@app.get(\"/health\")",
      "def health():",
      "    return {\"status\": \"ok\"}"
    ],
    "description": "Create a FastAPI health endpoint"
  }
}

Tasks در VS Code

Task برای اجرای فرمان‌های تکراری استفاده می‌شود.

فایل .vscode/tasks.json:

{
  "version": "2.0.0",
  "tasks": [
    {
      "label": "Run tests",
      "type": "shell",
      "command": "python",
      "args": [
        "-m",
        "pytest",
        "-q"
      ],
      "group": {
        "kind": "test",
        "isDefault": true
      },
      "problemMatcher": []
    },
    {
      "label": "Run FastAPI",
      "type": "shell",
      "command": "python",
      "args": [
        "-m",
        "uvicorn",
        "app:app",
        "--reload"
      ],
      "isBackground": true,
      "problemMatcher": []
    }
  ]
}

اجرای Task:

Tasks: Run Task

فایل Task بخشی از Workspace است و ممکن است فرمان Shell اجرا کند. قبل از اجرای Task پروژه‌های ناشناس، محتوای آن را بررسی کنید.

اجرای پروژه با یک میان‌بر

می‌توانید Task پیش‌فرض تست را با میان‌بر اجرا کنید:

Ctrl + Shift + B

رفتار دقیق این میان‌بر به تنظیمات Build Task بستگی دارد. برای Taskهای دیگر از Command Palette استفاده کنید.

هوش مصنوعی در VS Code

VS Code امکان نصب Extensionهای مختلف برنامه‌نویسی با هوش مصنوعی را فراهم می‌کند. این ابزارها ممکن است قابلیت‌های زیر داشته باشند:

تکمیل کد
تولید Function
توضیح کد
رفع خطا
Refactoring
تولید تست
تحلیل پروژه
ساخت فایل
اجرای فرمان با تأیید کاربر
کار در حالت Agent
اتصال به مدل‌های مختلف

بعضی ابزارها امکان اتصال به API سازگار با OpenAI را دارند. در این حالت می‌توانید Base URL درواره را تنظیم کنید:

https://api.darvareh.ir/v1

سپس با یک API Key درواره و شناسه مدل مناسب، ابزار را به مدل موردنظر متصل کنید.

پیش از دادن دسترسی ویرایش فایل یا اجرای Terminal به یک Agent:

تغییرات Git را Commit کنید.
Permissionها را بررسی کنید.
فرمان‌های پیشنهادی را قبل از اجرا بخوانید.
فایل‌های Secret را از Context خارج کنید.
محدوده پروژه را مشخص کنید.
Diff تغییرات را بررسی کنید.
تست‌ها را اجرا کنید.
هزینه و تعداد درخواست‌ها را پایش کنید.

انتخاب مدل برای برنامه‌نویسی در VS Code

نوع مدل را بر اساس وظیفه انتخاب کنید:

تکمیل سریع کد: مدل سریع و کم‌هزینه
رفع خطای پیچیده: مدل Reasoning
تحلیل Repository بزرگ: مدل با Context Window مناسب
تولید تست: مدل قوی در کدنویسی و درک ساختار
Refactoring: مدل دقیق با توان دنبال‌کردن محدودیت‌ها
مستندسازی: مدل متنی متعادل
تحلیل تصویر رابط کاربری: مدل Multimodal

قیمت، مشخصات و شناسه مدل‌های در دسترس را در صفحه مدل‌های درواره بررسی کنید.

همگام‌سازی Settings

VS Code می‌تواند بخشی از تنظیمات، Extensionها و میان‌برها را میان دستگاه‌ها همگام کند. پیش از فعال‌سازی، مشخص کنید چه داده‌هایی باید Sync شوند.

فایل‌های پروژه، .env و Secretهای برنامه نباید صرفاً با اتکا به Settings Sync مدیریت شوند.

خطاهای رایج VS Code

فرمان code پیدا نمی‌شود

نمونه:

code: command not found

در Windows، VS Code را با گزینه افزودن به PATH نصب یا Terminal را دوباره باز کنید.

در macOS، این فرمان را از Command Palette اجرا کنید:

Shell Command: Install 'code' command in PATH

Python Interpreter اشتباه انتخاب شده است

Command Palette:

Python: Select Interpreter

محیط .venv پروژه را انتخاب کنید.

در Terminal:

python -c "import sys; print(sys.executable)"

مسیر باید به Virtual Environment اشاره کند.

Import در Terminal کار می‌کند اما در Editor خطا دارد

ممکن است Terminal و Language Server از Interpreterهای متفاوت استفاده کنند.

موارد زیر را بررسی کنید:

Interpreter انتخاب‌شده در Status Bar
مسیر python
نصب Package داخل همان Environment
Reload Window

Developer: Reload Window

Extension کار نمی‌کند

مراحل بررسی:

Extension فعال باشد.
Workspace در حالت Restricted نباشد.
فایل با Language Mode درست باز شده باشد.
Output مربوط به Extension را بررسی کنید.
VS Code را Reload کنید.
تداخل با Extensionهای مشابه را بررسی کنید.

بازکردن Output:

View: Toggle Output

Terminal Environment را فعال نمی‌کند

Terminal فعلی را ببندید و Terminal جدید بسازید.

سپس:

Python: Select Interpreter

و:

Python: Create Terminal

Debugger روی Breakpoint متوقف نمی‌شود

بررسی کنید:

Configuration درست انتخاب شده باشد.
فایل در مسیر اجرای واقعی قرار داشته باشد.
کد مربوط واقعاً اجرا شود.
justMyCode با نیاز شما سازگار باشد.
Debugger به Process درست متصل شده باشد.
پروژه به‌جای Run با Debug اجرا شده باشد.

REST Client گزینه Send Request را نشان نمی‌دهد

فایل باید پسوند .http یا .rest داشته باشد و Language Mode درست انتخاب شده باشد.

نمونه:

requests.http

فایل .env خوانده نمی‌شود

بررسی کنید:

فایل در پوشه Workspace باشد.
نام آن دقیقاً .env باشد.
python-dotenv نصب باشد.
load_dotenv() اجرا شود.
Debug Configuration از envFile درست استفاده کند.

بررسی بدون نمایش کلید:

python -c \
"from dotenv import load_dotenv; import os; load_dotenv(); print(bool(os.getenv('DARVAREH_API_KEY')))"

Git تغییرات را نمایش نمی‌دهد

بررسی:

git status

اگر مخزن ساخته نشده است:

git init

مطمئن شوید پوشه درست در VS Code باز شده است.

VS Code کند شده است

موارد زیر را بررسی کنید:

تعداد Extensionهای فعال
فایل‌های بسیار بزرگ
پوشه‌هایی مانند node_modules
جست‌وجو در Dataset یا Build Output
مصرف Extension Host
تعداد Workspaceهای باز
Language Serverها

فرمان عیب‌یابی:

Developer: Show Running Extensions

برای مقایسه، VS Code را بدون Extension اجرا کنید:

code --disable-extensions

اگر سرعت بهتر شد، Extensionها را مرحله‌ای فعال کنید تا عامل کندی مشخص شود.

بهینه‌سازی VS Code برای پروژه‌های بزرگ

پوشه‌های غیرضروری را از Watch و Search خارج کنید:

{
  "files.watcherExclude": {
    "**/.git/objects/**": true,
    "**/.venv/**": true,
    "**/node_modules/**": true,
    "**/dist/**": true,
    "**/build/**": true
  },
  "search.exclude": {
    "**/.venv": true,
    "**/node_modules": true,
    "**/dist": true,
    "**/build": true
  }
}

فایل‌های پروژه را بدون دلیل از Explorer مخفی نکنید؛ زیرا ممکن است فراموش شوند یا تغییرات مهم دیده نشوند.

اشتباهات رایج کاربران مبتدی

نصب تعداد زیادی Extension

فقط Extensionهای لازم را نصب کنید. چند Extension مشابه برای Formatter، Linter یا Agent ممکن است باعث تداخل شوند.

نگهداری API Key در settings.json

Workspace Settings ممکن است وارد Git شوند. کلید API را داخل .vscode/settings.json قرار ندهید.

اعتماد خودکار به Workspace ناشناس

Task، Debug Configuration و Scriptهای پروژه را قبل از اجرا بررسی کنید.

انتخاب‌نکردن Interpreter

بسیاری از خطاهای Python در VS Code از انتخاب Interpreter اشتباه ناشی می‌شوند.

بررسی‌نکردن Diff قبل از Commit

رابط گرافیکی Git کار را آسان می‌کند، اما مسئولیت بررسی تغییرات همچنان بر عهده توسعه‌دهنده است.

استفاده از Agent بدون Commit اولیه

قبل از واگذاری تغییرات گسترده به ابزار هوش مصنوعی، وضعیت فعلی پروژه را Commit کنید تا مقایسه و بازگشت آسان‌تر شود.

قرار دادن .venv در Git

Virtual Environment را Commit نکنید. فقط فایل وابستگی مانند requirements.txt را نگه دارید.

ذخیره نکردن تنظیمات مشترک پروژه

تنظیمات عمومی مانند تست، Formatter و Extensionهای پیشنهادی را می‌توان داخل .vscode ثبت کرد تا محیط اعضای تیم هماهنگ‌تر شود.

چک‌لیست تنظیم VS Code برای Python

VS Code نصب شده است.
Python نصب شده است.
پوشه پروژه باز شده است.
Extension پایتون نصب است.
Pylance نصب است.
Python Debugger نصب است.
.venv ساخته شده است.
Interpreter درست انتخاب شده است.
وابستگی‌ها نصب شده‌اند.
.env داخل .gitignore است.
Workspace Settings ساخته شده است.
Debug Configuration کار می‌کند.
تست‌ها شناسایی می‌شوند.
REST Client درخواست را ارسال می‌کند.
Git تغییرات را نمایش می‌دهد.
Secret داخل فایل Commit‌شده نیست.

پرسش‌های متداول

VS Code چیست؟

VS Code یک ویرایشگر کد رایگان و توسعه‌پذیر برای Windows، macOS و Linux است که از زبان‌ها، Debuggerها، Git، Terminal و Extensionهای مختلف پشتیبانی می‌کند.

آیا VS Code رایگان است؟

نسخه اصلی Visual Studio Code رایگان است. بعضی Extensionها یا سرویس‌های متصل ممکن است شرایط یا پلن جداگانه داشته باشند.

آیا VS Code برای Python مناسب است؟

بله. با نصب Python Extension، Pylance و Python Debugger می‌توانید کدنویسی، اجرا، تست و Debug پروژه‌های Python را در VS Code انجام دهید.

آیا VS Code یک IDE است؟

VS Code در اصل Code Editor است، اما با نصب Extensionها می‌تواند بسیاری از قابلیت‌های یک IDE را ارائه کند.

آیا VS Code برای برنامه‌نویسی هوش مصنوعی مناسب است؟

بله. می‌توانید Python، Jupyter، Git، Docker، API Client و ابزارهای Agentic Coding را در آن استفاده کنید. VS Code برای توسعه APIها و برنامه‌های متصل به مدل‌های هوش مصنوعی نیز مناسب است.

تفاوت Extension و Profile چیست؟

Extension قابلیت جدید اضافه می‌کند. Profile مجموعه‌ای از Extensionها، Settings، میان‌برها و تنظیمات رابط را نگه می‌دارد.

چگونه Terminal را در VS Code باز کنیم؟

در بیشتر Keymapها:

Ctrl + `

یا از منوی زیر:

Terminal > New Terminal

چگونه پروژه را از Terminal در VS Code باز کنیم؟

code .

چگونه Python Interpreter را تغییر دهیم؟

Command Palette را باز و این فرمان را اجرا کنید:

Python: Select Interpreter

چگونه برنامه را Debug کنیم؟

یک Breakpoint بسازید، وارد Run and Debug شوید، Configuration را انتخاب و F5 را بزنید.

آیا می‌توان API را داخل VS Code تست کرد؟

بله. می‌توانید از Terminal و curl، فایل‌های .http با REST Client یا ابزارهای API Testing دیگر استفاده کنید.

آیا می‌توان Git را بدون Terminal در VS Code استفاده کرد؟

بله. Source Control رابط گرافیکی برای Stage، Commit، Branch، Sync و حل Conflict فراهم می‌کند. بااین‌حال، آشنایی با فرمان‌های پایه Git همچنان مفید است.

آیا می‌توان درواره را به ابزارهای هوش مصنوعی VS Code متصل کرد؟

اگر ابزار از API سازگار با OpenAI و Base URL سفارشی پشتیبانی کند، می‌توانید این آدرس را تنظیم کنید:

https://api.darvareh.ir/v1

سپس API Key و شناسه مدل درواره را وارد کنید. تنظیمات دقیق هر Extension متفاوت است.

چگونه مدل مناسب را انتخاب کنیم؟

نوع کاربرد، کیفیت، سرعت، Context Window و هزینه را در نظر بگیرید. فهرست مدل‌ها و قیمت‌های جاری در صفحه مدل‌های درواره قرار دارد.

جمع‌بندی

VS Code محیطی سبک، قابل توسعه و چندسکویی برای برنامه‌نویسی است. با نصب Extensionهای مناسب می‌توانید کدنویسی، Git، Debug، Testing، Terminal و ابزارهای هوش مصنوعی را در یک محیط مدیریت کنید.

در این آموزش یاد گرفتیم:

VS Code چیست.
چه تفاوتی با Visual Studio دارد.
چگونه رابط و Command Palette را استفاده کنیم.
Extension نصب کنیم.
Python Interpreter و Virtual Environment را تنظیم کنیم.
Terminal داخلی را به کار ببریم.
پروژه را Debug کنیم.
تست‌ها را داخل VS Code اجرا کنیم.
با REST Client درخواست API بفرستیم.
Git و Diff را مدیریت کنیم.
تنظیمات Workspace بسازیم.
یک API خلاصه‌ساز هوش مصنوعی ایجاد کنیم.

پروژه عملی مقاله از طریق Base URL زیر به API درواره متصل شد:

https://api.darvareh.ir/v1

برای ساخت پروژه خود در درواره ثبت‌نام کنید، API Key بسازید و شناسه مدل موردنظر را از فهرست مدل‌های درواره انتخاب کنید.

منابع تکمیلی

مقالات مرتبط

برای مطالعه شرایط استفاده و محدودیت‌های مسئولیت، صفحه «سلب مسئولیت» را مشاهده کنید.

VS Code چیست؟

تفاوت VS Code و Visual Studio چیست؟

چرا VS Code محبوب است؟

آیا VS Code برای مبتدیان مناسب است؟

نصب VS Code

نصب در Windows

نصب در macOS

نصب در Linux

بازکردن اولین پروژه

آشنایی با رابط VS Code

Activity Bar

Primary Side Bar

Editor

Panel

Status Bar

Command Center

Command Palette چیست؟

میان‌برهای مهم VS Code

بازکردن Command Palette

بازکردن سریع فایل

جست‌وجو در فایل فعلی

جست‌وجو در تمام پروژه

جایگزینی در فایل فعلی

بازکردن Terminal

ذخیره فایل

ذخیره تمام فایل‌ها

رفتن به تعریف

مشاهده تعریف بدون ترک فایل

تغییر نام Symbol

Format Document

بازکردن Run and Debug

بازکردن Source Control

Comment یا Uncomment خط

جابه‌جایی خط

کپی خط به بالا یا پایین

Explorer و مدیریت فایل‌ها

بازکردن چند Editor کنار یکدیگر

IntelliSense چیست؟

Extension چیست؟

Extensionهای پیشنهادی برای Python

Python

Pylance

Python Debugger

REST Client

نصب Extension از Command Palette

Workspace Trust چیست؟

تنظیمات VS Code

User Settings

Workspace Settings

تنظیمات کاربردی عمومی

Profile در VS Code چیست؟

Terminal داخلی VS Code

پروژه عملی: ساخت API خلاصه‌ساز هوش مصنوعی در VS Code

ساخت پروژه

ساخت Virtual Environment

انتخاب Python Interpreter

ساخت requirements.txt

ساخت .env.example

ساخت .gitignore

ساخت app.py

اجرای پروژه در Terminal

ساخت Workspace Settings

پیشنهاد Extensionهای پروژه

Debug در VS Code چیست؟

ساخت launch.json

تفاوت Run و Debug

Breakpoint شرطی

Debug Console

ساخت تست برای پروژه

اجرای تست از Terminal

اجرای تست از رابط VS Code

آزمایش API با REST Client

استفاده مستقیم از API درواره با REST Client

Git در VS Code

مراحل Commit در VS Code

مشاهده Diff

رفع Merge Conflict در VS Code

Search در پروژه

Symbol Search

Refactoring در VS Code