10 ပတ်တာ · Project-based လက်တွေ့သင်ရိုး

Modern Software Engineer

လေ့လာရေးလမ်းညွှန် 2026

စက်တင်ဘာ 4၊ 2026 တွင် နောက်ဆုံးပြင်ဆင်ထားသည် · စစ်ဆေးပြီး လင့်ခ် 197 ခု

Week 1 ကို စမယ်Week အားလုံး ကြည့်မယ်English
လေ့လာပြီးစီးမှု အခြေအနေ0/10 ပတ် · စံသတ်မှတ်ချက် 0/40 ခု

မြန်မာဘာသာ version ကို Gemini နဲ့ ဘာသာပြန်ပြီး ကိုယ်တိုင် ပြန်လည်တည်းဖြတ်ထားပါတယ်။ နည်းပညာ အသုံးအနှုန်းတွေကို အင်္ဂလိပ်လိုပဲ ထားထားပြီး တစ်ခုခု လွဲနေရင် အင်္ဂလိပ် version ကို ကိုးကားပါ။

Coding agents တွေကိုသုံးပြီး Software တည်ဆောက်နည်းကို project-based လက်တွေ့လေ့လာနိုင်မယ့် 10 ပတ်တာ လမ်းညွှန်ဖြစ်ပါတယ် - agents တွေရဲ့ အလုပ်လုပ်ပုံ၊ context engineering နဲ့ MCP၊ reusable skills၊ repository readiness၊ AI code review၊ security၊ background agents၊ Team တစ်ခုအတွင်းမှာ အသုံးပြုပုံ (team adoption) နဲ့ software factory အထိ ပါဝင်ပါတယ်။ တစ်ပတ်စီတိုင်းမှာ 4 နာရီဝန်းကျင် အချိန်ပေးရမယ့် အဓိက လေ့လာစရာများ (Core)၊ ကိုယ်တိုင် လက်တွေ့ တည်ဆောက်ရန် (Build)နဲ့ အမှန်တကယ် ပြီးစီးမှု ရှိမရှိ စစ်ဆေးနိုင်တဲ့ “ပြီးစီးကြောင်း စစ်ဆေးရန် (Done When)” စာရင်းတို့ တွဲဖက်ပါဝင်တာကြောင့် စာဖတ်မှတ်တမ်းတစ်ခု သက်သက်အစား အလုပ်လုပ်တဲ့ System တစ်ခုကို ကိုယ်တိုင် တည်ဆောက်သွားနိုင်မှာ ဖြစ်ပါတယ်။

Credit. 10 ပတ်တာ ဖွဲ့စည်းပုံနဲ့ အပတ်စဉ် ခေါင်းစဉ်တွေကို Stanford ရဲ့ CS146S: The Modern Software Developer (themodernsoftware.dev) Fall 2026 သင်ရိုးညွှန်းတမ်းအတိုင်း ယူထားပါတယ်။ ဒီလမ်းညွှန်ဟာ အဆိုပါသင်တန်းနဲ့ တိုက်ရိုက် မသက်ဆိုင်ပါဘူး။ ဖတ်စရာ Article များ၊ YouTube Video များ၊ လက်တွေ့ build တွေနဲ့ လေ့လာမှုကို စစ်ဆေးရန်စာရင်း တစ်ခုချင်းစီကို ကိုယ်ပိုင် ရွေးချယ်စုစည်းထားတာ ဖြစ်ပါတယ်။ Link အားလုံးကို September 5, 2026 မှာ စစ်ဆေးထားပြီးဖြစ်ပါတယ်။

10 ပတ်တာ သင်ရိုး အကျဉ်း

  1. 1The Internals of Coding AgentsTools 4 ခုနဲ့ logging အပြည့်အစုံပါတဲ့ lines 300–500 ရှိ terminal agent တစ်ခု တည်ဆောက်ရပါမယ်။
  2. 2Advanced Context Engineering1 မျက်နှာပါ spec တစ်ခု ရေးဆွဲခြင်း၊ RePPIT သုံးပြီး feature တစ်ခု အောင်မြင်စွာ ထုတ်လုပ်ခြင်းနဲ့ tools 2 ခုမှ 4 ခုပါ MCP server တစ်ခု တည်ဆောက်ခြင်း။
  3. 3Agent Skills and CLIHelper script ပါဝင်တဲ့ packaged skill တစ်ခုနဲ့ browser automation သုံးထားတဲ့ web skill တစ်ခု တည်ဆောက်ရပါမယ်။
  4. 4Customizing Your Agent and RepositoryRepo instructions ဖိုင်တစ်ခု၊ hooks 2 ခုနဲ့ planner / implementer / reviewer ခွဲထုတ်တာဝန်ပေးတဲ့ System တစ်ခု တည်ဆောက်ရပါမယ်။
  5. 5Agent-Ready CodebasesScore သတ်မှတ်ထားတဲ့ readiness audit ပြုလုပ်ခြင်းနဲ့ agent အသစ်တစ်ခု ချက်ချင်းအလုပ်ဖြစ်စေမယ့် ပြုပြင်မှုများ ပြုလုပ်ခြင်း။
  6. 6Agentic Code ReviewPull requests တွေနဲ့ ချိတ်ဆက်ထားပြီး PR 5 ခုပေါ်မှာ တိုင်းတာစမ်းသပ်ထားတဲ့ severity အလိုက် review စံသတ်မှတ်ချက် (rubric) တစ်ခု တည်ဆောက်ရပါမယ်။
  7. 7SecurityThreat model တစ်ခု၊ CI အတွင်း SAST / SCA / secret scans များ ထည့်သွင်းခြင်းနဲ့ prompt-injection စမ်းသပ်မှုတစ်ခု ပြုလုပ်ရပါမယ်။
  8. 8Background AgentsIsolation၊ budgets၊ checkpoints တွေနဲ့ retries တွေ ပါဝင်တဲ့ issue-to-PR automated workflow တစ်ခု တည်ဆောက်ရပါမယ်။
  9. 9Building an AI-Native TeamModel gateway တစ်ခု၊ MCP portal တစ်ခုနဲ့ စာမျက်နှာ 1 မျက်နှာပါ adoption policy တစ်ခု ရေးဆွဲရပါမယ်။
  10. 10The Software Factory + The FutureEval suite တစ်ခုနဲ့ စနစ်တကျ ထိန်းချုပ်ထားတဲ့ improvement loop ပါဝင်တဲ့ traced end-to-end factory System တစ်ခု တည်ဆောက်ရပါမယ်။

ဒီလမ်းညွှန်ကို ဘယ်လို လေ့လာမလဲ

တစ်ပတ်ကို 10–12 နာရီ အချိန်ပေးဖို့ လိုအပ်ပါတယ်။

  • 3–4 နာရီ. သက်ဆိုင်ရာ Week တိုင်းအတွက် အဓိက လေ့လာစရာများ (Core) ကို ဖတ်ပါ။ (Core စာရင်းကို အများဆုံး 4 နာရီဝန်းကျင်ပဲ ကုန်အောင် ကန့်သတ်ထားပြီး ကြာချိန်တွေကိုလည်း ဘေးမှာ ရေးပေးထားပါတယ်)။
  • 5–6 နာရီ. အပတ်စဉ် လက်တွေ့ တည်ဆောက်ရန် (Build) ကို ကိုယ်တိုင် လုပ်ပါ။
  • 1–2 နာရီ. ရလဒ်တွေ၊ မအောင်မြင်ခဲ့တာတွေ၊ ကုန်ကျစရိတ်နဲ့ ရခဲ့တဲ့ သင်ခန်းစာတွေကို မှတ်တမ်းတင်ပြီး “ပြီးစီးကြောင်း စစ်ဆေးရန် (Done When)” စာရင်းအတိုင်း စစ်ဆေးပါ။

ပိုလေ့လာချင်သူများအတွက် (Deeper material)၊ အပိုဆောင်း Video များ နဲ့ Tools and references တွေအောက်က အရာအားလုံးဟာ optional ဖြစ်ပါတယ်။ ကိုယ်စိတ်ဝင်စားတာကိုပဲ ရွေးဖတ်ပါ၊ အကုန်လုံးပြီးဖို့ မလိုပါ။

ဆယ်ပတ်လုံးလုံးမှာ repository တစ်ခုတည်းကိုပဲ စွဲသုံးပါ။ UI၊ tests နဲ့ CI အပြည့်ပါတဲ့ SaaS app အသေးစား၊ developer tool ဒါမှမဟုတ် API project တစ်ခုဟာ ဟိုစပ်စပ်ဒီစပ်စပ် ကစားစရာ project 10 ခုထက် အများကြီး ပိုထိရောက်ပါတယ်။ Week တိုင်းမှာ အဲဒီ project တစ်ခုတည်းကိုပဲ ပိုကောင်းအောင် ဆက်တိုက် လုပ်သွားရပါမယ်။

အကောင်းဆုံး အခမဲ့လေ့လာနိုင်တဲ့ အခြေခံကတော့ Hugging Face ရဲ့ Context Course ဖြစ်ပါတယ် (Agent Skills, MCP, Plugins, Sub-agents, Hooks နဲ့ Nano Harness စတဲ့ အခန်းတွေ ပါဝင်ပါတယ်)။ ဒီသင်တန်းဟာ ဒီလမ်းညွှန်ရဲ့ ပထမ 5 ပတ်နဲ့ အတော်လေးကို ကိုက်ညီမှုရှိတာကြောင့် အောက်ပါသင်ခန်းစာတွေနဲ့ တွဲပြီး ပိုပြီးနက်နက်နဲနဲ လေ့လာနိုင်ပါတယ်။

ဒီလမ်းညွှန်အတွက် ဘယ် programming language မဆို အသုံးပြုနိုင်ပါတယ် (ဥပမာအများစုက Python သို့မဟုတ် JavaScript ကို သုံးထားပါတယ်)။ ဒါပေမဲ့ programming အတွေ့အကြုံ ရှိဖို့တော့ လိုအပ်ပါမယ် (တက္ကသိုလ်အဆင့် programming course 2 ခု၊ 3 ခု ဒါမှမဟုတ် ညီမျှတဲ့ အတွေ့အကြုံ)။ Machine learning အတွေ့အကြုံရှိရင် ပိုကောင်းပေမဲ့ မဖြစ်မနေ မဟုတ်ပါဘူး။ တကယ်လို့ transformers သဘောတရားကို မသိသေးရင် Week 1 ရဲ့ optional foundation မှာ လေ့လာနိုင်ပါတယ်။

Tools တွေနဲ့ ကုန်ကျစရိတ် သတ်မှတ်ချက်

တချို့ tools တွေက subscription ဒါမှမဟုတ် API key လိုအပ်ပါတယ်။ ဒါကြောင့် Week 1 မစခင် အောက်ပါအချက်တွေကို ကြိုတင်ဆုံးဖြတ်ပါ -

  • ပင်မ coding agent တစ်ခုကို ရွေးပါ. Week 3–4 မှာ လုပ်မယ့် customization တွေ ပိုထိရောက်စေဖို့ အနည်းဆုံး 5 ပတ်လောက်တော့ ရွေးထားတဲ့ agent တစ်ခုတည်းကိုပဲ စွဲသုံးပါ။ သင့်တော်တဲ့ ရွေးချယ်မှုတွေကတော့ -
  • Claude Code (subscription သို့မဟုတ် API key)
  • OpenAI Codex CLI (open source၊ subscription သို့မဟုတ် API key)
  • Gemini CLI (open source၊ free tier ပါဝင်သည်)
  • opencode (open source၊ ကိုယ်ပိုင် API key ထည့်သုံးရသည်)
  • မစတင်မီ လစဉ် သုံးစွဲမယ့် ကုန်ကျစရိတ် ကန့်သတ်ချက် (Spend Cap) ကို သေချာ သတ်မှတ်ပါ. အပတ်စဉ် build မှတ်စုတွေနဲ့အတူ ကုန်ကျစရိတ်ကို မှတ်တမ်းတင်ပါ။ ဒီသင်ရိုးမှာ ကုန်ကျစရိတ်ကို သေချာ စောင့်ကြည့်တာဟာ ဦးစားပေး တိုင်းတာရမယ့် အချက် ဖြစ်ပါတယ်။
  • Prompt Caching ကို လေ့လာပြီး သုံးပါ

    Subagents တွေနဲ့ review စစ်ဆေးတဲ့ အဆင့်တွေအတွက် ပိုဈေးသက်သာတဲ့ model တွေကို သုံးပါ။ ထိန်းမနိုင်သိမ်းမရ ကုန်သွားတဲ့ API စရိတ် အများစုဟာ turn တိုင်းမှာ context အရှည်ကြီးတွေကို ထပ်ခါထပ်ခါ ပြန်ပို့နေတာကြောင့် ဖြစ်ပါတယ်။

  • အခမဲ့ လမ်းကြောင်း (Free Path). Hugging Face courses တွေ၊ အထက်ပါ free tier ပါတဲ့ open-source agents တွေနဲ့ ဒီလမ်းညွှန်ထဲက ဆောင်းပါးအားလုံးဟာ အခမဲ့ ဖြစ်ပါတယ်။ ကိုယ်တိုင် build လုပ်တဲ့အချိန်မှာ သုံးရတဲ့ API usage ကလွဲလို့ ကျန်တာ ဘာကုန်ကျစရိတ်မှ မရှိပါဘူး။