# مشخصات درس‌نامه: پیش‌گفتار (Foreword)
- **شناسه در سیلابس:** `L1.1`
- **فصل:** فصل ۱: مقدمه (Ch 1)
- **نوع محتوا:** 📘 درس‌نامه متنی
- **زمان تقریبی مطالعه:** ۸ دقیقه
- **پیش‌نیازهای مستقیم:** ندارد (نقطهٔ ورود به دوره)

---

## ۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy)
دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند:
- [ ] **درک کند (Understand):** پارادایم وایب کدینگ چیست و چگونه امکان ساخت نرم‌افزارهای واقعی را بدون نیاز به دانش قبلی برنامه‌نویسی فراهم می‌کند.
- [ ] **درک کند (Understand):** مخاطبان هدف دوره چه کسانی هستند (طراحان، مدیران محصول، کارآفرینان و افراد نوآور) و این دوره چه نیازی از آن‌ها را برطرف می‌کند.
- [ ] **به‌کار ببندد (Apply):** ذهنیت هدایت هوش مصنوعی (مدیر پروژه / پروداکت اونر) را در برابر کدنویسی دستی سنتی درک و اتخاذ کند.
- [ ] **تحلیل/ارزیابی کند (Evaluate):** تمایز بین خروجی اسباب‌بازی (Toy Project) و یک محصول واقعی و قابل‌انتشار (Deployable MVP) که هدف این دوره است را ارزیابی کند.

---

## ۲. محدوده و مرزهای محتوا (Scope & Boundaries)

### آنچه باید پوشش داده شود (In-Scope):
1. **قلاب داستانی (Hook):** مقایسه تجربه روزمره استفاده از محصولات نرم‌افزاری با امکان ساخت واقعی آن‌ها در عصر هوش مصنوعی.
2. **معرفی وایب کدینگ:** تعریف ساده و الهام‌بخش ساخت محصول با کمک ایجنت‌های هوش مصنوعی (توصیف، هدایت، مشاهده، بازخورد).
3. **مخاطبان دوره:** تفکیک روشن گروه‌های مخاطب (طراحان UI/UX، مدیران محصول، کارآفرینان، بازاریاب‌ها و علاقه‌مندان بدون پیش‌زمینه فنی).
4. **روش یادگیری پلکانی:** یادگیری از طریق ساختن و دیدن خروجی زنده در هر گام، نه حفظ تئوری‌ها.
5. **یک نمونه ملموس از حس وایب کدینگ:** تشریح سادهٔ اینکه چگونه با یک توصیف به زبان طبیعی (پرامپت)، یک وب‌اپلیکیشن یا صفحهٔ زنده تولید می‌شود.
6. **دستاوردهای نهایی:** در پایان دوره چه چیزی در دست دانشجو خواهد بود (MVP کامل، دیتابیس متصل، دیپلوی روی دامنه اینترنتی، قابلیت‌های هوش مصنوعی).

### آنچه نباید وارد آن شویم (Out-of-Scope):
- وارد شدن به نصب نرم‌افزارها یا ابزارهای خاص (این مبحث در فصل ۳ است).
- ورود به جزئیات فنی مدل‌های زبانی مانند توکن‌ها، پرامپت مهندسی عمیق یا توهم (در فصل ۲ تدریس می‌شود).
- مقایسه تخصصی ابزارها نظیر Cursor در برابر Lovable (مربوط به درس‌های ۲.۴ و ۳.۳).

---

## ۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms)

| اصطلاح انگلیسی | معادل فارسی مصوب | توضیح یک‌خطی ساده |
| :--- | :--- | :--- |
| Vibe Coding | وایب کدینگ | سبک توسعه نرم‌افزار که در آن کاربر با هدایت، حس و زبان طبیعی به هوش مصنوعی محصول می‌سازد |
| MVP (Minimum Viable Product) | کمینه محصول پذیرفتنی | نسخهٔ اولیه و کاربردی از یک محصول که ارزش اصلی را به کاربر ارائه می‌دهد |
| AI Agent | ایجنت هوش مصنوعی | ابزار هوشمندی که می‌تواند کدهای برنامه را بنویسد، تغییر دهد و دستورات سیستمی را اجرا کند |
| Deployment | استقرار / انتشار | قرار دادن نرم‌افزار روی سرورهای آنلاین تا در سراسر اینترنت با آدرس وب در دسترس باشد |

---

## ۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders)
> **راهنمای ایجنت نویسنده:** تمام تصاویر باید در پوشهٔ `images/` قرار گرفته و در قالب جدول تک‌خانه‌ای وسط‌چین با کپشن تفصیلی درج شوند:

1. **تصویر کاور درس:** `images/cover.png`
   * **موضوع:** کاور جذاب و مدرن درس‌نامه پیش‌گفتار وایب کدینگ با تم تیره و هویت بصری کوئرا کالج.
2. **نمودار پارادایم وایب کدینگ:** `images/vibe-coding-paradigm.png`
   * **موضوع:** مقایسه مدل سنتی (برنامه‌نویس صدها خط کد می‌نویسد) در برابر وایب کدینگ (کاربر ایده و الزامات را بیان می‌کند، ایجنت کد و ساختار را می‌چیند و خروجی قابل مشاهده تحویل می‌دهد).
3. **نمودار گروه‌های مخاطبان:** `images/audience.png`
   * **موضوع:** نمایش چهار گروه مخاطب اصلی دوره در قالب کارت‌های جذاب (مدیران محصول، طراحان، ایده‌پردازان/کارآفرینان، متخصصان بدون دانش کدنویسی).
4. **مسیر یادگیری دوره:** `images/learning-journey.png`
   * **موضوع:** نمایش پلکانی مسیر از ایده، محیط کار، ظاهر فرانت‌اند، داده، امنیت تا انتشار جهانی.
5. **آناتومی نخستین تجربه:** `images/first-experience.png`
   * **موضوع:** تشریح تصویری فرآیند: توصیف متنی ایده $\rightarrow$ تولید ساختار توسط ایجنت $\rightarrow$ نمایش صفحهٔ زنده و تعاملی.
6. **شش مهارت نهایی:** `images/what-you-build.png`
   * **موضوع:** اینفوگرافیک شش دستاورد کلیدی دانشجو در پایان دوره (طراحی محصول، رابط کاربری با AI، بک‌اند و دیتابیس ابری، دیباگ با ایجنت، اتصال سرویس‌ها و انتشار زنده).

---

## ۵. بخش‌بندی و ساختار محتوایی پیشنهادی درس‌نامه (`README.md`)

مطابق با الگوی درس پیش‌گفتار در دوره FastAPI:
1. **تیتر اصلی:** `# پیش‌گفتار`
2. **پاراگراف قلاب:** داستان خلق نرم‌افزار و تحولی که هوش مصنوعی در ساخت محصول رقم زده است.
3. **جدول کاور:**
   ```markdown
   | ![کاور دورهٔ وایب کدینگ در کوئرا کالج](./images/cover.png) |
   | :-: |
   ```
4. **توضیح مأموریت دوره:** وایب کدینگ به عنوان راهکاری برای تبدیل سریع ایده به واقعیت بدون موانع یادگیری سال‌ها سینتکس کدنویسی.
5. **پرسش‌های کلیدی پیش از شروع:**
   * وایب کدینگ دقیقاً چگونه کار می‌کند و آیا واقعاً بدون کدنویسی می‌توان محصول ساخت؟
   * فرق یک پروتوتایپ مقوایی با یک نرم‌افزار واقعی و ایمن چیست؟
   * بازار کار و استارتاپ‌ها چگونه از این افراد استقبال می‌کنند؟
6. **بخش مخاطبان (`## این دوره برای چه کسانی است`):** همراه با نمودار `audience.png`.
7. **بخش شیوه یادگیری (`## چطور یاد می‌گیرید`):** یادگیری مبتنی بر ساختن، نه تئوری خشک + نمودار `learning-journey.png`.
8. **نمونه کوتاه تعامل با ایجنت:** نمایش یک نمونه پرامپت و خروجی سریع برای درک حس روانی کار با ایجنت.
9. **بخش دستاوردهای پایانی (`## در پایان چه چیزی در دست دارید`):** همراه با نمودار `what-you-build.png`.
10. **پاراگراف پایانی و پل انتقال به درس‌نامه بعدی:** دعوت به مشاهده درس‌نامه «نگاه کلی به دوره».

---

## ۶. معیارهای پذیرش درس‌نامه (Acceptance Criteria Checklist)
- [ ] لحن متن پرانرژی، تشویق‌کننده، صمیمی و بدون تکلف‌های فنی پیچیده باشد.
- [ ] جدول کاور و تمام ۵ نمودار متناظر در پوشهٔ `images/` تولید و در جدول‌های وسط‌چین درج شده باشند.
- [ ] اصطلاحات انگلیسی به همراه معادل فارسی مصوب آورده شوند (`**فارسی (*English*)**`).
- [ ] تمام نیم‌فاصله‌ها و گیومه‌های فارسی (« ») رعایت شده باشند.
- [ ] در پایان درس‌نامه، پل ارتباطی شفاف به درس دوم (`L1.2: نگاه کلی به دوره`) برقرار شده باشد.