vibe-coding-college-specs/.agents/skills/course-sdd-planner/SKILL.md

name, description

name	description
course-sdd-planner	Use this skill when planning, structuring, or generating specification documents (spec.md) for chapters and lessons in the Vibe Coding course for Quera College.

Course SDD Planner (طراحی و تدوین مشخصات درس‌نامه‌ها)

این مهارت راهنمای تدوین سند مشخصات (spec.md) برای هر درس‌نامه در متدولوژی Spec-Driven Development است. قبل از نوشتن هرگونه محتوای متنی، باید این سند ایجاد و تایید شود.

---

ساختار فایل spec.md برای درس‌نامه‌ها

هر درس‌نامه باید در مسیر chapters/ch<XX>-<name>/<YY>-<slug>/spec.md دارای این قالب باشد:

# مشخصات درس‌نامه: [عنوان درس‌نامه]
- **شناسه در سیلابس:** L<X>.<Y>
- **فصل:** [شماره و نام فصل]
- **نوع محتوا:** 📘 درس‌نامه متنی
- **زمان تقریبی مطالعه:** [مثلاً ۱۰ دقیقه]
- **پیش‌نیازهای مستقیم:** [شناسه درس‌های قبلی یا "ندارد"]

---

## ۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy)
دانشجو پس از مطالعهٔ این درس باید بتواند:
- [ ] **درک کند (Understand):** [مفهوم کلیدی ۱]
- [ ] **به‌کار ببندد (Apply):** [مهارت یا پرامپت عملی ۱]
- [ ] **تحلیل/ارزیابی کند (Evaluate):** [تشخیص خروجی صحیح از خطای هوش مصنوعی]

---

## ۲. محدوده و مرزهای محتوا (Scope & Boundaries)
- **آنچه باید پوشش داده شود (In-Scope):**
  - نکته الف
  - نکته ب
- **آنچه نباید وارد آن شویم (Out-of-Scope - جلوگیری از سردرگمی):**
  - مباحث پیچیده و نامرتبط که جلوتر تدریس می‌شوند.

---

## ۳. مفاهیم کلیدی و کلمات تخصصی (Key Concepts & Terms)
| اصطلاح انگلیسی | معادل فارسی مصوب | توضیح یک‌خطی ساده |
| :--- | :--- | :--- |
| Prompt | پرامپت (درخواست/دستور) | پیامی که به هوش مصنوعی می‌دهیم تا خروجی تولید کند |

---

## ۴. استعاره‌ها، سناریوهای ملموس و دیاگرام‌ها (Pedagogy & Visuals)
- **داستان/استعاره ملموس:** [تشبیه موضوع به یک کار روزمره برای درک بدون پیش‌نیاز فنی]
- **دیاگرام پیشنهادی (Mermaid):** [شرح فلوچارت یا نمودار مورد نیاز]

---

## ۵. پرامپت‌ها و ابزارهای مورد استفاده در درس
- **ابزار هدف:** (Cursor / Claude Code / Lovable / Supabase / ...)
- **پرامپت طلایی نمونه:** [متن پرامپت پیشنهادی که در درس آموزش داده می‌شود]

---

## ۶. معیارهای پذیرش درس‌نامه (Acceptance Criteria)
- [ ] آیا لحن صمیمی و ساده برای غیربرنامه‌نویسان رعایت شده است؟
- [ ] آیا اصطلاحات انگلیسی به همراه معادل فارسی آورده شده‌اند؟
- [ ] آیا حداقل یک باکس هشدار توهم هوش مصنوعی یا نکته طلایی وجود دارد؟
- [ ] آیا پرامپت نمونه تست‌شده و بدون خطا کار می‌کند؟