vibe-coding-college-specs/chapters/16-future-path/05-lesson-case-study-divar/spec.md

مشخصات درس‌نامه: بررسی موردی دیوار؛ پالایش هوشمند آگهی‌ها، چت امن و سیستم‌های ضدکلاهبرداری

• شناسه در سیلابس: L16.3d
• فصل: فصل ۱۶: ادامه راه (Ch 16)
• نوع محتوا: 📘 درس‌نامه متنی
• زمان تقریبی مطالعه: ۱۸ دقیقه
• پیش‌نیازهای مستقیم: L16.3c (بررسی موردی کافه‌بازار)

---

۱. اهداف یادگیری (Learning Objectives - Bloom's Taxonomy)

دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند:

• درک کند (Understand): مقیاس عظیم پلتفرم نیازمندی‌های آنلاین دیوار با بیش از ۵۰ میلیون کاربر فعال و صدها هزار آگهی جدید روزانه در صدها شهر ایران را تحلیل نماید.
• تحلیل/ارزیابی کند (Evaluate): سامانه پالایش خودکار آگهی‌ها (Automated Content Moderation) را با ترکیب مدل‌های پردازش زبان طبیعی (NLP/LLMs) برای کشف کلمات فریبکارانه و مدل‌های بینایی ماشین برای اسکن تصاویر آگهی‌ها ارزیابی کند.
• درک کند (Understand): سازوکار پایش بلادرنگ چت امن (Safe Chat) و سیستم‌های هشداردهنده خودکار ضد فیشینگ (Anti-Phishing) را در هنگام تبادل پیام میان خریدار و فروشنده بشناسد.
• به‌کار ببندد (Apply): الگوهای گاردریل محتوایی، اعتبارسنجی ورودی‌های متنی و دیوارهای امنیتی ضدسوءاستفاده را در بخش‌های تعاملی پروژه‌های آینده پیاده کند.

---

۲. محدوده و مرزهای محتوا (Scope & Boundaries)

آنچه باید پوشش داده شود (In-Scope):

1. تصویر کلان مقیاس دیوار: بازار آنلاین ایران:
   • انتشار صدها هزار آگهی روزانه در دسته‌های خودرو، مسکن، لوازم و استخدام، و میلیاردها بار بازدید هفتگی.
2. محور اول هوش مصنوعی: پالایش خودکار و انتشار آنی آگهی‌ها (Ad Moderation):
   • چالش تایید آگهی در کمتر از چند ثانیه بدون تشکیل صف‌های چندساعته انسانی.
   • پردازش متن با مدل‌های NLP: کشف کلمات ممنوعه، دور زدن‌های فریبکارانه شماره تماس (نوشتن شماره با حروف یا ایموجی)، و قیمت‌های غیرواقعی یا فیک.
   • بینایی ماشین برای تصاویر: رد کردن عکس‌های تار، تشخیص عکس‌های کپی‌شده از اینترنت، و فیلتر محتوای نامناسب.
   • تایید خودکار بیش از ۸۰٪ آگهی‌های سالم و ارجاع موارد مشکوک به کارشناسان انسانی.
3. محور دوم هوش مصنوعی: سامانه چت امن و مقابله با فیشینگ (Safe Chat & Fraud Prevention):
   • کلاهبرداری کلاسیک «دریافت بیعانه با لینک پرداخت جعلی»: خریدار پیام می‌دهد «وارد این لینک شو بیعانه‌ت رو بگیر».
   • مدل‌های هوش مصنوعی چطور در لحظه (Real-time) لینک‌های فیشینگ و الگوهای کلاهبرداری را شناسایی کرده و با کادر هشدار قرمز به کاربر اخطار می‌دهند؟
4. محور سوم: مهندسی نرم‌افزار با AI در تیم‌های فنی دیوار:
   • معماری میکروسرویس‌های فوق‌پرسرعت با زبان‌های Go و Python و پایگاه داده توزیع‌شده.
   • استفاده از ایجنت‌های هوش مصنوعی برای مستندسازی میکروسرویس‌ها و بازبینی کدهای PRها.
   • ارکستراسیون ایجنت‌های پاسخ‌گوی پشتیبانی: پیشنهاد پاسخ‌های دقیق و سریع به اپراتورهای مرکز تماس برای حل مشکلات کاربران.
5. درس‌های طلایی دیوار برای سازندگان وایب کدینگ:
   • حفظ سلامت اکوسیستم؛ اگر روی محتوای ورودی کاربران نظارت نکنید، اعتماد به برند شما در چند روز نابود می‌شود.
6. کال‌اوت‌های آموزشی و الهام‌بخش کوئرا:
   • کال‌اوت بنفش (<details class="violet">): مفهوم مهار خطای انسانی و سیستم‌های هیبریدی (ترکیب ماشین + انسان)؛ هوش مصنوعی غربالگری اولیه را انجام می‌دهد و انسان تصمیم نهایی موارد مرزی را می‌گیرد.
   • کال‌اوت سبز (<details class="green">): افتخار به مهندسی ایرانی؛ دیواری که کاملاً متناسب با زبان فارسی، لحن‌ها و اصطلاحات بومی ایران بهینه‌سازی شده است.
   • کال‌اوت قرمز (<details class="red">): اهمیت حفاظت از حریم خصوصی؛ پایش محتوا برای امنیت نباید بهانه‌ای برای نقض حریم خصوصی و افشای چت‌های خصوصی کاربران باشد.

آنچه نباید وارد آن شویم (Out-of-Scope):

• جزییات تعاملات مالی با پلیس فتا و فرآیندهای استعلام قضایی.
• الگوریتم‌های هوش مصنوعی تخمین رسمی قیمت املاک برای مراجع دولتی.

---

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

اصطلاح انگلیسی	معادل فارسی مصوب	توضیح یک‌خطی ساده
Content Moderation	پالایش و مدیریت محتوا	فرآیند بازرسی متون و تصاویر بارگذاری‌شده برای انطباق با قوانین و پیشگیری از تخلفات
Phishing Detection	کشف درگاه‌های جعلی فیشینگ	شناسایی پیوندها و رفتارهای کلاهبردارانه‌ای که قصد سرقت اطلاعات کارت بانکی کاربران را دارند
Text Obfuscation	مبهم‌سازی متنی فریبکارانه	تلاش کاربران خاطی برای دور زدن فیلترها با نوشتن اعداد با حروف، نمادها یا غلط املایی عمدی
Real-time Guardrails	سپرهای محافظتی بلادرنگ	فیلترهای ماشینی آنی که پیام‌ها را در کسری از ثانیه پیش از تحویل به طرف مقابل ارزیابی می‌کنند
Hybrid Moderation	پالایش ترکیبی انسان و ماشین	مدل همکاری که در آن هوش مصنوعی پالایش سریع را انجام داده و موارد مشکوک را به ناظر انسانی ارجاع می‌دهد

---

۴. جایگاه‌های تصاویر و نمودارها (Visual & Diagram Placeholders)

راهنمای ایجنت نویسنده: تمام تصاویر باید در پوشهٔ images/ ذخیره شده و در جدول تک‌خانه‌ای وسط‌چین درج شوند:

1. تصویر کاور درس: images/cover.png
   • موضوع: سپر دیجیتال نئونی درخشان با نشان قرمز و سفید دیوار که از میان میلیون‌ها آگهی آنلاین، آگهی‌های سالم را تایید و پیام‌های مشکوک را متوقف می‌کند.
2. خط تولید پالایش خودکار آگهی در دیوار: images/divar-ad-moderation-pipeline.png
   • موضوع: اینفوگرافیک گام‌به‌گام: کاربر آگهی را ثبت می‌کند \rightarrow اسکن متن با NLP (بررسی قیمت و کلمات) \rightarrow اسکن عکس‌ها با بینایی ماشین \rightarrow تایید آنی یا ارجاع به کارشناس \rightarrow انتشار عمومی.
3. سازوکار سپر محافظتی چت امن دیوار در برابر فیشینگ: images/divar-safe-chat-phishing-shield.png
   • موضوع: اسکرین‌شات از محیط چت دیوار با هایلایت قرمز دور پیام کلاهبردار و نمایش بنر اخطار نارنجی: «توجه: هرگز وارد لینک‌های ناشناس برای دریافت بیعانه نشوید!».
4. داشبورد ارکستراسیون ایجنت‌های پشتیبانی دیوار: images/divar-support-ai-agent-screen.png
   • موضوع: اسکرین‌شات از پنل اپراتور پشتیبانی با متن پیشنهادی خودکار ایجنت هوش مصنوعی برای پاسخ سریع به کاربر.

---

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

1. تیتر اصلی: # بررسی موردی دیوار؛ پالایش هوشمند آگهی‌ها، چت امن و سیستم‌های ضدکلاهبرداری
2. مقدمه: چگونه پلتفرمی با بیش از ۵۰ میلیون کاربر، صدها هزار آگهی جدید در روز را در کمتر از چند ثانیه بدون به خطر افتادن امنیت مردم تایید و منتشر می‌کند؟
3. جدول کاور درس
4. مقیاس خارق‌العاده دیوار: بزرگ‌ترین بازار معاملات بدون واسطه ایران:
   • انتشار آگهی‌ها در صدها شهر و تنوع بی‌شمار دسته‌بندی‌ها از ملک و خودرو تا استخدام.
5. موتور پالایش محتوا (Content Moderation Engine):
   • شکار خودکار کلمات ممنوعه، قیمت‌های غیرواقعی و ترفندهای دور زدن شماره تماس.
   • پردازش تصاویر با بینایی ماشین برای کشف عکس‌های دانلودی و بی‌کیفیت.
6. سامانه چت امن: مبارزه هوشمند با کلاهبرداری بیعانه و فیشینگ:
   • پایش بلادرنگ پیام‌های رد و بدل شده و نمایش هشدارهای زنده به محض ارسال لینک‌های خطرناک.
7. ترکیب طلایی انسان و ماشین (Hybrid Intelligence):
   • چرا هوش مصنوعی ۸۵٪ آگهی‌های استاندارد را فوراً آزاد می‌کند و ۱۵٪ موارد مشکوک را برای چشم تیزبین انسان می‌فرستد.
8. مهندسی مدرن در دیوار: تیم‌هایی که با ابزارهای AI پرواز می‌کنند:
   • نوشتن میکروسرویس‌های پایدار Go و اتوماسیون تست‌ها و مستندات.
9. درس‌های دیوار برای پروژه‌های شما:
   • ایجاد گاردریل‌های سخت‌گیرانه برای ورودی‌های کاربران؛ هرگز نگویید «کاربران من قصد بدی ندارند!».
10. باکس نکته Quera (<details class="violet">): چالش زبان فارسی و عامیانه در NLP؛ چگونه مهندسان دیوار مدل‌های زبانی را برای درک اصطلاحات محاوره‌ای و بازاری ایرانی بومی‌سازی کردند.
11. باکس هشدار Quera (<details class="red">): مسئولیت حفظ حریم خصوصی؛ پایش امنیتی چت‌ها باید کاملاً ماشینی، رمزنگاری‌شده و بدون نقض حریم شخصی کاربران انجام گیرد.
12. باکس رضایت‌بخش Quera (<details class="green">): الهام‌گیری از استانداردهای ایمن‌سازی دیوار و استفاده از این الگوها در فرم‌ها و چت‌بات پورتفولیو.
13. جمع‌بندی درس‌نامه: پایان بخش بررسی موردی شرکت‌های بزرگ فناوری ایران؛ ورود به ایستگاه سرنوشت‌ساز: نقش جدید توسعه‌دهنده به عنوان ارکستراتور سیستم‌ها در درس بعدی.

---

۶. معیارهای پذیرش (Acceptance Criteria for Reviewer)

• مقیاس مهندسی و چالش‌های اعتماد در پلتفرم دیوار تشریح گردد.
• معماری پالایش خودکار آگهی‌ها (متن و تصویر) با جزئیات فنی ارائه شود.
• مکانیزم امنیتی چت امن و کشف بلادرنگ فیشینگ تبیین شود.
• رویکرد هیبریدی انسان و ماشین (Human-in-the-Loop) در پالایش محتوا تحلیل گردد.