vibe-coding-college-specs/chapters/02-vibe-coding-mindset/07-quiz-vibe-coding-mindset/spec.md

مشخصات آزمون تستی: جمع‌بندی مفاهیم و ذهنیت وایب کدینگ (Vibe Coding Mindset Quiz)

• شناسه در سیلابس: Q2.1
• فصل: فصل ۲: شروع مسیر Vibe Coding (Ch 2)
• نوع محتوا: 📝 آزمون تستی خودکار کوئرا کالج (Conceptual Multiple-Choice Quiz)
• بارم امتیاز: ۱۰۰ امتیاز (۱۰ سوال چهارگزینه‌ای مفهومی × ۱۰ امتیاز)
• زمان تقریبی پاسخگویی: ۱۵ دقیقه
• پیش‌نیازهای مستقیم: مطالعه کامل درس‌نامه‌های L2.1 تا L2.7

---

۱. اهداف ارزیابی و توزیع سوالات (Assessment Objectives)

این آزمون برای سنجش تسلط مفهومی و عمیق دانشجو بر مبانی، اصطلاحات، مدل‌های ذهنی و رویکرد مهندسی وایب کدینگ طراحی شده است. توزیع ۱۰ سوال آزمون به تفکیک درس‌های فصل به شرح زیر است:

شماره سوال	درس مرجع	مفهوم مورد سنجش	سطح شناختی (Bloom)	بارم
سوال ۱	L2.2	تعریف وایب کدینگ و تفاوت آن با کدنویسی سنتی و کمکی	Understand	۱۰
سوال ۲	L2.2	ماتریس تفکیک مسئولیت انسان (معمار) و هوش مصنوعی (مجری)	Evaluate	۱۰
سوال ۳	L2.3	ماهیت پیش‌بینی احتمالاتی توکن بعدی (Next-Token Prediction)	Understand	۱۰
سوال ۴	L2.3	مفهوم پنجره بافت (Context Window) و راهکار فرسودگی چت (Context Rot)	Apply	۱۰
سوال ۵	L2.3	ریشه‌یابی و تشخیص پدیده توهم (Hallucination) در کد	Evaluate	۱۰
سوال ۶	L2.4	دسته‌بندی سه‌گانه ابزارها و استراتژی دو مسیره (Dual-Track Workflow)	Apply	۱۰
سوال ۷	L2.5	مدل‌های اقتصادی قیمت‌گذاری و مدیریت سهمیه‌های رایگان و API	Understand	۱۰
سوال ۸	L2.6	قانون تغییرات اتمیک (Atomicity) و پرهیز از تله مگاپرامپت	Apply	۱۰
سوال ۹	L2.6	الگوی استاندارد و ساخت‌یافتهٔ گزارش خطا (Error Reporting)	Apply	۱۰
سوال ۱۰	L2.7	چرخهٔ چهار مرحله‌ای متدولوژی توسعه مشخصات‌محور (SDD) در برابر پرامپت و دعا	Evaluate	۱۰

---

۲. مشخصات و سناریوی سوالات ده‌گانه (Question Bank Specifications)

سوال ۱: تعریف بنیادین وایب کدینگ (L2.2)

• صورت سوال: کدام عبارت، تعریف دقیق پارادایم «وایب کدینگ (Vibe Coding)» و تمایز اصلی آن با نسل‌های پیشین توسعه نرم‌افزار را به درستی بیان می‌کند؟
  • الف) استفاده از چت‌بات‌های عمومی برای نوشتن دستی توابع و سپس کپی-پیست کردن خط‌به‌خط آن‌ها در یک فایل متنی.
  • ب) هدایت نیت، منطق و رفتار نرم‌افزار به زبان طبیعی برای ایجنت‌های هوش مصنوعی که قابلیت ایجاد، ویرایش و اجرای واقعی کدهای پروژه را دارا هستند.
  • ج) تولید کدهای برنامه بدون نیاز به هیچ‌گونه درک از محصول، تجربه کاربری یا نظارت انسانی، با اتکای کامل به حدس خودکار مدل.
  • د) استفاده صرف از افزونه‌های تکمیل خودکار خط کد (Autocomplete) حین تایپ سنتی برنامه‌نویس در محیط‌های قدیمی.
• گزینه صحیح: ب
• تحلیل گزینه‌های گمراه‌کننده:
  • گزینه الف: این شیوه کپی-پیست از چت‌بات‌های اولیه است، نه جریان کاری ایجنتیک متصل به پروژه.
  • گزینه ج: باور اشتباه و خطرناکی است که منجر به تولید زباله هوش مصنوعی (AI Slop) می‌شود؛ وایب کدینگ نیازمند هدایت و نظارت آگاهانه انسان است.
  • گزینه د: این توصیف دوران دستیارهای کمکی (Copilot Era) است، نه وایب کدینگ نوین.

---

سوال ۲: ماتریس تفکیک مسئولیت انسان و هوش مصنوعی (L2.2)

• صورت سوال: در جریان کاری استاندارد یک وایب کدر حرفه‌ای، کدام وظیفه مشخصاً بر عهدهٔ انسان (کاربر) است و نباید به هوش مصنوعی واگذار شود؟
  • الف) نوشتن سینتکس دستورات وارد کردن پکیج‌ها و ایجاد ساختار فایل‌های پروژه.
  • ب) تصمیم‌گیری درباره ارزش و اولویت فیچرها، تجربه کاربری مورد نظر و تایید معیارهای قبولی خروجی.
  • ج) اجرای کامندهای ساخت کامپوننت‌ها یا نصب کتابخانه‌ها در محیط ترمینال.
  • د) تبدیل یک منطق محاسباتی توصیف‌شده به کدهای بهینه جاوااسکریپت یا پایتون.
• گزینه صحیح: ب
• تحلیل گزینه‌های گمراه‌کننده:
  • گزینه‌های الف، ج و د همگی کارهای اجرایی و نحوی هستند که دقیقاً وظیفه اصلی ایجنت‌های هوش مصنوعی به شمار می‌روند. تصمیم‌گیری محصولی و تایید پذیرش تنها مسئولیت انسان است.

---

سوال ۳: مکانیزم پردازش و تفکر مدل‌های زبانی (L2.3)

• صورت سوال: مدل‌های زبانی بزرگ (LLMs) در حین تولید کدهای یک وب‌اپلیکیشن، از نظر ساختار محاسباتی چگونه عمل می‌کنند؟
  • الف) آن‌ها دارای یک موتور هوشمند منطقی و دیتابیس قواعد هستند که درستی هر خط کد را بر اساس قوانین ریاضی اثبات می‌کند.
  • ب) آن‌ها با دسترسی به کامپایلر درونی زنده، تک‌تک خطوط را پیش از ارسال در پس‌زمینه اجرا و خطایابی می‌کنند.
  • ج) آن‌ها با محاسبه توزیع احتمالات بر اساس میلیاردها نمونه کد یادگرفته‌شده، محتمل‌ترین توکن (کلمه یا نماد) بعدی را پیش‌بینی و پیوست می‌کنند.
  • د) آن‌ها کدها را مستقیماً از پروژه‌های فعال موجود در اینترنت در همان لحظه جستجو و بازنویسی می‌نمایند.
• گزینه صحیح: ج
• تحلیل گزینه‌های گمراه‌کننده:
  • گزینه الف و ب: مدل‌ها ذاتاً موتور منطقی یا کامپایلر نیستند، بلکه شبکه‌های پیش‌بینی احتمالاتی بر پایه توکن هستند.
  • گزینه د: مدل در زمان پاسخگویی به اینترنت متصل نبوده و از وزن‌های محاسباتی از پیش‌آموزش‌دیده خود توکن تولید می‌کند.

---

سوال ۴: پنجره بافت و سندروم فرسودگی چت (L2.3)

• صورت سوال: پس از ردوبدل شدن ده‌ها پیام در یک چت طولانی، متوجه می‌شوید هوش مصنوعی دستورات اولیه شما را فراموش کرده و کدهای قبلی را بدون دلیل تغییر می‌دهد. اصطلاح فنی این پدیده چیست و بهترین اقدام عملی کدام است؟
  • الف) سرریز حافظه موقت (Memory Leak)؛ باید کامپیوتر را مجدداً راه‌اندازی (Restart) کنید.
  • ب) فرسودگی بافت (Context Rot)؛ باید چت را ببندید و یک سشن تازه با خلاصه‌ای از وضعیت فعلی و نیازمندی جدید آغاز کنید.
  • ج) فریز شدن ایجنت؛ باید با اصرار در همان پنجره به مدل یادآوری کنید که چه دستوراتی در پیام‌های اول داده بودید.
  • د) خطای سینتکسی مدل؛ باید اشتراک خود را به مدل قوی‌تری ارتقا دهید تا تاریخچه گفتگو پاک نشود.
• گزینه صحیح: ب
• تحلیل گزینه‌های گمراه‌کننده:
  • گزینه الف: مشکل سخت‌افزاری نیست، بلکه ناشی از محدودیت پنجره بافت (Context Window) مدل است.
  • گزینه ج: اصرار بر ادامه چت شلوغ، بافت را آلوده‌تر کرده و سردرگمی مدل را تشدید می‌کند.
  • گزینه د: ارتقای اشتراک مشکل پر شدن بافت در یک چت بی‌پایان را به شکل اصولی حل نمی‌کند؛ راه‌حل استاندارد رعایت Context Hygiene و باز کردن چت تمیز است.

---

سوال ۵: کالبدشکافی پدیده توهم در کدنویسی (L2.3)

• صورت سوال: کدام مورد یک نمونه بارز از پدیده «توهم هوش مصنوعی (Hallucination)» در توسعه نرم‌افزار است؟
  • الف) ایجنت به درستی اعلام کند که برای اتصال به درگاه پرداخت نیازمند دریافت کلید API اختصاصی از کاربر است.
  • ب) ایجنت کدی با ساختار کاملاً تمیز و بدون خطای تایپی بنویسد که متدی به نام user.generatePersianInvoice() را از یک کتابخانه مشهور فراخوانی کند، در حالی که چنین متدی اصلاً در آن کتابخانه وجود خارجی ندارد.
  • ج) کدی که ایجنت نوشته به علت غلط املایی در نام متغیر با خطای SyntaxError متوقف شود.
  • د) سرعت تولید پاسخ‌های ایجنت به دلیل شلوغی سرورهای شرکت سازنده کاهش یابد.
• گزینه صحیح: ب
• تحلیل گزینه‌های گمراه‌کننده:
  • گزینه الف رفتار صحیح است.
  • گزینه ج خطای سینتکسی ساده است، نه توهم.
  • گزینه د مربوط به تاخیر شبکه و سرور است. گزینه ب تعریف کلاسیک توهم است: پاسخ با ظاهر موجه و اعتمادبه‌نفس بالا اما بدون واقعیت خارجی.

---

سوال ۶: استراتژی دومسیره ابزارها (Dual-Track Workflow) (L2.4)

• صورت سوال: در دورهٔ وایب کدینگ کوئرا کالج، منطق اصلی اتخاذ «استراتژی دومسیره (Dual-Track)» در بهره‌گیری از ابزارهای هوش مصنوعی چیست؟
  • الف) استفاده انحصاری از ابزارهای تحت وب برای تمام طول دوره، زیرا نصب نرم‌افزارهای محلی هیچ مزیتی ندارد.
  • ب) بهره‌گیری از ابزارهای ابری سریع (مثل Lovable/v0) برای اثبات سریع ایده در مراحل اولیه، و تکیه بر ادیتورهای محلی (مثل Cursor) و ایجنت‌های ترمینال برای مهندسی واقعی، کنترل Git و توسعه پایدار پایگاه داده.
  • ج) استفاده همزمان از پنج ابزار مختلف در هر پروژه برای نوشتن تک‌تک کامپوننت‌ها به صورت موازی.
  • د) اجتناب کامل از ادیتورهای محلی به دلیل پیچیدگی و خطرات امنیتی ذخیره فایل روی سیستم شخصی.
• گزینه صحیح: ب
• تحلیل گزینه‌های گمراه‌کننده:
  • گزینه الف: ساخت محصول واقعی با دیتابیس اختصاصی و امنیت بالا نیازمند کنترل محلی و کدبیس تحت Git است.
  • گزینه ج: باعث سردرگمی شدید و آشفتگی پروژه می‌شود.
  • گزینه د: کاملاً نادرست است؛ ادیتور محلی استاندارد صنعت برای پروژه‌های واقعی است.

---

سوال ۷: مدل‌های اقتصادی و مدیریت بهینه هزینه (L2.5)

• صورت سوال: کاربری می‌خواهد بدون صرف هزینه‌های دلاری سنگین، پروژه‌های تمرینی خود را توسعه دهد. کدام راهبرد از نظر اقتصادی و فنی توصیه‌شده‌ترین رفتار است؟
  • الف) پرداخت بدون بررسی اشتراک‌های ماهانه گران‌قیمت متعدد برای ابزارهای مشابه.
  • ب) استفاده بهینه از سهمیه‌های رایگان روزانه در ادیتورها، استفاده از مدل‌های مصرف‌محور (Pay-As-You-Go API) در پلتفرم‌های تجمیعی مانند OpenRouter، و پرهیز از هدررفت توکن‌ها با پرامپت‌های دقیق و ریست به موقع سشن.
  • ج) استفاده مداوم از چت‌های فوق‌العاده طولانی برای صرفه‌جویی در باز کردن چت جدید.
  • د) سپردن کل کدهای پروژه به هوش مصنوعی در قالب فایل‌های فشرده بسیار حجیم در هر درخواست.
• گزینه صحیح: ب
• تحلیل گزینه‌های گمراه‌کننده:
  • گزینه‌های ج و د دقیقاً مصرف توکن و هزینه‌ها را تصاعدی بالا برده و منجر به شکست در محدودیت‌های پلن‌ها می‌شوند.

---

سوال ۸: فرمول پرامپت‌نویسی مهندسی و قانون اتمیک (L2.6)

• صورت سوال: شما می‌خواهید ویژگی «فیلتر کردن محصولات بر اساس دسته‌بندی» را به صفحه فروشگاه خود اضافه کنید. کدام پرامپت از نظر اصول مهندسی پرامپت و قانون اتمیک بودن استانداردتر است؟
  • الف) «یک فروشگاه کامل با دسته‌بندی، درگاه پرداخت، جستجوی پیشرفته و پنل کاربری برایم بساز.»
  • ب) «در کامپوننت ProductList.tsx، بالای گرید کارت‌ها یک ردیف دکمه برای فیلتر دسته‌بندی‌ها اضافه کن. با کلیک روی هر دکمه، فقط محصولات همان گروه نمایش داده شوند. استایل‌ها با دکمه‌های فعلی هماهنگ باشد و به ساختار کارت‌های محصولات دست نزن.»
  • ج) «دکمه‌های فیلتر را درست کن کار کند.»
  • د) «لطفاً تمام کدهای پروژه را بازنویسی کن تا قابلیت فیلتر دسته‌بندی هم اضافه شود.»
• گزینه صحیح: ب
• تحلیل گزینه‌های گمراه‌کننده:
  • گزینه الف: مگاپرامپت مخرب است که باعث گیج شدن مدل و شلختگی کدهای موجود می‌شود.
  • گزینه ج: فاقد هرگونه بافت، نام فایل و رفتار شفاف است.
  • گزینه د: بازنویسی کل کدهای پروژه خطرناک‌ترین کار ممکن است که باعث پاک شدن سایر ویژگی‌های درست می‌شود.

---

سوال ۹: الگوی حرفه‌ای گزارش خطا به هوش مصنوعی (L2.6)

• صورت سوال: هنگام اجرای برنامه با یک خطای قرمزرنگ در ترمینال مواجه می‌شوید. شیوه صحیح و مؤثر در تعامل با ایجنت هوش مصنوعی برای حل سریع باگ چیست؟
  • الف) ارسال پیام کوتاهی با متن: «خراب شد، کار نمی‌کند؛ کدهای صفحه را دوباره بساز!»
  • ب) ارسال دقیق متن کامل خطای ترمینال (Error Traceback)، نام فایلی که در آن کار می‌کردید و توصیف رفتاری که انتظار داشتید رخ دهد.
  • ج) پاک کردن کل پوشه پروژه و شروع دوباره از ابتدا.
  • د) بازنویسی دستی کد بدون تحلیل خطا به امید رفع شانسی آن.
• گزینه صحیح: ب
• تحلیل گزینه‌های گمراه‌کننده:
  • گزینه الف: ایجنت غیب‌گو نیست و نمی‌داند چه خطایی رخ داده؛ این پیام معمولاً باعث تولید کدهای تصادفی و بدتر شدن باگ می‌شود.
  • گزینه‌های ج و د رفتارهای پرهزینه و غیرحرفه‌ای هستند.

---

سوال ۱۰: متدولوژی توسعه مشخصات‌محور (SDD) (L2.7)

• صورت سوال: تفاوت بنیادین متدولوژی توسعه مشخصات‌محور (SDD) با رویکرد آشفته «پرامپت و دعا (Prompt & Pray)» در چیست؟
  • الف) در SDD نیازی به نظارت یا تست انسانی وجود ندارد و ایجنت به تنهایی کیفیت را تضمین می‌کند.
  • ب) در SDD ساختار، نیازمندی‌ها و برنامه اقدام پیش از درخواست کد به طور شفاف مستند می‌شوند و خروجی ایجنت در یک چرخه منظم (مشخصات \rightarrow برنامه \rightarrow اجرا \rightarrow راستی‌آزمایی) توسط انسان اعتبارسنجی می‌شود.
  • ج) در SDD تمام کدها باید ابتدا با دست روی کاغذ نوشته شوند و سپس به هوش مصنوعی تحویل گردند.
  • د) SDD صرفاً یک نام تبلیغاتی برای تکرار مداوم پرامپت‌ها در ابزارهای مختلف است.
• گزینه صحیح: ب
• تحلیل گزینه‌های گمراه‌کننده:
  • گزینه الف: راستی‌آزمایی انسان (Human Verification) رکن چهارم و غیرقابل حذف SDD است.
  • گزینه‌های ج و د کاملاً در تناقض با تعریف این متدولوژی مدرن هستند.

---

۳. فرمت خروجی و ساختار تحویل سوالات

آزمون پس از نگارش نهایی، در پوشه درس به صورت فایل questions.json (برای سامانه کوئرا کالج) و هم‌چنین با مستندات تحلیلی در README.md با ساختار کلیدهای زیر قرار خواهد گرفت:

[
  {
    "id": 1,
    "title": "تعریف بنیادین وایب کدینگ",
    "question": "متن فارسی سوال...",
    "options": ["گزینه الف", "گزینه ب", "گزینه ج", "گزینه د"],
    "correct_index": 1,
    "score": 10,
    "explanation": "استدلال علمی گزینه صحیح و خطاهای مفهومی سایر گزینه‌ها..."
  }
]

---

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

1. تصویر کاور آزمون: images/cover.png
   • موضوع: کاور با تم تیره و هویت آزمون‌های سنجش مهارت کوئرا کالج، شامل مدال طلایی ۱۰۰ امتیازی، چک‌لیست دیجیتال و نماد ذهنیت وایب کدینگ.
2. اینفوگرافیک نقشه ارزیابی فصل ۲: images/quiz-evaluation-matrix.png
   • موضوع: نمودار راداری یا ساختاری که پوشش جامع ۱۰ سوال آزمون روی مهارت‌های فصل (تعریف، طرز کار، ابزارها، هزینه، پرامپت، SDD) را به نمایش می‌گذارد.

---

۵. معیارهای قبولی و سیستم امتیازدهی (Grading Rubric)

• کل امتیاز: ۱۰۰ امتیاز.
• حد نصاب قبولی پایه در گواهی کوئرا: ۵۰ امتیاز (پاسخ صحیح به حداقل ۵ سوال).
• سطوح گواهی برای این آزمون:
  • ۱۰۰ امتیاز: ثبت حداکثر سهمیه جهت رتبه Perfect در پایان دوره.
  • ۹۰ تا ۹۰ امتیاز: قرارگیری در محدوده Very Good.
  • ۷۰ تا ۸۰ امتیاز: سطح Good.
  • ۵۰ تا ۶۰ امتیاز: سطح Fair.

---

۶. معیارهای پذیرش سند آزمون (Acceptance Criteria for Reviewer)

• دقیقا ۱۰ سوال چهارگزینه‌ای مفهومی با گزینه‌های هم‌وزن و بدون گزینه‌های بدیهی تدوین شده باشد.
• هر سوال دارای تحلیل تفصیلی گزینه صحیح و تحلیل خطاهای شناختی گزینه‌های گمراه‌کننده باشد.
• سوالات تمام مباحث کلیدی درس‌های ۲.۱ تا ۲.۷ را به شکل متوازن پوشش دهند.
• هیچ سوالی نیاز به حفظ کردن شماره نسخه یا جزئیات گذرای ابزارها نداشته باشد و تمرکز کاملاً بر مدل ذهنی و اصول مهندسی باشد.