vibe-coding-college-specs/chapters/04-idea-to-product/04-lesson-mvp-scope/spec.md

مشخصات درس‌نامه: محدوده محصول و تعریف MVP (Product Scope & MVP Definition)

• شناسه در سیلابس: L4.5
• فصل: فصل ۴: از ایده تا محصول (Ch 4)
• نوع محتوا: 📘 درس‌نامه متنی
• زمان تقریبی مطالعه: ۱۲ دقیقه
• پیش‌نیازهای مستقیم: L4.4 (کاربر هدف و پرسونا)

---

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

دانشجو پس از مطالعهٔ این درس‌نامه باید بتواند:

• درک کند (Understand): کمینه محصول پذیرفتنی (MVP) چیست و استعاره مشهور «اسکیت‌برد در برابر چرخ بدون بدنه» چگونه مرزهای یک نسخه اولیه کاربردی را تبیین می‌کند.
• تحلیل/ارزیابی کند (Evaluate): پدیده خطرناک «تورم محدوده (Scope Creep)» در عصر هوش مصنوعی را شناسایی کند و بداند چرا اضافه کردن بی‌مهابای فیچرها پروژه را به سمت شکست و فرسودگی سوق می‌دهد.
• به‌کار ببندد (Apply): ماتریس اولویت‌بندی MoSCoW را بر روی تمام ایده‌های پروژه محوری (پورتفولیوی پویا) اعمال کرده و مرز دقیق نسخه اول را جدا کند.
• به‌کار ببندد (Apply): در پرامپت‌نویسی برای ایجنت، بخش «چه چیزهایی در این نسخه نباید ساخته شوند» (Negative Constraints) را لحاظ کند تا مدل از مسیر اصلی منحرف نشود.

---

۲. محدوده و مرزهای محتوا (Scope & Boundaries)

آنچه باید پوشش داده شود (In-Scope):

1. بازتعریف درست MVP: کوچک، اما کامل و کارآمد:
   • اشتباه بزرگ مبتدیان: ساخت یک اسکلت ناقص و بدون کارکرد (مثل یک تک‌چرخ از ماشین که حرکت نمی‌کند).
   • تعریف اصولی: ساده‌ترین محصولی که ارزش محوری را از ابتدا تا انتها به سرانجام می‌رساند (مثل یک اسکیت‌برد که از نقطه A تا B حرکت می‌کند).
2. تله تورم دامنه در وایب کدینگ (The AI Scope Creep Trap):
   • چون هوش مصنوعی سریع کد می‌زند، کاربر وسوسه می‌شود همه‌چیز را همزمان بخواهد: وبلاگ، سیستم چت زنده، درگاه پرداخت، ترجمه ۵ زبانه و سیستم هوش مصنوعی تحلیل رزومه!
   • پیامد: کدهای حجیم، بافت فرسوده چت (Context Rot)، باگ‌های بی‌پایان و پروژه‌ای که هرگز به نقطه انتشار نمی‌رسد.
3. ماتریس اولویت‌بندی MoSCoW برای پروژه محوری (پورتفولیوی پویا):
   • باید باشد (Must-Have - قلب تپنده MVP):
     • ویترین عمومی: هدر با بیوگرافی و اطلاعات تماس، گرید نمایش پروژه‌ها با برچسب تکنولوژی، مودال/صفحه جزئیات هر پروژه با لینک زنده.
     • پنل مدیریت ادمین: ورود با رمز عبور و فرم اضافه/ویرایش/حذف پروژه‌ها (CRUD).
     • پنل کنترل سئو: فرم ذخیره و ویرایش تایتل صفحه، توضیحات متا و تصویر اشتراک‌گذاری (OpenGraph).
   • بهتر است باشد (Should-Have - فاز بعدی v1.1):
     • فیلتر کردن پروژه‌ها با تب‌های دسته‌بندی، سوییچ تم تیره و روشن (Dark/Light Mode).
   • می‌تواند باشد (Could-Have - فاز v2.0):
     • بخش بلاگ یا یادداشت‌ها، شمارنده بازدیدهای هر پروژه.
   • نباید باشد (Won't-Have - مرز ممنوعه فعلی):
     • سیستم ثبت‌نام چندکاربره (SaaS)، پرداخت آنلاین یا سیستم ایمیل مارکتینگ.
4. هنر گفتن «نه» در پرامپت‌های مهندسی:
   • چگونگی درج لیست Out-of-Scope در ورودی به هوش مصنوعی: «فقط و فقط این فیچر را پیاده کن و وارد بخش‌های فیلتر یا وبلاگ نشو».
5. کال‌اوت‌های Quera:
   • <details class="violet">: استعاره اسکیت‌برد در طراحی محصول؛ چرا تحویل یک چیز ساده و روان بهتر از یک شاهکار ناتمام است؟
   • <details class="red">: وسوسه سرعت هوش مصنوعی؛ چرا سرعت بالای کدنویسی نباید جایگزین انضباط مهندسی در محدوده‌بندی شود.

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

• فرمول‌بندی معیارهای دقیق پذیرش تست برای تک‌تک فیچرها (درس بعدی ۴.۶).
• نیازمندی‌های غیرکارکردی عمیق مانند امنیت پیشرفته یا پرفورمنس بالا (درس ۴.۷).

---

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

اصطلاح انگلیسی	معادل فارسی مصوب	توضیح یک‌خطی ساده
MVP (Minimum Viable Product)	کمینه محصول پذیرفتنی	نسخه‌ای از محصول با حداقل امکانات لازم که ارزش اصلی را به طور کامل به کاربر تحویل می‌دهد
Scope Creep	تورم / خزش دامنه	گسترش کنترل‌نشده و مداوم فیچرهای یک پروژه که مانع از اتمام به موقع آن می‌شود
MoSCoW Method	روش اولویت‌بندی ماسکو	چارچوب دسته‌بندی امکانات به: باید باشد، بهتر است باشد، می‌تواند باشد و نباید باشد
Core Value Proposition	ارزش پیشنهادی اصلی	مهم‌ترین مشکلی که محصول بهتر، سریع‌تر یا راحت‌تر از روش‌های دیگر حل می‌کند
Negative Constraints	محدودیت‌های سلبی	تعیین صریح کارهایی که ایجنت هوش مصنوعی اجازه ورود یا کدنویسی در آن‌ها را ندارد

---

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 مدرن با تم تیره و یک تیغ جراحی دیجیتال نئونی که مرزهای دقیق یک هسته الماس‌گونه (MVP) را از انبوهی از ایده‌های حاشیه‌ای برش می‌زند.
2. استعاره اسکیت‌برد در ساخت محصول: images/mvp-skateboard-concept.png
   • موضوع: مقایسه دو ردیف تصویری: ردیف غلط (چرخ ناتمام \rightarrow بدنه \rightarrow ماشین) در برابر ردیف درست (اسکیت‌برد متحرک \rightarrow دوچرخه \rightarrow موتور \rightarrow اتومبیل).
3. ماتریس MoSCoW پروژه پورتفولیوی پویا: images/moscow-portfolio-breakdown.png
   • موضوع: اینفوگرافیک ۴ مربعی رنگی با دسته‌بندی امکانات پورتفولیو (ویترین، پنل ادمین، سئو در هسته اصلی).
4. تله بادکنک تورم دامنه (Scope Creep): images/scope-creep-balloon.png
   • موضوع: تصویر استعاری بادکنک پروژه‌ای که با تزریق مداوم فیچرهای بی‌موقع توسط کاربر در حال ترکیدن است.

---

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

1. تیتر اصلی: # محدوده محصول و تعریف MVP: هنر کمتر ساختن، ولی کامل ساختن!
2. مقدمه: چرا سریع‌ترین راه برای کشتن یک پروژه با هوش مصنوعی، بزرگ تعریف کردن آن است؟
3. جدول کاور درس
4. کمینه محصول پذیرفتنی (MVP) واقعاً چیست؟: تشریح مرز اسکلت ناقص با محصول جمع‌وجور کاربردی.
5. استعاره اسکیت‌برد: چگونه نسخه اولی بسازیم که راه برود؟: تحلیل بصری چرخه ساخت ارزش.
6. باکس نکته Quera (<details class="violet">): درس‌های استارتاپی در درک فلسفه واقعی MVP.
7. دام بزرگ در وایب کدینگ: توهم توانایی بی‌نهایت هوش مصنوعی: خطرات افزودن فیچرهای وسوسه‌انگیز.
8. چارچوب اولویت‌بندی MoSCoW روی پروژه پورتفولیوی پویا:
   • امکانات Must-Have: ویترین، ادمین، سئو.
   • امکانات Should-Have و Could-Have.
   • امکانات Won't-Have: خط قرمزهای نسخه اول.
9. قدرت محدودیت‌های سلبی (Negative Constraints) در پرامپت‌ها: نحوه مهار ایجنت.
10. باکس هشدار Quera (<details class="red">): اگر پروژه در کمتر از چند روز به نقطه انتشار نرسد، احتمال رها شدنش به ۸۰٪ می‌رسد!
11. جمع‌بندی درس‌نامه: مشخص شدن مرزهای دقیق پورتفولیو و آمادگی برای تعریف معیارهای پذیرش فیچرها.

---

۶. معیارهای پذیرش (Acceptance Criteria for Reviewer)

• تعریف MVP بر اساس اصول استاندارد محصول و استعاره اسکیت‌برد بدون سوءبرداشت تشریح شود.
• پدیده تورم دامنه (Scope Creep) با اشاره به خطرات مختص هوش مصنوعی نقد شده باشد.
• ماتریس MoSCoW با تفکیک ۴ سطح برای پروژه محوری (پورتفولیوی پویا با ادمین و سئو) پیاده‌سازی شود.
• مفهوم قیدهای سلبی در پرامپت‌نویسی جهت مهار انحراف مدل آموزش داده شده باشد.