Files
vibe-coding-college-specs/chapters/01-introduction/01-foreword/spec.md

9.4 KiB
Raw Blame History

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:
    | ![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.