” از انتخاب ایده و طراحی تا توسعه، تست و انتشار؛ تو این نوشته مراحل ساخت یک محصول نرمافزاری با کمک هوش مصنوعی رو بررسی میکنیم. “
ساخت یک محصول نرمافزاری همیشه به زمان و دانش فنی زیادی نیاز داشته، اما ابزارهای هوش مصنوعی این مسیر رو تا حد زیادی سادهتر کردن، حالا میتونیم با کمک این ابزارها ایدههامون رو سریعتر به نمونههای قابل استفاده تبدیل کنیم، رابط کاربری طراحی کنیم و بخش زیادی از فرایند توسعه رو پیش ببریم.
اما برای شروع یک پروژه، فقط داشتن ایده و دسترسی به ابزارهای هوش مصنوعی کافی نیست. باید بدونیم چه چیزی میخوایم بسازیم، چطور باید برای توسعه آماده بشیم و چه مراحلی رو پشت سر بذاریم.
تو این مقاله قراره مرحلهبهمرحله مسیر ساخت یک محصول نرمافزاری رو بررسی کنیم؛ از انتخاب ایده و برنامهریزی گرفته تا طراحی، توسعه و انتشار.
اولین قدم اینه که بدونیم قراره چه چیزی بسازیم. شاید چند ایده مختلف توی ذهنمون داشته باشیم، اما بهتره قبل از شروع، کمی درباره هرکدوم فکر کنیم.
یکی از راههای خوب برای پیدا کردن ایده، توجه به مشکلاتیه که خودمون یا اطرافیانمون باهاشون روبهرو هستیم.
برای مثال، فرض کنید متوجه میشیم صاحبان فروشگاههای کوچیک برای مدیریت سفارشهاشون از چند فایل و ابزار مختلف استفاده میکنن و این کار باعث میشه بعضی سفارشها رو فراموش کنن یا اطلاعاتشون بههم بریزه. شاید بشه نرمافزاری ساخت که این فرایند رو سادهتر کنه و تمام سفارشها رو در یک محیط مرتب نمایش بده.
بعد از پیدا کردن ایده، باید کمی درباره اون تحقیق کنیم:
آیا افراد دیگهای هم با این مشکل روبهرو هستن؟
آیا نرمافزارهای مشابهی وجود دارن؟
محصولات مشابه چه امکاناتی دارن؟
کاربران از چه بخشهایی ناراضی هستن؟
آیا میتونیم راهحل سادهتر یا بهتری ارائه بدیم؟
برای پیدا کردن پاسخ این سؤالها میتونیم با افرادی که احتمالاً از محصول ما استفاده میکنن صحبت کنیم، نظرات کاربران محصولات مشابه رو بخونیم و امکانات رقبا رو بررسی کنیم.
میخوام به مقاله قبلی SpaceDev با عنوان «حالا که ساختن راحت شده، چی بسازیم؟» هم اشاره کنم. تو اون مقاله درباره انتخاب ایده و این موضوع صحبت کردم که چرا نباید صرفاً به خاطر آسونتر شدن ساخت نرمافزار، سراغ هر چیزی که به ذهنمون میرسه بریم :)
پس قبل از اینکه زمانمون رو صرف توسعه کنیم، بهتره مطمئن بشیم ایدهای که انتخاب کردیم ارزش ساختن داره.
بعد از انتخاب ایده، بهتره قبل از شروع کدنویسی مشخص کنیم دقیقاً قراره چه چیزی بسازیم.
برای این کار میتونیم یک سند PRD تهیه کنیم. این عبارت مخفف Product Requirements Document هست و به سندی گفته میشه که امکانات و بخشهای مختلف محصول رو توضیح میده.
تو این سند مشخص میکنیم محصول چه کاری انجام میده، چه کسانی ازش استفاده میکنن و هر بخش قراره چطور کار کنه.
برای مثال، میتونیم موارد زیر رو در اون بنویسیم:
معرفی محصول و هدف اصلی اون
افرادی که قراره از محصول استفاده کنن
امکانات و قابلیتهای موردنیاز
صفحات و بخشهای مختلف محصول
نحوه کار کردن هر بخش
مسیرهایی که کاربر برای انجام کارهای مختلف طی میکنه
امکاناتی که فعلاً قرار نیست در نسخه اول وجود داشته باشن
برای نوشتن این سند هم میتونیم از هوش مصنوعی کمک بگیریم. ایدهمون رو توضیح میدیم و ازش میخوایم درباره بخشهای مختلف پروژه ازمون سؤال بپرسه تا جزئیات بیشتری مشخص بشن.
حتی میتونیم ازش بخوایم پیشنهادهایی برای بهتر شدن محصول ارائه بده. البته بهتره تمام پیشنهادها رو بدون بررسی قبول نکنیم و فقط مواردی رو نگه داریم که واقعاً به هدف پروژه کمک میکنن.
یک نکته مهم اینه که لازم نیست از همون ابتدا تمام امکاناتی که به ذهنمون میرسه پیادهسازی کنیم. بهتره ابتدا روی امکانات اصلی تمرکز کنیم و یک نسخه اولیه بسازیم.
به این نسخه MVP یا Minimum Viable Product گفته میشه؛ یعنی سادهترین نسخهای از محصول که میتونه ارزش اصلی اون رو به کاربر نشون بده.
حالا که میدونیم قراره چه چیزی بسازیم، بهتره قبل از شروع توسعه، اطلاعات پروژه رو مرتب کنیم و در اختیار ابزارهای هوش مصنوعی قرار بدیم.
ابزارهایی مثل Codex و Claude Code میتونن فایلهای پروژه رو بررسی کنن، کد بنویسن، فایلهای جدید بسازن و تغییرات مختلفی رو در پروژه انجام بدن.
به این ابزارها Coding Agent گفته میشه؛ یعنی ابزارهایی که میتونن علاوه بر تولید کد، بخشهای مختلف پروژه رو بررسی و ویرایش کنن.
اما برای اینکه نتیجه بهتری بگیریم، باید این ابزارها رو با پروژه آشنا کنیم. باید بدونن چه چیزی میسازیم، ساختار پروژه چطوره و چه قوانینی رو هنگام نوشتن کد باید رعایت کنن.
یکی از راههای انجام این کار، استفاده از فایلهای Markdown هست.
Markdown یک روش ساده برای نوشتن متن و مستنداته که فایلهاش با پسوند .md ذخیره میشن. میتونیم از این فایلها برای توضیح نیازمندیها، ساختار فنی و دستورالعملهای پروژه استفاده کنیم.
چند فایل کاربردی که میتونیم در پروژه داشته باشیم:
AGENTS.md: شامل دستورالعملهای عمومی پروژه برای ابزارهای هوش مصنوعی؛ مثل قوانین کدنویسی، ساختار پوشهها و نحوه اجرای پروژه.
CLAUDE.md: شامل دستورالعملهایی که Claude Code باید هنگام کار روی پروژه رعایت کنه.
PRD.md: شامل توضیحات و امکاناتی که برای محصول در نظر گرفتیم.
DESIGN.md: شامل اطلاعات طراحی مثل رنگها، فونتها، فاصلهها و ظاهر بخشهای مختلف.
ARCHITECTURE.md: توضیح ساختار فنی پروژه و ارتباط بخشهای مختلف اون.
IMPLEMENTATION-PLAN.md: فهرست کارهایی که برای توسعه پروژه باید انجام بشن و ترتیب انجام اونها.
README.md: راهنمای اصلی پروژه که معمولاً شامل معرفی، پیشنیازها و نحوه نصب و اجرای اون میشه.
برای مثال، ساختار اولیه پروژه میتونه به این شکل باشه:
my-project/
├── AGENTS.md
├── CLAUDE.md
├── PRD.md
├── DESIGN.md
├── ARCHITECTURE.md
├── IMPLEMENTATION-PLAN.md
├── README.md
└── src/البته لازم نیست برای تمام پروژهها همه این فایلها رو ایجاد کنیم. بسته به اندازه و پیچیدگی پروژه میتونیم بعضی از اونها رو حذف کنیم یا اطلاعات مرتبط رو در یک فایل مشترک قرار بدیم.
یک نکته دیگه هم وجود داره: صرفاً ساختن این فایلها به این معنی نیست که تمام ابزارهای هوش مصنوعی بهصورت خودکار اونها رو میخونن. بعضی ابزارها فایلهای مشخصی رو بهصورت خودکار شناسایی میکنن، اما در موارد دیگه باید مسیر فایلها رو مشخص کنیم یا از Agent بخوایم قبل از شروع کار مستندات مربوط به پروژه رو بخونه.
هرچقدر اطلاعات پروژه واضحتر و مرتبتر باشه، ابزار هوش مصنوعی هم بهتر میتونه تغییرات موردنظرمون رو انجام بده.
بعد از مشخص شدن امکانات و آمادهسازی پروژه، نوبت به طراحی رابط کاربری میرسه.
رابط کاربری یا UI به بخشهایی از محصول گفته میشه که کاربر میبینه و باهاشون کار میکنه؛ مثل دکمهها، فرمها، منوها و صفحات مختلف.
تجربه کاربری یا UX هم به این مربوط میشه که کاربر چقدر راحت میتونه با محصول کار کنه و به چیزی که میخواد برسه.
برای طراحی بهتر، میتونیم قبل از شروع کار نمونههای مختلفی رو بررسی کنیم. وبسایتهایی مثل Mobbin و Dribbble منابع خوبی برای دیدن طرحها و رابطهای کاربری هستن.
بعد از پیدا کردن نمونههای مناسب، میتونیم تصاویر اونها رو در اختیار هوش مصنوعی قرار بدیم و توضیح بدیم که چه سبکی از طراحی مدنظرمونه.
برای مثال، میتونیم یک تصویر از صفحه داشبورد یک نرمافزار رو به ابزار هوش مصنوعی بدیم و ازش بخوایم با توجه به امکانات پروژه خودمون، صفحهای با ساختار و سبک بصری مشابه طراحی کنه.
البته بهتره از تصاویر مرجع برای الهام گرفتن استفاده کنیم، نه اینکه انتظار داشته باشیم تمام جزئیات اونها بدون تغییر کپی بشن. طراحی نهایی باید با نیازهای محصول خودمون هماهنگ باشه!
در این مرحله فقط نباید به ظاهر صفحات توجه کنیم. حالتهای مختلف اجزای رابط کاربری هم اهمیت دارن. برای مثال:
وقتی کاربر روی یک دکمه کلیک میکنه چه اتفاقی میافته؟
هنگام دریافت اطلاعات، چه چیزی نمایش داده میشه؟
اگر اطلاعاتی وجود نداشته باشه، صفحه چه شکلیه؟
اگر مشکلی پیش بیاد، چطور به کاربر اطلاع میدیم؟
ظاهر صفحات در اندازههای مختلف صفحهنمایش چطوره؟
هرچقدر این موارد از ابتدا مشخصتر باشن، در زمان توسعه کمتر با تصمیمهای نامشخص روبهرو میشیم.
حالا که ایده، امکانات و طراحی محصول مشخص شده، میتونیم توسعه رو شروع کنیم.
ابزارهای مختلفی برای این کار وجود دارن که از بین اونها میتونیم به Codex، Claude Code و Cursor اشاره کنیم.
این ابزارها میتونن در بخشهای مختلف توسعه به ما کمک کنن؛ از ساخت صفحات و کامپوننتها گرفته تا نوشتن منطق برنامه، رفع خطاها و بهبود کدهای موجود.
انتخاب تکنولوژی هم به نوع محصولی که میسازیم بستگی داره. برای مثال، ممکنه برای یک وباپلیکیشن از React و Next.js استفاده کنیم یا برای یک برنامه موبایل سراغ React Native و Expo بریم.
نکته مهم اینه که بهتره تمام پروژه رو با یک دستور بزرگ به هوش مصنوعی نسپاریم. در عوض، کار رو به بخشهای کوچکتر تقسیم کنیم و هر مرحله رو جداگانه جلو ببریم.
برای مثال، اگه در حال ساخت یک نرمافزار مدیریت پروژه هستیم، میتونیم ابتدا ساختار اصلی صفحات رو پیادهسازی کنیم، بعد سراغ بخش مدیریت پروژهها بریم و در ادامه امکاناتی مثل ایجاد تسک، تعیین مسئول و تغییر وضعیت کارها رو اضافه کنیم.
این روش چند مزیت داره:
راحتتر میتونیم نتیجه هر مرحله رو بررسی کنیم.
پیدا کردن و رفع خطاها سادهتر میشه.
کنترل بیشتری روی تغییرات کد داریم.
احتمال اینکه هوش مصنوعی بخشهای نامرتبط پروژه رو تغییر بده کمتر میشه.
در طول توسعه هم بهتره کدهایی که هوش مصنوعی تولید میکنه رو بررسی کنیم. اینکه کد بدون خطا اجرا میشه، لزوماً به معنی درست بودن ساختار یا کیفیت اون نیست.
باید مطمئن بشیم کدها قابل فهم هستن، بخشهای مختلف پروژه بهدرستی با هم کار میکنن و در ادامه هم میتونیم بهراحتی اونها رو تغییر بدیم.
بسته به نوع محصولی که میسازیم، ممکنه به بخشهایی نیاز داشته باشیم که در پشت صحنه کار میکنن.
بکاند مسئول انجام کارهایی مثل پردازش اطلاعات، مدیریت کاربران، ذخیره دادهها و ارتباط بین بخشهای مختلف نرمافزاره.
برای مثال، فرض کنید یک نرمافزار مدیریت سفارش طراحی کردیم و میخوایم چند کاربر بتونن با حسابهای خودشون وارد بشن و اطلاعات سفارشها رو مشاهده یا ویرایش کنن. در چنین شرایطی به بخشی نیاز داریم که اطلاعات رو ذخیره کنه و دسترسی کاربران رو مدیریت کنه.
معمولاً در چنین پروژههایی به مواردی مثل اینها نیاز داریم:
دیتابیس برای ذخیره اطلاعات
سیستم ثبتنام و ورود کاربران
مدیریت دسترسی کاربران
ذخیره و مدیریت فایلها
ارتباط بین بخشهای مختلف نرمافزار
سیستم پرداخت، در صورت نیاز
البته همه پروژهها به بکاند نیاز ندارن. برای مثال، یک نرمافزار ساده که اطلاعات رو فقط روی دستگاه کاربر ذخیره میکنه، ممکنه بدون سرور و دیتابیس آنلاین هم بهخوبی کار کنه.
پس بهتره قبل از انتخاب زیرساخت، نیازهای واقعی پروژه رو مشخص کنیم. استفاده از امکانات بیشتر همیشه به معنی ساخت محصول بهتر نیست.
تو این مرحله هم میتونیم از ابزارهای هوش مصنوعی برای طراحی ساختار دیتابیس، نوشتن کدهای سمت سرور و پیادهسازی بخشهای مختلف کمک بگیریم.
بعد از اینکه محصول آماده شد و کاربران شروع به استفاده از اون کردن، بهتره بررسی کنیم که چطور با بخشهای مختلفش تعامل دارن.
برای این کار از Analytics یا تحلیل دادهها استفاده میکنیم.
به کمک این اطلاعات میتونیم بفهمیم کاربران بیشتر از چه امکاناتی استفاده میکنن، در کدوم بخشها با مشکل روبهرو میشن و چه تغییراتی میتونه تجربه استفاده از محصول رو بهتر کنه.
برای مثال، میتونیم اطلاعاتی مثل اینها رو بررسی کنیم:
تعداد کاربران فعال
تعداد ثبتنامها
امکاناتی که بیشتر استفاده میشن
بخشهایی که کاربران از اونها خارج میشن
تعداد کاربرانی که بعد از مدتی دوباره به محصول برمیگردن
یکی از معیارهای مهم در این بخش Retention یا نرخ بازگشت کاربره. این معیار نشون میده چه تعداد از افرادی که قبلاً از محصول استفاده کردن، دوباره به اون برمیگردن.
برای جمعآوری این اطلاعات میتونیم اتفاقات مهم داخل نرمافزار رو ثبت کنیم. برای مثال، زمانی که کاربر ثبتنام میکنه، یک سفارش ایجاد میکنه یا از یک قابلیت مشخص استفاده میکنه.
البته بهتره فقط اطلاعاتی رو جمعآوری کنیم که واقعاً برای بررسی و بهتر کردن محصول بهشون نیاز داریم و حریم خصوصی کاربران رو هم در نظر بگیریم.
قبل از انتشار، باید بخشهای مختلف محصول رو بررسی کنیم و مطمئن بشیم همه چیز درست کار میکنه.
تو این مرحله بهتره خودمون رو جای کاربر بذاریم و کارهای مختلفی که ممکنه با محصول انجام بده رو امتحان کنیم.
برای مثال:
آیا کاربر میتونه بدون مشکل ثبتنام کنه و وارد حسابش بشه؟
آیا اطلاعات بهدرستی ذخیره میشن؟
اگر اطلاعات اشتباه وارد بشه، پیام مناسبی نمایش داده میشه؟
اگر اینترنت قطع بشه، محصول چه رفتاری داره؟
آیا صفحات در اندازههای مختلف صفحهنمایش درست نمایش داده میشن؟
آیا امکانات اصلی دقیقاً همونطور که انتظار داریم کار میکنن؟
میتونیم از هوش مصنوعی بخوایم بخشهای مختلف کد رو بررسی کنه، برای قسمتهای مهم تست بنویسه و خطاهای احتمالی رو پیدا کنه. با این حال، بررسی و تست واقعی محصول همچنان ضروریه.
بعد از اینکه از عملکرد بخشهای اصلی مطمئن شدیم، میتونیم محصول رو منتشر کنیم.
اما کار اینجا تموم نمیشه. بهتره بعد از انتشار، بازخورد کاربران رو جمعآوری کنیم و ببینیم چه مشکلاتی وجود داره یا چه امکاناتی میتونن تجربه استفاده از محصول رو بهتر کنن.
گاهی ممکنه متوجه بشیم قابلیتی که زمان زیادی برای توسعه اون صرف کردیم، چندان مورد استفاده قرار نمیگیره. در مقابل، کاربران از یک امکان ساده استقبال میکنن که اصلاً انتظارش رو نداشتیم.
به همین دلیله که بعد از انتشار هم باید به بررسی و بهبود محصول ادامه بدیم.
ابزارهای هوش مصنوعی باعث شدن ساخت محصولات نرمافزاری سادهتر بشه. حالا میتونیم بسیاری از کارهایی رو که قبلاً زمان زیادی از ما میگرفتن، سریعتر انجام بدیم و با کمک این ابزارها ایدههامون رو به محصولات واقعی تبدیل کنیم.
برای این کار میتونیم مسیر زیر رو دنبال کنیم:
۱. پیدا کردن یک ایده و بررسی اینکه ارزش ساختن داره یا نه.
۲. مشخص کردن امکانات و نیازمندیهای پروژه در قالب یک سند PRD.
۳. آمادهسازی پروژه و نوشتن مستندات موردنیاز برای ابزارهای هوش مصنوعی.
۴. طراحی رابط کاربری و مشخص کردن ظاهر و نحوه کار بخشهای مختلف.
۵. توسعه امکانات اصلی با کمک ابزارهای هوش مصنوعی.
۶. راهاندازی بکاند و زیرساخت، در صورت نیاز.
۷. بررسی رفتار کاربران و پیدا کردن بخشهایی که به بهبود نیاز دارن.
۸. تست، انتشار و ادامه توسعه بر اساس بازخورد کاربران.
در نهایت، نباید فراموش کنیم که هوش مصنوعی قرار نیست تمام تصمیمها رو بهجای ما بگیره. این ابزارها میتونن سرعت کارمون رو بیشتر کنن، اما انتخاب ایده مناسب، شناخت نیاز کاربران و تصمیمگیری درباره مسیر محصول همچنان بر عهده خودمونه :)
امیدوارم این مقاله بهتون کمک کنه ایدههاتون رو راحتتر به محصول تبدیل کنید.
تا مقاله بعدی، بدرود 👋
دیدگاه و یا پرسش خود را برای ما ارسال کنید.
هنوز دیدگاه یا پرسشی ایجاد نشده است :/
تجربهها، دیدگاهها و نکات الهامبخشی که با شما به اشتراک میگذاریم.