ساخت وب‌سایت و استارتاپ با هوش مصنوعی · فول‌استک

دوره جامع ساخت وب‌سایت و استارتاپ با هوش مصنوعی

از اعتبارسنجی ایده و طراحی UI/UX تا معماری، فرانت‌اند، بک‌اند، دیتابیس، تست و انتشار یک محصول واقعی

در دوره جامع ساخت وب‌سایت و استارتاپ با هوش مصنوعی یاد می‌گیرید چگونه یک ایده را از اعتبارسنجی و تعریف MVP تا طراحی UI/UX، معماری، فرانت‌اند، بک‌اند، دیتابیس، تست و انتشار به یک وب‌اپلیکیشن واقعی تبدیل کنید.

نیازمند کدنویسی29 بخش29 پروژه
29
بخش آموزشی
29
پروژه کاربردی
Full
فول‌استک
نیاز به کدنویسی
دوره جامع ساخت وب‌سایت و استارتاپ با هوش مصنوعی
از ایده تا انتشارفرانت‌اند و بک‌اند واقعیپروژه‌محورهمراه با معماری، تست و امنیت
مسئله واقعی

ایده زیاد است؛ محصول واقعی کم

فقط پرسیدن از ChatGPT برای ساخت لندینگ کافی نیست. قبل از کدنویسی باید سؤالات درست بپرسید و محدودیت پرامپت‌محض را بشناسید.

سؤالات کلیدی ایده

این سؤال‌ها مسیر محصول را از همان ابتدا روشن می‌کنند:

  • مسئله واقعی کاربر چیست و برای چه کسی حل می‌شود؟
  • آیا این ایده ارزش ساختن به‌عنوان یک محصول دارد؟
  • حداقل قابلیت‌های یک MVP قابل‌انتشار کدام‌اند؟
  • چه فرضیاتی باید قبل از کدنویسی آزمایش شوند؟
  • رقبا چه کرده‌اند و تمایز شما چیست؟
  • جریان کاربر از ورود تا ارزش اصلی چگونه است؟
  • کدام بخش‌ها باید دستی بمانند و کدام خودکار شوند؟
  • مدل درآمد یا مسیر رشد اولیه چیست؟
  • چه ریسک‌های فنی و محصولی دارید؟
  • چه متریک‌هایی موفقیت MVP را نشان می‌دهند؟
  • آیا می‌توان نسخه اول را در چند هفته منتشر کرد؟
  • چه داده‌هایی باید ذخیره و محافظت شوند؟
  • چگونه با کمک AI سریع‌تر می‌سازید بدون از دست دادن کنترل؟

مشکل ساخت فقط با پرامپت

وقتی بدون معماری و کنترل فقط پرامپت می‌زنید، معمولاً این اتفاق‌ها می‌افتد:

  • فقط یک لندینگ زیبا بدون منطق کسب‌وکار می‌سازید
  • کد تولیدشده بدون معماری و استاندارد پخش می‌شود
  • احراز هویت، دیتابیس و امنیت نادیده گرفته می‌شوند
  • خطاها را نمی‌فهمید و نمی‌توانید رفع کنید
  • محصول قابل نگهداری و مقیاس‌پذیر نیست
  • تست، استقرار و مانیتورینگ وجود ندارد
  • وابستگی کور به خروجی مدل بدون بازبینی انسانی
پایپ‌لاین محصول

مسیر ساخت محصول از ایده تا انتشار

هر مرحله یک تصمیم روشن دارد؛ نه پرش مستقیم از پرامپت به کد درهم.

1کشف مسئله و کاربر هدف
2اعتبارسنجی ایده و فرضیات
3تعریف ارزش پیشنهادی
4ترسیم جریان کاربر
5تعیین محدوده MVP
6طراحی UI/UX با AI
7ساخت سیستم طراحی
8انتخاب معماری و استک
9مدل‌سازی داده
10طراحی API
11راه‌اندازی پروژه
12پیاده‌سازی فرانت‌اند
13پیاده‌سازی بک‌اند
14احراز هویت و دسترسی
15ساخت پنل مدیریت
16اتصال پرداخت و سرویس‌ها
17تست و کنترل کیفیت
18امنیت و عملکرد
19استقرار و انتشار
20مانیتورینگ و بهبود مستمر
محصول واقعی

لندینگ زیبا کافی نیست؛ محصول لازم است

یک صفحه معرفی ممکن است توجه جلب کند، اما محصول واقعی معماری، داده، دسترسی و عملیات می‌خواهد.

لندینگ فقط با پرامپت

  • فقط یک لندینگ زیبا بدون منطق کسب‌وکار می‌سازید
  • کد تولیدشده بدون معماری و استاندارد پخش می‌شود
  • احراز هویت، دیتابیس و امنیت نادیده گرفته می‌شوند
  • خطاها را نمی‌فهمید و نمی‌توانید رفع کنید
  • محصول قابل نگهداری و مقیاس‌پذیر نیست

نیازهای محصول واقعی

  • معماری روشن فرانت‌اند و بک‌اند
  • مدل داده و دیتابیس قابل اعتماد
  • API پایدار و مستند
  • احراز هویت و سطوح دسترسی
  • پنل مدیریت برای عملیات
  • مدیریت خطا و لاگ
  • تست‌های حداقلی اما واقعی
  • استقرار تکرارپذیر
  • امنیت داده و کلیدها
  • قابلیت توسعه پس از انتشار
کدنویسی کنترل‌شده

AI Coding با کنترل — نه vibe coding

مدل می‌تواند سریع کد بنویسد؛ شما باید محدوده، بازبینی و کیفیت را نگه دارید.

تعریف نقش، محدودیت و خروجی موردانتظار برای مدل
شکستن کار به تسک‌های کوچک و قابل بررسی
بازبینی کد قبل از پذیرش هر تغییر
نوشتن تست برای مسیرهای حیاتی
جلوگیری از بازنویسی بی‌هدف کل پروژه
استفاده از Cursor و ایجنت‌ها با مرز مشخص
ثبت تصمیم‌های معماری و محدودیت‌ها
تفکیک تولید کد، بازبینی و ادغام
چرا الان

چرا همین حالا باید این مهارت را یاد بگیرید؟

پنجره ساخت سریع MVP باز است؛ اما بدون کنترل، بدهی فنی هم سریع‌تر ساخته می‌شود.

ابزارهای AI Coding سرعت ساخت MVP را چندبرابر کرده‌اند

رقابت استارتاپ‌ها روی سرعت انتشار نسخه اول است

لندینگ به‌تنهایی دیگر کافی نیست؛ محصول واقعی لازم است

ایجنت‌های کدنویسی بدون کنترل انسانی بدهی فنی می‌سازند

مهارت فول‌استک + AI یک مزیت شغلی و کارآفرینی است

الان می‌توانید ایده را در هفته‌ها — نه ماه‌ها — به محصول برسانید

خروجی‌های دوره

در پایان دوره چه توانایی‌هایی به دست می‌آورید؟

پس از مشاهده دوره و انجام پروژه‌ها، می‌توانید ایده را به یک MVP فول‌استک منتشرشده تبدیل کنید.

نقش هوش مصنوعی را در توسعه وب مشخص کنید و محدودیت‌های آن را بشناسید
ایده محصول را بررسی، اعتبارسنجی و به مسئله روشن تبدیل کنید
محدوده MVP را تعریف و از Scope Creep جلوگیری کنید
سند محصول (PRD) کامل با User Story و Acceptance Criteria بنویسید
Sitemap و User Flow صفحات عمومی، کاربری و مدیریتی را طراحی کنید
اصول UI/UX را برای رابط کاربری حرفه‌ای و RTL به‌کار ببرید
Design System و UI Kit پروژه را بسازید
معماری فنی متناسب با MVP را طراحی و ثبت کنید
مدل داده، ERD و Migration را طراحی کنید
قرارداد REST API را قبل از پیاده‌سازی مشخص کنید
Repository، Git، Lint و اسکلت فنی پروژه را راه‌اندازی کنید
بسته Context برای Coding Agent بسازید و Taskها را کنترل‌شده اجرا کنید
فرانت‌اند MVP را براساس Wireframe و Design System پیاده‌سازی کنید
APIها و منطق بک‌اند قابلیت‌های اصلی را بسازید
سیستم ثبت‌نام، ورود، نقش و دسترسی را پیاده‌سازی کنید
جریان کامل از رابط کاربری تا API و دیتابیس را یکپارچه کنید
امکانات عملیاتی مانند پنل، جست‌وجو، فایل و گزارش را تکمیل کنید
جریان خرید، پرداخت یا اشتراک را طراحی و پیاده‌سازی کنید
در صورت نیاز، یک قابلیت هوشمند واقعی داخل محصول اضافه کنید
مجموعه تست برای مسیرهای اصلی بسازید و کیفیت تست را بررسی کنید
خطاها را مرحله‌ای Debug کرده و Root Cause را ثبت کنید
کد را Review و با Refactoring امن بهبود دهید
امنیت مسیرهای حساس، API و تنظیمات را ممیزی کنید
عملکرد یکی از جریان‌های اصلی را اندازه‌گیری و بهینه کنید
صفحات عمومی را از نظر سئو فنی و دسترس‌پذیری آماده کنید
فرانت‌اند، بک‌اند و دیتابیس را روی دامنه واقعی منتشر کنید
مانیتورینگ، لاگ و نگهداری پس از انتشار را راه‌اندازی کنید
برنامه انتشار اولیه و ورود به بازار را طراحی کنید
بازخورد کاربران را به نقشه راه نسخه دوم تبدیل کنید
مخاطبان دوره

این دوره برای چه کسانی مناسب است؟

برای کسانی که پایه برنامه‌نویسی دارند و می‌خواهند با AI Coding کنترل‌شده، محصول وب واقعی بسازند.

برنامه‌نویسان مبتدی و متوسط

اگر پایه برنامه‌نویسی دارید، مسیر ساخت یک وب‌اپلیکیشن واقعی را از ایده تا انتشار با کمک Coding Agentها یاد می‌گیرید.

توسعه‌دهندگان فرانت‌اند

مهارت خود را به بک‌اند، دیتابیس، معماری و انتشار گسترش می‌دهید و محصول کامل می‌سازید.

توسعه‌دهندگان بک‌اند

فرانت‌اند، UI/UX، Design System و تجربه کاربر را با سرعت AI تکمیل کرده و فول‌استک‌تر کار می‌کنید.

برنامه‌نویسان فول‌استک

فرایند ساخت MVP استارتاپ را با استاندارد معماری، تست، امنیت و ورود به بازار منسجم‌تر اجرا می‌کنید.

بنیان‌گذاران فنی استارتاپ‌ها

نسخه اول محصول را با کمترین بدهی فنی و بیشترین کنترل روی خروجی AI به بازار می‌رسانید.

صاحبان ایده با دانش برنامه‌نویسی

ایده خود را از اعتبارسنجی و PRD تا پیاده‌سازی و انتشار به یک وب‌اپلیکیشن واقعی تبدیل می‌کنید.

فریلنسرهای طراحی و توسعه وب

پروژه‌های مشتری را سریع‌تر، منظم‌تر و با کیفیت بالاتر با Coding Agent و فرایند حرفه‌ای تحویل می‌دهید.

مدیران فنی و رهبران تیم

نقش AI در توسعه، مرز نظارت انسانی، Code Review و Workflow امن تیم را برای پروژه‌های واقعی طراحی می‌کنید.

مدیران محصول فنی

با تعریف MVP، PRD، User Flow و تبدیل بازخورد به نقشه راه، هماهنگی محصول و توسعه را عملی‌تر می‌کنید.

پیش‌نیاز دوره

  • آشنایی مقدماتی با مفاهیم برنامه‌نویسی وب
  • آشنایی کلی با HTML، CSS و JavaScript
  • توانایی کار با ترمینال، Git و ویرایشگر کد
  • آشنایی مقدماتی با ChatGPT یا ابزارهای مشابه
  • آمادگی برای انجام پروژه‌های عملی در طول دوره
  • آشنایی با اصول پرامپت‌نویسی توصیه می‌شود (دوره مهندسی پرامپت تنسوا)
  • آشنایی با اصول پرامپت‌نویسی توصیه می‌شود (دوره مهندسی پرامپت تنسوا)

این دوره برای چه کسانی مناسب نیست؟

  • می‌خواهید بدون هیچ دانش برنامه‌نویسی فقط با پرامپت سایت بسازید
  • به‌دنبال آموزش HTML، CSS یا JavaScript از صفر هستید
  • فقط می‌خواهید یک لندینگ تزئینی بدون بک‌اند و دیتابیس داشته باشید
  • انتظار دارید Coding Agent بدون نظارت شما کل محصول را بی‌نقص بسازد
  • نمی‌خواهید تمرین‌ها، بازبینی کد و پروژه‌های عملی را انجام دهید
  • به‌دنبال دوره تخصصی طراحی گرافیک یا برندینگ هستید
  • قصد یادگیری Machine Learning یا آموزش مدل از صفر دارید
  • می‌خواهید بدون تعریف MVP و سند محصول مستقیم کدنویسی را شروع کنید

اگر هنوز با اصول پرامپت‌نویسی آشنا نیستید، دوره مهندسی پرامپت تنسوا نقطه شروع بهتری است.

پروژه‌های دوره

یادگیری از دل پروژه‌های واقعی

در طول دوره 29 پروژه کاربردی انجام می‌دهید؛ از اعتبارسنجی ایده تا MVP منتشرشده.

طراحی UI و سیستم طراحی محصول

از وایرفریم تا کامپوننت‌های یکپارچه با کمک AI و آماده پیاده‌سازی.

API، Auth و دیتابیس واقعی

هسته بک‌اند محصول با احراز هویت، مدل داده و قرارداد API پایدار.

پنل مدیریت عملیاتی

لیست، فیلتر، CRUD امن و کنترل دسترسی برای عملیات روزمره.

MVP منتشرشده استارتاپ

محصول یکپارچه از لندینگ تا استقرار، تست و دمو نهایی.

سرفصل دوره

مسیر کامل ساخت وب‌سایت با هوش مصنوعی

29 بخش از اعتبارسنجی ایده تا انتشار؛ همراه با 29 پروژه کاربردی.

در ابتدای دوره مشخص می‌کنیم AI در کدام بخش‌های توسعه نرم‌افزار مفید است و در کدام تصمیم‌ها نباید بدون نظارت به آن اعتماد کرد.

  • AI Coding چیست؟
  • تفاوت تکمیل خودکار، Chat Assistant و Coding Agent
  • تفاوت تولید کد و مهندسی نرم‌افزار
  • توانایی‌ها و محدودیت‌های Coding Agentها
  • خطاهای رایج کد تولیدشده
  • استفاده از AI برای پروژه جدید
  • استفاده از AI در پروژه موجود
  • نقش توسعه‌دهنده در عصر AI
  • تقسیم وظیفه میان انسان و Agent
  • انتخاب مدل مناسب برای هر Task
  • مدیریت هزینه و Context
  • بررسی تغییرات قبل از پذیرش
  • خطر اجرای خودکار فرمان‌ها
  • طراحی Workflow امن توسعه
پروژه: ساخت نقشه استفاده از AI در فرایند توسعه

قبل از شروع کدنویسی باید بدانیم چه چیزی را برای چه کسی می‌سازیم.

  • تفاوت ایده و مسئله
  • تعریف مشکل کاربر
  • شناسایی مخاطب اولیه
  • بررسی راه‌حل‌های موجود
  • تحلیل رقبا
  • تعریف مزیت محصول
  • ساخت فرضیه‌های اولیه
  • شناسایی ریسک‌های ایده
  • استفاده از AI برای تحقیقات اولیه
  • ساخت پرسش‌نامه و مصاحبه
  • تحلیل بازخوردهای اولیه
  • خطر اعتبارسنجی مصنوعی با AI
  • تصمیم برای ادامه، تغییر یا توقف ایده
پروژه: تبدیل یک ایده خام به صورت مسئله

MVP کوچک‌ترین محصول بی‌کیفیت نیست. MVP نسخه‌ای است که بتواند مهم‌ترین فرضیه محصول را با کمترین پیچیدگی آزمایش کند.

  • MVP چیست؟
  • تفاوت Prototype، MVP و محصول کامل
  • تعریف ارزش اصلی
  • تشخیص قابلیت ضروری
  • حذف قابلیت‌های اضافی
  • اولویت‌بندی امکانات
  • روش MoSCoW
  • Value و Complexity
  • شناسایی وابستگی‌ها
  • تعریف محدودیت زمانی
  • طراحی نسخه اول
  • تعیین معیار موفقیت
  • برنامه نسخه‌های بعدی
  • جلوگیری از Scope Creep
پروژه: طراحی محدوده MVP

بدون سند مشخص، AI ممکن است در هر مرحله برداشت متفاوتی از پروژه داشته باشد.

  • PRD چیست؟
  • هدف محصول
  • کاربران محصول
  • مسئله اصلی
  • قابلیت‌های اصلی
  • محدودیت‌ها
  • قوانین کسب‌وکار
  • User Story
  • Acceptance Criteria
  • سناریوهای موفق
  • سناریوهای خطا
  • Edge Case
  • Non-functional Requirements
  • نیازهای امنیتی
  • نیازهای عملکردی
  • تعریف خارج از محدوده
  • نسخه‌بندی مستندات
پروژه: ساخت PRD کامل پروژه نهایی

قبل از طراحی ظاهر صفحات، باید مسیر حرکت کاربر مشخص شود.

  • ساختار اطلاعات
  • Sitemap
  • صفحات عمومی
  • صفحات کاربری
  • صفحات مدیریتی
  • Navigation
  • مسیر ثبت‌نام
  • مسیر ورود
  • مسیر خرید
  • مسیر انجام وظیفه اصلی
  • Empty State
  • Error State
  • Success State
  • طراحی Onboarding
  • جلوگیری از مسیرهای پیچیده
  • تحلیل User Flow با AI
پروژه: طراحی نقشه صفحات و مسیرهای کاربر

این دوره، دوره تخصصی طراحی گرافیک نیست؛ اما اصولی را آموزش می‌دهد که برای ساخت رابط کاربری حرفه‌ای ضروری هستند.

  • تفاوت UI و UX
  • سلسله‌مراتب بصری
  • فاصله‌گذاری
  • Grid
  • Typography
  • رنگ
  • Contrast
  • دکمه‌ها
  • فرم‌ها
  • جدول‌ها
  • کارت‌ها
  • Navigation
  • Dashboard
  • Mobile First
  • طراحی واکنش‌گرا
  • دسترس‌پذیری
  • حالت Loading
  • حالت خالی
  • پیام خطا
  • بازخورد عملیات
  • طراحی برای زبان فارسی و RTL
  • استفاده از AI برای نقد طراحی
پروژه: ساخت Wireframe صفحات اصلی

اگر هر صفحه با تصمیمی متفاوت ساخته شود، محصول خیلی زود نامنظم خواهد شد.

  • Design Token
  • رنگ‌های اصلی و فرعی
  • مقیاس فاصله
  • Typography Scale
  • Radius
  • Shadow
  • Icon
  • Button Variant
  • Form Control
  • Component State
  • Responsive Rule
  • Naming Convention
  • Component Documentation
  • الگوهای تکرارشونده
  • طراحی کامپوننت‌های RTL
  • انتقال Design System به AI
پروژه: ساخت UI Kit پروژه

در این بخش تصمیم می‌گیریم سیستم از چه اجزایی تشکیل شود و مسئولیت هر بخش چیست.

  • معماری نرم‌افزار چیست؟
  • معماری Monolith
  • Modular Monolith
  • Microservice
  • انتخاب معماری متناسب با MVP
  • جداسازی Frontend و Backend
  • Server-side و Client-side
  • لایه‌های سیستم
  • Domain
  • Application
  • Infrastructure
  • Module Boundary
  • Dependency
  • Shared Code
  • مدیریت Configuration
  • مدیریت Environment
  • معماری ساده در برابر پیچیدگی زودهنگام
  • ثبت Architecture Decision
پروژه: طراحی معماری پروژه نهایی

دیتابیس فقط مجموعه‌ای از جدول‌ها نیست و باید براساس نیاز واقعی محصول طراحی شود.

  • تبدیل مفهوم کسب‌وکار به Entity
  • جدول و ستون
  • Primary Key
  • Foreign Key
  • ارتباط یک‌به‌یک
  • ارتباط یک‌به‌چند
  • ارتباط چندبه‌چند
  • Normalization
  • انتخاب نوع داده
  • وضعیت‌ها
  • تاریخچه تغییرات
  • Soft Delete
  • Audit Field
  • Index
  • Unique Constraint
  • Migration
  • Seed Data
  • جلوگیری از طراحی پیشنهادی اشتباه AI
  • مستندسازی مدل داده
پروژه: ساخت ERD و مدل داده پروژه

API قرارداد ارتباط میان فرانت‌اند و بک‌اند است.

  • REST API
  • Resource
  • Endpoint
  • HTTP Method
  • Request
  • Response
  • Status Code
  • DTO
  • Validation
  • Pagination
  • Filter
  • Sort
  • Search
  • Error Format
  • Versioning
  • Idempotency
  • API Documentation
  • طراحی قرارداد قبل از پیاده‌سازی
  • هماهنگی Frontend و Backend
  • تولید Client از قرارداد API
پروژه: طراحی قرارداد API پروژه

Repository، ساختار پوشه‌ها، تنظیمات و محیط توسعه آماده می‌شوند.

  • ساخت Repository
  • انتخاب ساختار پروژه
  • Monorepo یا Repository جدا
  • Branch Strategy
  • Commit مناسب
  • Pull Request
  • Code Review
  • فایل‌های Environment
  • مدیریت Secret
  • Ignore File
  • نصب Packageها
  • Lock File
  • Scriptهای پروژه
  • تنظیم Lint و Format
  • مستندات اجرای پروژه
  • بازگشت از تغییر اشتباه AI
پروژه: ساخت اسکلت فنی پروژه

کیفیت کد تولیدشده فقط به مدل وابسته نیست؛ Agent باید پروژه را درست بشناسد.

  • Context پروژه چیست؟
  • فایل‌های مرجع
  • PRD
  • Architecture Document
  • Coding Convention
  • Design Rule
  • API Contract
  • Database Schema
  • Definition of Done
  • Agent Rules
  • انتخاب فایل‌های مرتبط
  • جلوگیری از Context بیش‌ازحد
  • شکستن Task بزرگ
  • Prompt برای Plan
  • Prompt برای Implementation
  • Prompt برای Review
  • Prompt برای Debug
  • ثبت تصمیم‌ها
  • به‌روزرسانی Context پس از تغییر
پروژه: ساخت بسته Context پروژه

صفحات اصلی پروژه براساس Wireframe و Design System ساخته می‌شوند.

  • ساخت Layout
  • Routing
  • صفحات عمومی
  • صفحات Authentication
  • Dashboard
  • Component Architecture
  • Component Composition
  • State
  • Server State
  • فرم‌ها
  • Validation
  • Table
  • Search و Filter
  • Pagination
  • Loading State
  • Error Handling
  • Empty State
  • Responsive Design
  • RTL
  • اتصال به Design System
  • جلوگیری از کامپوننت‌های بزرگ
  • بازبینی کد Frontend توسط AI
پروژه: پیاده‌سازی رابط کاربری MVP

قابلیت‌های اصلی MVP در Backend پیاده‌سازی می‌شوند.

  • ساخت Module
  • Controller
  • Service
  • Repository
  • DTO
  • Validation
  • Business Rule
  • Error Handling
  • Configuration
  • Logging
  • Dependency Injection
  • ارتباط با دیتابیس
  • Transaction
  • Pagination
  • Filter
  • Search
  • مدیریت عملیات هم‌زمان
  • جلوگیری از منطق پراکنده
  • بازبینی ساختار Backend توسط AI
پروژه: ساخت APIهای اصلی محصول

ثبت‌نام، ورود، بازیابی حساب، نقش و دسترسی پیاده‌سازی می‌شوند.

  • ثبت‌نام
  • ورود
  • رمز عبور امن
  • Hash
  • Token
  • Session
  • Refresh Token
  • خروج
  • بازیابی رمز
  • تأیید ایمیل یا موبایل
  • Role
  • Permission
  • Authorization
  • محافظت از Route
  • محافظت از API
  • محدودسازی درخواست
  • مدیریت نشست‌ها
  • عملیات حساس
  • خطاهای رایج کد تولیدشده در Authentication
پروژه: ساخت سیستم کاربران و نقش‌ها

یک فرایند واقعی از رابط کاربری تا API و دیتابیس به‌صورت کامل اجرا می‌شود.

  • API Client
  • مدیریت Base URL
  • ارسال Token
  • مدیریت خطا
  • نمایش Loading
  • Cache
  • Refetch
  • Optimistic Update
  • مدیریت فرم
  • هماهنگی Typeها
  • تبدیل Response
  • مدیریت خطای Validation
  • Retry
  • جلوگیری از درخواست تکراری
  • هماهنگی State رابط کاربری با Server
پروژه: تکمیل جریان اصلی محصول

در این بخش تعدادی از امکاناتی را پیاده‌سازی می‌کنیم که در بسیاری از محصولات واقعی وجود دارند.

  • پنل مدیریت
  • جست‌وجو
  • فیلتر
  • مرتب‌سازی
  • Pagination
  • بارگذاری فایل
  • مدیریت تصویر
  • ایمیل
  • اعلان
  • تنظیمات کاربر
  • Profile
  • گزارش فعالیت
  • Audit Log
  • خروجی Excel یا CSV
  • Import داده
  • Feature Flag
  • تنظیمات سیستم
  • صفحات خطا
  • مدیریت محتوای ساده
پروژه: تکمیل امکانات عملیاتی محصول

این بخش آموزش جامع کسب‌وکار یا حسابداری نیست؛ اما اتصال مدل درآمدی به محصول را پوشش می‌دهد.

  • مدل فروش یک‌باره
  • اشتراک
  • پلن رایگان و پولی
  • محدودیت استفاده
  • Trial
  • Coupon
  • Order
  • Payment
  • Transaction
  • Callback
  • تأیید پرداخت
  • جلوگیری از ثبت تکراری
  • Invoice
  • لغو اشتراک
  • طراحی صفحه قیمت‌گذاری
  • هماهنگی Backend و درگاه
  • مدیریت خطاهای پرداخت
پروژه: طراحی و پیاده‌سازی جریان خرید

اگر ایده محصول نیاز داشته باشد، می‌توان یک قابلیت هوشمند واقعی نیز به آن اضافه کرد.

  • انتخاب قابلیت AI مناسب
  • تفاوت قابلیت واقعی و تزئینی
  • اتصال به مدل
  • طراحی Prompt
  • Structured Output
  • مدیریت Context
  • ذخیره تاریخچه
  • محدودیت استفاده
  • مدیریت هزینه
  • Streaming
  • Error Handling
  • Retry و Fallback
  • ثبت Token Usage
  • امنیت Prompt
  • جلوگیری از افشای اطلاعات
  • ارزیابی کیفیت خروجی
پروژه: ساخت یک قابلیت هوشمند داخل محصول

AI می‌تواند تست تولید کند، اما تست تولیدشده نیز باید بررسی شود.

  • Test Strategy
  • Unit Test
  • Integration Test
  • API Test
  • Component Test
  • End-to-End Test
  • Test Case
  • Happy Path
  • Error Path
  • Edge Case
  • Mock
  • Test Data
  • Regression Test
  • تولید تست با AI
  • بررسی کیفیت تست
  • Test Coverage
  • جلوگیری از تست‌های بی‌ارزش
پروژه: ساخت مجموعه تست قابلیت‌های اصلی

مشکلات عمدی در پروژه ایجاد و با روش مرحله‌ای شناسایی و اصلاح می‌شوند.

  • بازتولید خطا
  • خواندن Error Message
  • Stack Trace
  • بررسی Log
  • تشخیص Frontend یا Backend
  • ساخت فرضیه
  • کاهش محدوده جست‌وجو
  • استفاده از Git Diff
  • ارائه Context خطا به AI
  • جلوگیری از اصلاح حدسی
  • Root Cause Analysis
  • ثبت راه‌حل
  • ساخت Regression Test
  • خطاهای محیط توسعه و Production
پروژه: رفع مجموعه‌ای از خطاهای واقعی

کد از نظر ساختار، تست، امنیت و قابلیت نگهداری بررسی و اصلاح می‌شود.

  • Code Review چیست؟
  • بررسی صحت
  • بررسی خوانایی
  • بررسی امنیت
  • بررسی عملکرد
  • بررسی تکرار
  • بررسی مسئولیت‌ها
  • بررسی Naming
  • تشخیص Code Smell
  • Refactoring امن
  • شکستن فایل‌های بزرگ
  • حذف کد مرده
  • بهبود Type Safety
  • بررسی Dependency
  • تولید Review با AI
  • تشخیص پیشنهادهای اشتباه AI
  • Refactor همراه با تست
پروژه: بازبینی و بهبود یک ماژول کامل

مسیرهای حساس، APIها، فایل‌ها، نقش‌ها و تنظیمات پروژه ممیزی می‌شوند.

  • اعتبارسنجی ورودی
  • Authentication و Authorization
  • مدیریت Secret
  • SQL Injection
  • XSS
  • CSRF
  • Rate Limiting
  • Upload Security
  • دسترسی به فایل‌ها
  • Error Leakage
  • Logging اطلاعات حساس
  • مدیریت Dependency
  • تنظیم CORS
  • Security Header
  • دسترسی حداقلی دیتابیس
  • Audit Log
  • بررسی امنیتی کد تولیدشده
  • چک‌لیست انتشار امن
پروژه: بررسی امنیت پروژه

نسخه قبل و بعد از نظر زمان پاسخ، Query و تجربه کاربر مقایسه می‌شوند.

  • اندازه‌گیری قبل از بهینه‌سازی
  • Performance Frontend
  • حجم Bundle
  • Lazy Loading
  • Image Optimization
  • Cache
  • Database Query
  • Index
  • N+1 Query
  • Pagination
  • Connection
  • Background Task
  • Rate Limit
  • Bottleneck
  • Load Test مقدماتی
  • مقیاس‌پذیری MVP
  • جلوگیری از معماری بیش‌ازحد پیچیده
پروژه: بهینه‌سازی یکی از جریان‌های اصلی

صفحه اصلی، معرفی محصول و صفحات محتوایی از نظر سئو و دسترس‌پذیری بررسی می‌شوند.

  • ساختار عنوان‌ها
  • Title و Meta Description
  • URL
  • Internal Link
  • Canonical
  • Sitemap
  • Robots
  • Structured Data
  • Open Graph
  • Semantic HTML
  • Alt Text
  • Keyboard Navigation
  • Contrast
  • Label فرم
  • Performance
  • صفحات قابل ایندکس
  • صفحات خصوصی
  • Error Page
  • بررسی فنی صفحات با AI
پروژه: آماده‌سازی صفحات عمومی برای انتشار

فرانت‌اند، بک‌اند و دیتابیس منتشر و از طریق دامنه واقعی در دسترس قرار می‌گیرند.

  • تفاوت Development و Production
  • Build
  • Environment Variable
  • انتخاب سرویس میزبانی
  • استقرار Frontend
  • استقرار Backend
  • استقرار دیتابیس
  • Domain
  • DNS
  • SSL
  • Migration
  • Seed
  • CORS
  • Storage
  • Email
  • Health Check
  • Log
  • Rollback
  • Backup
  • چک‌لیست انتشار
پروژه: انتشار کامل پروژه روی اینترنت

خطاها، وضعیت سرویس و رویدادهای مهم پروژه قابل بررسی می‌شوند.

  • ثبت خطا
  • Application Log
  • Error Tracking
  • Uptime
  • Health Monitoring
  • Performance Monitoring
  • ثبت رفتارهای مهم
  • Backup
  • بازیابی
  • مدیریت Incident
  • Dependency Update
  • Security Update
  • Feature Flag
  • نگهداری مستندات
  • استفاده از AI برای تحلیل خطاهای Production
پروژه: ساخت داشبورد سلامت محصول

ساخت محصول پایان مسیر نیست. MVP باید وارد دست کاربران واقعی شود تا فرضیه‌های محصول بررسی شوند.

  • انتخاب کاربران اولیه
  • ساخت Landing Page
  • پیام اصلی محصول
  • معرفی مزیت
  • طراحی CTA
  • ثبت‌نام کاربران اولیه
  • Onboarding
  • جمع‌آوری Feedback
  • تحلیل رفتار کاربر
  • تعریف Event
  • شاخص فعال‌سازی
  • شاخص استفاده
  • تشخیص قابلیت بلااستفاده
  • مصاحبه بعد از استفاده
  • اولویت‌بندی تغییرات
  • جلوگیری از ساخت براساس نظر یک کاربر
پروژه: طراحی برنامه انتشار اولیه

بازخوردهای فرضی یا واقعی تحلیل و برنامه توسعه بعدی محصول تهیه می‌شود.

  • Bug یا Feature
  • نیاز واقعی یا درخواست موردی
  • دسته‌بندی بازخورد
  • تحلیل شدت و فراوانی
  • تأثیر بر هدف محصول
  • اولویت‌بندی
  • Roadmap
  • Release Plan
  • Technical Debt
  • Refactor
  • تصمیم ادامه یا Pivot
  • مستندسازی تغییرات
  • آماده‌سازی Context نسخه بعد
  • استفاده از AI برای تحلیل بازخوردها
پروژه: ساخت نقشه راه نسخه دوم
پروژه نهایی

MVP استارتاپ از ایده تا انتشار

در پایان فقط چند صفحه UI ندارید؛ یک محصول یکپارچه با Auth، API، پنل، تست و استقرار خواهید داشت.

قابلیت‌های پروژه نهایی

صفحه اصلی و معرفی محصول
صفحات ثبت‌نام و ورود
حساب کاربری
Dashboard
نقش و سطح دسترسی
پنل مدیریت
دیتابیس واقعی
APIهای Backend
فرم و Validation
جست‌وجو و فیلتر
مدیریت اطلاعات اصلی محصول
بارگذاری فایل یا تصویر
اعلان یا ایمیل
گزارش فعالیت
تنظیمات کاربر
مدل درآمدی یا پلن‌ها
جریان پرداخت نمونه
قابلیت هوش مصنوعی متناسب با محصول
تست
ثبت خطا
امنیت
سئو صفحات عمومی
انتشار روی دامنه واقعی

مراحل اجرا

1انتخاب ایده و تعریف مسئله
2بررسی بازار، رقبا و مخاطب
3تعیین MVP و نوشتن PRD
4طراحی Sitemap و User Flow
5ساخت Wireframe و Design System
6طراحی معماری، دیتابیس و API
7راه‌اندازی Repository و Context برای Agent
8پیاده‌سازی فرانت‌اند و بک‌اند
9اتصال دیتابیس و احراز هویت
10تکمیل جریان‌های اصلی و پنل مدیریت
11افزودن قابلیت AI
12نوشتن تست، رفع خطا و بررسی امنیت
13بهینه‌سازی و انتشار
14مانیتورینگ، ورود به بازار و نقشه راه نسخه دوم
فهرست پروژه‌ها

همه پروژه‌های دوره

از تحلیل ایده تا مستندسازی و انتشار؛ هر بخش یک خروجی عملی دارد.

ساخت نقشه استفاده از AI در فرایند توسعهتبدیل یک ایده خام به صورت مسئلهطراحی محدوده MVPساخت PRD کامل پروژه نهاییطراحی نقشه صفحات و مسیرهای کاربرساخت Wireframe صفحات اصلیساخت UI Kit پروژهطراحی معماری پروژه نهاییساخت ERD و مدل داده پروژهطراحی قرارداد API پروژهساخت اسکلت فنی پروژهساخت بسته Context پروژهپیاده‌سازی رابط کاربری MVPساخت APIهای اصلی محصولساخت سیستم کاربران و نقش‌هاتکمیل جریان اصلی محصولتکمیل امکانات عملیاتی محصولطراحی و پیاده‌سازی جریان خریدساخت یک قابلیت هوشمند داخل محصولساخت مجموعه تست قابلیت‌های اصلیرفع مجموعه‌ای از خطاهای واقعیبازبینی و بهبود یک ماژول کاملبررسی امنیت پروژهبهینه‌سازی یکی از جریان‌های اصلیآماده‌سازی صفحات عمومی برای انتشارانتشار کامل پروژه روی اینترنتساخت داشبورد سلامت محصولطراحی برنامه انتشار اولیهساخت نقشه راه نسخه دوم
ابزارها و استک

تکنولوژی محصول + ابزارهای AI Coding

تمرکز روی اصول قابل انتقال است؛ فهرست دقیق ابزارها متناسب با زمان ضبط به‌روزرسانی می‌شود.

Tech Stack

HTML، CSS و JavaScript مدرن
TypeScript
React / Next.js
Node.js و API
دیتابیس رابطه‌ای
احراز هویت و Session/JWT
Git و GitHub
ابزارهای استقرار ابری

ابزارهای AI

ChatGPT برای تحلیل، طراحی و تولید کد
Cursor و ایجنت‌های کدنویسی
Claude و Gemini برای بازبینی و ایده‌پردازی
ابزارهای طراحی UI با کمک AI
پرامپت‌های تخصصی معماری و دیباگ
تفاوت این دوره

این دوره چه تفاوتی دارد؟

تمرکز روی ساخت محصول واقعی با AI کنترل‌شده — نه فقط لندینگ پرامپتی.

فقط ساخت لندینگ با پرامپت نیست

تمرکز روی محصول واقعی با معماری، بک‌اند، دیتابیس، تست و انتشار است.

vibe coding بدون کنترل نیست

بازبینی کد، تست، امنیت و مرزبندی تسک‌ها بخش اصلی آموزش است.

از ایده تا انتشار کامل

اعتبارسنجی، UI/UX، پیاده‌سازی و استقرار در یک مسیر منسجم پوشش داده می‌شود.

فول‌استک پروژه‌محور

هر بخش با تمرین عملی همراه است و به پروژه نهایی ختم می‌شود.

ابزارمحور اما اصول‌محور

Cursor و ChatGPT ابزارند؛ مهارت اصلی تصمیم‌گیری، معماری و کنترل کیفیت است.

آماده ساخت SaaS و استارتاپ

پنل، Auth، پرداخت و الگوهای محصول نرم‌افزاری در دوره تمرین می‌شوند.

چرا تنسوا

چرا این دوره را در تنسوا یاد بگیرید؟

محصول واقعی، AI Coding کنترل‌شده، و مسیر کامل از ایده تا انتشار.

تمرکز روی محصول واقعی

مثال‌ها حول ساخت MVP استارتاپ طراحی شده‌اند، نه دموهای تزئینی.

ترکیب AI Coding و مهندسی نرم‌افزار

سرعت مدل با استانداردهای معماری، امنیت و نگهداری متعادل می‌شود.

مسیر کامل ایده تا انتشار

از اعتبارسنجی تا مانیتورینگ پس از لانچ را در یک دوره می‌بینید.

پروژه‌محور و قابل ارائه

خروجی‌ها برای رزومه، جذب کاربر اولیه یا ارائه به سرمایه‌گذار قابل استفاده‌اند.

پشتیبانی و به‌روزرسانی

گروه اختصاصی و به‌روزرسانی رایگان محتوا با تغییر ابزارها.

مدرس با تجربه Backend و AI

آموزش بر اساس تجربه واقعی ساخت سیستم‌های مبتنی بر هوش مصنوعی و بک‌اند است.

جواد حقیقت — مدرس دوره ساخت وب‌سایت با هوش مصنوعی
مدرس دوره

جواد حقیقت

کارشناس ارشد هوش مصنوعی · Senior AI & Backend Engineer

پروفایل لینکدین

بیش از هشت سال سابقه فعالیت در مهندسی نرم‌افزار و بیش از چهار سال تجربه طراحی و توسعه سیستم‌های مبتنی بر هوش مصنوعی دارد.

حوزه‌های فعالیت او شامل مدل‌های زبانی، ایجنت‌های کدنویسی، معماری بک‌اند، دیتابیس و ساخت محصولات فول‌استک با کمک AI است.

این دوره با هدف تبدیل ایده به MVP واقعی طراحی شده است؛ از UI/UX و معماری تا فرانت‌اند، بک‌اند، تست و انتشار — با کنترل انسانی روی کدنویسی هوش مصنوعی.

به‌زودی

این دوره در برنامه آموزشی تنسوا است

هنوز منتشر نشده و قابل خرید نیست. می‌توانید سرفصل‌ها را ببینید و برای مسیرهای فعال‌تر اقدام کنید.

سؤالات متداول

پرسش‌های متداول دوره

پاسخ شفاف درباره پیش‌نیاز، کدنویسی، Cursor، فول‌استک و نتیجه یادگیری.

خیر. تمرکز دوره روی ساخت وب‌اپلیکیشن واقعی است؛ از اعتبارسنجی ایده و MVP تا معماری، فرانت‌اند، بک‌اند، دیتابیس، تست، امنیت و انتشار روی دامنه واقعی.

بله. این دوره متوسط تا پیشرفته است و آشنایی مقدماتی با برنامه‌نویسی وب، HTML، CSS، JavaScript و کار با Git لازم است.

خیر. اگر هیچ پایه برنامه‌نویسی ندارید، این دوره مناسب شما نیست. ابتدا مفاهیم پایه وب و در صورت نیاز دوره مهندسی پرامپت را پیشنهاد می‌کنیم.

خیر. آموزش جامع HTML و CSS از صفر موضوع این دوره نیست. فرض بر آشنایی مقدماتی است و تمرکز روی ساخت محصول فول‌استک با کمک Coding Agentهاست.

Coding Agent ابزاری است که فراتر از تکمیل خودکار کد، برای برنامه‌ریزی، پیاده‌سازی و بازبینی در پروژه کمک می‌کند. کار کنترل‌شده با Cursor و ایجنت‌های کدنویسی در دوره آموزش داده می‌شود.

خیر. بخش مهمی از دوره به Context Engineering، بررسی تغییرات قبل از پذیرش، Code Review، تست و جلوگیری از اجرای خودکار ناامن اختصاص دارد.

بله. طراحی دیتابیس، قرارداد API، پیاده‌سازی بک‌اند، احراز هویت و اتصال فرانت‌اند به بک‌اند بخش‌های اصلی دوره هستند.

بله. اصول UI/UX، Wireframe، Design System و UI Kit برای ساخت رابط کاربری منسجم آموزش داده می‌شود؛ اما دوره تخصصی طراحی گرافیک نیست.

بله. ساختار دوره طوری است که بتوانید ایده شخصی را از PRD تا انتشار به‌عنوان MVP پیش ببرید، به‌شرط رعایت محدوده و انجام تمرین‌ها.

بله. اتصال مدل فروش یک‌باره یا اشتراک به محصول، جریان خرید و مدیریت خطاهای پرداخت آموزش داده می‌شود؛ اما دوره جامع کسب‌وکار یا حسابداری نیست.

بله. اگر ایده محصول نیاز داشته باشد، افزودن یک قابلیت هوشمند واقعی با Prompt، Structured Output، مدیریت هزینه و امنیت آموزش داده می‌شود.

بله. تست با کمک AI، Debug، Code Review، امنیت وب‌سایت، بهینه‌سازی عملکرد، سئو فنی، انتشار روی دامنه واقعی و مانیتورینگ پوشش داده می‌شود.

بله. انتخاب کاربران اولیه، Landing Page، جمع‌آوری Feedback و تبدیل بازخورد به نقشه راه نسخه دوم بخشی از دوره است.

اجباری نیست؛ اما آشنایی با اصول پرامپت‌نویسی نتیجه بهتری می‌دهد. دوره مهندسی پرامپت تنسوا به‌عنوان پیش‌نیاز توصیه‌شده معرفی شده است.

سطح دوره متوسط تا پیشرفته است و بیش از ۶۰ ساعت آموزش ویدئویی و پروژه‌محور دارد. زمان واقعی تکمیل به سرعت تمرین شما بستگی دارد.

بله. پس از تکمیل مسیر یادگیری، گواهی پایان دوره ارائه می‌شود.

پس از ثبت‌نام، دسترسی آنلاین و دائمی از طریق پنل کاربری تنسوا فعال می‌شود.

بله. پشتیبانی در گروه اختصاصی دوره ارائه می‌شود.

بله. با تغییر ابزارهای AI Coding و روش‌های توسعه، محتوا به‌روزرسانی می‌شود و دسترسی به نسخه جدید رایگان می‌ماند.

از ایده تا MVP منتشرشده

همین امروز مسیر ساخت وب‌سایت با هوش مصنوعی را شروع کنید

مزیت واقعی این دوره فقط تولید سریع کد نیست؛ مزیت اصلی وقتی است که ایده به محصول فول‌استک قابل انتشار تبدیل می‌شود.

  • ایده را اعتبارسنجی کنید
  • MVP را دقیق تعریف کنید
  • UI/UX و معماری را طراحی کنید
  • فرانت‌اند و بک‌اند را با AI کنترل‌شده بسازید
  • دیتابیس، Auth و پنل را تکمیل کنید
  • تست، امنیت و استقرار را جدی بگیرید
  • محصول واقعی را منتشر و بهبود دهید
به‌زودی · در برنامه آموزشی تنسوا
جزئیات وضعیت