این دوره چیست و چه نیست

وعده‌ی این دوره یک جمله است: کارهای تکراریِ خودت را طوری طراحی کنی که خودشان انجام شوند. نه «با AI آشنا شوی»، نه «ابزارها را بشناسی» — این‌ها وسیله‌اند. سنجه این است که آخر دوره چند کار از دستت افتاده باشد.

مسیر ده ماژول است و ترتیبش تصادفی نیست:

• M0 (همین‌جا) — از کجا شروع کنی، حساب و نصب، اولین کار واقعی.
• M1 — این سیستم‌ها چطور فکر می‌کنند و چرا گاهی پرت‌وپلا می‌گویند.
• M2 — هسته‌ی دوره: مسئله‌ی خودت را طوری طراحی کنی که بشود سپردش.
• M3 — ابزار در عمل: گفت‌وگوی کاری، بازبینی، فایل قانون.
• M4 — مرزها: کجا جواب نمی‌دهد، و چطور خروجی را راستی‌آزمایی کنی.
• M5 — محافظت: از فایل‌هایت، از داده‌ات، و از قضاوت خودت.
• M6 — ساختن سیستم بدون یک خط کد.
• M7 — زیرساخت و هزینه: ماهانه چقدر، و چطور پول نسوزانی.
• M8 — ساختن و تحویل‌دادن یک اتوماسیون واقعی.
• M9 — پروژه‌ی خودت، و برنامه‌ی ۳۰ روزِ بعد از دوره.

هر ماژول به قبلی‌اش تکیه دارد. مثلاً M2 فرض می‌کند context را از M1 فهمیده‌ای، و M6 فرض می‌کند فایل قانون را از M3 دیده‌ای. برای همین ترتیب مهم است و پریدن وسط دوره معمولاً به برگشتن ختم می‌شود.

این را رک بگویم چون بیشترین سوءتفاهم همین‌جاست: در طول دوره کد خواهی دید. ایجنت گاهی چیزی می‌نویسد و جلوی چشمت می‌گذارد و می‌پرسد اجرا کند یا نه. آن لحظه باید بتوانی نگاهش کنی و بگویی «این منطقی است» یا «این چیزی است که نخواستم».

ولی تو کد نمی‌نویسی. فرقش مثل فرقِ رانندگی و مکانیکی است: لازم نیست موتور را باز کنی تا بفهمی صدای غیرعادی می‌دهد. در ماژول ۳ یاد می‌گیری چطور پیشنهاد ایجنت را بخوانی و آگاهانه تأیید یا رد کنی، بدون اینکه یک خط کد بنویسی.

و اگر کد دیدن خودش برایت ترسناک است — همان هم درمان دارد. در ماژول ۴ یاد می‌گیری خطای انگلیسی را به خود ایجنت بدهی و فارسی بگیری.

اولین باری که یک کار را به ایجنت می‌سپاری، احتمالاً از انجام‌دادن دستی‌اش بیشتر طول می‌کشد. باید توضیح بدهی چه می‌خواهی، خروجی را نگاه کنی، اصلاح کنی، دوباره بخواهی. آدم اینجا فکر می‌کند «پس فایده‌اش چه بود؟»

فایده‌اش بار دوم است. و بار سوم. کاری که بار اول چهل دقیقه گرفت، بار پنجم دو دقیقه می‌گیرد — چون دیگر می‌دانی چطور بخواهی، و آنچه ساختی سرِ جایش مانده.

پس معیار درست این نیست که «این بار سریع‌تر شد؟». معیار این است: اگر این کار را ده بار دیگر انجام بدهم، جمعش کمتر می‌شود؟ اگر جوابش نه است، آن کار اصلاً ارزش اتوماسیون ندارد — که خودش یک درس کامل است (درس ۲.۱).

و این را به‌عنوان محدودیت نمی‌گویم، به‌عنوان تعریفِ دقیقِ کاری که می‌کند می‌گویم.

• برنامه‌نویس نمی‌شوی. نه زبان یاد می‌گیری، نه الگوریتم، نه ساختار داده. اگر دنبال آنی، این دوره جایش نیست.
• دیتاساینتیست هم نمی‌شوی. با فایل داده کار می‌کنی، تمیزش می‌کنی، ازش گزارش درمی‌آوری — ولی این تحلیل داده در معنای حرفه‌ای‌اش نیست.
• متخصص AI هم نمی‌شوی. آن‌قدر می‌فهمی که بدانی چرا خراب می‌کند و کِی نباید باور کنی. نه بیشتر، و برای کار روزمره نه کمتر.

چیزی که به‌دست می‌آوری از این سه پایدارتر است، چون به هیچ ابزار خاصی بسته نیست: اینکه چه کاری را می‌شود سپرد، به چه چیزی، و از کجا بفهمی درست انجام شده. ابزارها هر چند ماه عوض می‌شوند؛ این قضاوت نمی‌شود.

یک چیز هست که اگر همه‌ی دوره را فراموش کنی و فقط همین یکی بماند، باز هم به دردت خورده:

به‌خاطر بسپار هیچ‌وقت روی نسخه‌ی اصلِ فایل‌هایت امتحان نکن. همیشه یک کپی بگیر و روی کپی کار کن.

دلیلش ترساندن تو نیست. دلیلش این است که ایجنت واقعاً به فایل‌ها دسترسی دارد — همان چیزی که در فصل ۰.۲ دیدی و قدرتش را از همان می‌گیرد. چیزی که می‌تواند برایت یک پوشه را مرتب کند، می‌تواند همان پوشه را هم به‌هم بریزد. قدرت و ریسک از یک جا می‌آیند.

در درس ۰.۹ یک «زمین بازی» می‌سازی: پوشه‌ای که هرچه درش خراب کنی مهم نیست. و ماژول ۵ کاملاً درباره‌ی همین محافظت است.