محصولی بسازید که هوش مصنوعی قلبِ آن است: چت، ایجنت، و تجربهای که کاربر به آن اعتماد میکند. بر پایهی تجربهی واقعیِ ساختِ محصولاتِ AI-Native.
ضمانت: تا جلسهی دوم راضی نبودید، کلِ مبلغ برمیگردد.
اشتراک Claude (از ماهی ۲۰ دلار) جداست.
سازندگان و بنیانگذارانی که میخواهند یک محصولِ مبتنی بر هوش مصنوعی بسازند.
طراحیِ تجربهی ایجنتیک (AX)، رابطِ چت، اتصالِ LLM و ابزارها، و الگوهای اعتماد و خطا.
تسلط بر Claude Code یا تجربهی ساختِ یک محصولِ ساده توصیه میشود.
سرفصل
در پایان هر جلسه، یک خروجیِ مشخص در دست دارید.
کار را با این پرسش آغاز میکنید که محصولِ AI-Native با نرمافزارِ معمولی چه تفاوتی دارد و چرا هوش مصنوعی هستهی تجربه است، نه یک افزونه. این فهم، جنسِ تصمیمهایی را که در ادامه میگیرید مشخص میکند.
جزئیات: الگوهای رایجِ محصولِ AI-Native را مرور میکنید و تفاوتِ رابطِ قطعی با رابطِ احتمالاتی را با مثالهای واقعی بررسی میکنید. ساختارِ کلیِ یک محصولِ ایجنتیک، از ورودیِ کاربر تا پاسخِ مدل و اقدام، را روی محصولِ خودتان ترسیم میکنید.
خروجیِ جلسه: تعریفِ روشنی از محصولِ AI-Native و طرحِ کلیِ ایدهی خودتان آماده میشود.
حالا که جنسِ محصول روشن شد، تجربهای طراحی میکنید که در آن کاربر و ایجنت با هم کار میکنند و هر کدام نقشِ روشنی دارند. این طراحی، حدِ اختیارِ ایجنت و جایِ دخالتِ کاربر را تعیین میکند.
جزئیات: اصولِ Agent Experience را پیاده میکنید: تعریفِ نقشِ ایجنت، مرزِ خودکارسازی، نقاطِ تأیید و بازگشت. جریانهای کاریِ گفتوگو را ترسیم میکنید و تصمیم میگیرید کجا ایجنت پیشنهاد میدهد و کجا کاربر تصمیمِ نهایی را میگیرد.
خروجیِ جلسه: نقشهی تجربهی ایجنتیک با نقشها و نقاطِ کنترلِ کاربر مشخص میشود.
وقتِ آن است که مدلِ زبانی را به محصول وصل کنید و system prompt را بهعنوانِ هویت و رفتارِ محصول طراحی کنید. این پرامپت، لحن و مرزهای ایجنت را تثبیت میکند.
جزئیات: از طریقِ Claude API اتصال را برقرار میکنید و system prompt را با نقش، قواعد و مثالها میسازید. پارامترهایی مثل temperature و طولِ پاسخ را تنظیم میکنید و رفتارِ مدل را روی ورودیهای واقعی آزمایش میکنید.
خروجیِ جلسه: اتصالِ پایدار به LLM و یک system prompt کاربردی برای محصول آماده میشود.
در این مرحله رابطِ چت را میسازید و حالتهای گفتوگو مثل تایپِ زنده، استریم و تاریخچه را پیاده میکنید. هدف، تجربهای روان و قابلفهم برای کاربر است.
جزئیات: پاسخهای مدل را بهصورتِ استریم نمایش میدهید و حالتهای در حالِ تایپ، بارگذاری و خطا را مدیریت میکنید. تاریخچهی گفتوگو و context را نگه میدارید تا مکالمه پیوسته بماند.
خروجیِ جلسه: رابطِ چتِ زنده با استریم و مدیریتِ تاریخچهی گفتوگو اجرا میشود.
حالا به ایجنت توانِ عمل میدهید تا فراتر از حرف زدن، کار انجام دهد. با tool calling، ایجنت به داده و سرویسهای واقعی دسترسی پیدا میکند.
جزئیات: توابع را با tool/function calling تعریف میکنید و ورودی و خروجیِ هر ابزار را مشخص میکنید. ایجنت را به API و دیتابیسِ محصول وصل میکنید تا دادهی واقعی بخواند و اقدامِ معتبر انجام دهد.
خروجیِ جلسه: ایجنت با ابزارهای متصل به داده، اقدامِ واقعی روی محصول انجام میدهد.
پس از آنکه ایجنت توانِ عمل گرفت، الگوهای اعتماد را پیاده میکنید تا کاربر بداند ایجنت چه میکند و کجا میتواند جلویش را بگیرد. این لایه، تفاوتِ یک محصولِ قابلاتکا با یک نمونهی شکننده است.
جزئیات: مسیرهای خطا و fallback را طراحی میکنید و پاسخهای نامطمئن را شفاف نشان میدهید. نقاطِ تأیید، امکانِ لغو و بازگشت، و نمایشِ منبع و دلیلِ تصمیم را اضافه میکنید تا کنترل در دستِ کاربر بماند.
خروجیِ جلسه: الگوهای خطا، شفافیت و کنترلِ کاربر در محصول جا میافتد.
اکنون رابطِ محصول را با Claude Code و Next/React به نسخهی منسجم میرسانید. اجزای پراکندهی چت، ابزارها و حالتهای خطا در یک تجربهی یکپارچه کنار هم مینشینند.
جزئیات: با Claude Code کامپوننتهای رابط را در Next و React میسازید و حالتهای گفتوگو، استریم و خطا را به هم وصل میکنید. ساختارِ صفحات و جریانِ داده بینِ فرانتاند و لایهی LLM را یکدست میکنید.
خروجیِ جلسه: رابطِ منسجمِ محصول روی Next/React بالا میآید و کار میکند.
برای بستنِ کار، کیفیتِ پاسخهای ایجنت را میسنجید و محصول را برای کاربرانِ واقعی منتشر میکنید. ارزیابی و پایداری، محصول را از نمونهی آزمایشی به نسخهی قابلاتکا تبدیل میکند.
جزئیات: با eval، پاسخهای مدل را روی مجموعهای از ورودیهای واقعی ارزیابی میکنید و حالتهای خطا را پوشش میدهید. سپس محصول را دیپلوی میکنید و پایداری، هزینه و رفتارِ آن را در محیطِ واقعی پایش میکنید.
خروجیِ جلسه: محصولِ AI-Native ارزیابیشده و پایدار منتشر میشود.
بله، تخصصی است. آشنایی با Claude Code یا ساختِ یک محصولِ ساده پیشنیازِ خوبی است.
دستیارِ چت، ایجنتِ کاری، یا قابلیتِ هوش مصنوعی داخلِ محصولِ موجودتان.
بله؛ بر پایهی سالها ساختِ محصولاتِ AI-Nativeِ واقعی.
برای رزرو جایگاه یا پرسیدنِ سوالهایتان، بدون هیچ تعهدی، همین حالا پیام بدهید.
مشاوره و رزرو در واتساپ