تصور کنید برنامهریزی برای یک معماری پیچیده که ساعتها تمرکز و تحلیل میطلبد، تنها در ۳۰ دقیقه تمام شود. این اتفاق برای سایمون (Saymon)، توسعهدهنده باسابقه برزیلی رخ داد تا ثابت کند گلوگاه توسعه نرمافزار دیگر نوشتن کد نیست، بلکه مدیریت بار شناختی در تبدیل چشمانداز تجاری به نقشه فنی است. یک مهندس نرمافزار ارشد توانست فاز برنامهریزی فنی خود را از دو روز کامل کاری به تنها ۳۰ دقیقه کاهش دهد. سایمون، توسعهدهندهای برزیلی با هشت سال تجربه، این موفقیت را از طریق ادغام BrainGrid در یک گردشکار عاملمحور (Agentic Workflow) به دست آورد تا بخشهای «کسلکننده» مدیریت محصول را حذف کند.
برای مهندسان باسابقه، گلوگاه در توسعه مدرن تغییر مکان داده است. موضوع دیگر توانایی نوشتن نحو (Syntax) نیست، بلکه بار شناختی ترجمه یک چشمانداز تجاری به یک نقشه راه فنی است. بسیاری از مشاوران مستقل و لیدهای فنی متوجه شدهاند که در واقع به عنوان یک پل انسانی بین ابزارهای سطح بالای محصول و کدبیس واقعی عمل میکنند؛ فرآیندی که اغلب منجر به جابجاییهای گرانقیمت بین زمینههای مختلف (Context-switching) و خستگی ذهنی شدید میشود. این رویکرد جدید در واقع بخشی از روند گستردهتری است که در آن توسعهدهندگان درگاههای حل مسئله و تفکر عمیق خود را به ابزارهایی مانند کلود میسپارند تا بهرهوری خود را افزایش دهند.
زمینه: مهندس ارشدی که مستقل شد
سایمون یک «کدنویس حسی» (Vibe Coder) نیست که تازه در حال یادگیری ساخت محصول باشد. او یک متخصص باتجربه است که پیش از این تیمهای هشتنفره را در آژانسهای برتر مدیریت کرده و ویژگیهایی را برای اپلیکیشنهایی با بیش از ۹ میلیون کاربر فعال روزانه به بازار رسانده است. سوابق او شامل هدایت محصولات از مفهوم اولیه تا مرحله جذب سرمایه اولیه (Seed Funding) است.
او در دو سال اخیر به عنوان مشاور مستقل فعالیت میکند. در این نقش، او به شرکتها کمک میکند تا محصولات حداقلی قابل عرضه (MVP) را لانچ کنند، سرمایه جذب نمایند، کیفیت کدهای زیرساختی خود را بهبود بخشند و استراتژیهای رشد توسعه دهند. از طریق این تجربه، او تشخیص داد که نوشتن کد هرگز گلوگاه واقعی در چرخه حیات توسعه نبوده است.
انتقال به توسعه عاملمحور
سایمون حدود ۱.۵ سال پیش به یک گردشکار عاملمحور روی آورد. او این تغییر را به یک «منحنی J» تشبیه میکند؛ مشابه جهشی که برنامهنویسان هنگام انتقال از جاوااسکریپت به تایپاسکریپت تجربه میکنند، جایی که یک سرمایهگذاری اولیه در یادگیری و تنظیمات، در طول زمان بازدهی چشمگیری به همراه دارد. این مدل اتوماسیون یادآور رویکرد ارکستراسیون عاملهای هوش مصنوعی در جریانهای کاری پیچیده مانند Arxitek است که در آن چندین عامل برای مدیریت یک فرآیند واحد همکاری میکنند.
بانقی اصلی او این است که حل مسائل از طریق نرمافزار، شغل واقعی یک مهندس است، نه عمل نوشتن خود کد. با تکامل ابزارهایی مانند Cursor و Claude Code برای مدیریت نحو، سایمون انرژی حرفهای خود را به سمت پژوهش، معماری و تصمیمگیریهای حیاتی سوق داد.
پشته عملیاتی سایمون
پشته ابزاری فعلی او برای حداکثر سرعت و بهینگی هزینه مهندسی شده است:
- IDE: ابزار Cursor
- عامل کدنویسی اصلی: Claude Code (استفاده از مدل Opus 4.5 برای اکثر تسکها و Sonnet 4.5 برای کارهای با پنجره متنی وسیع که نیاز به یک میلیون توکن دارند).
- پژوهش: Gemini Deep Research به عنوان ابزار اصلی، که توسط پژوهشهای Claude Code و GPT Deep Research پشتیبانی میشود.
- برنامهریزی و مستندات: ابزار BrainGrid
با وجود این اتوماسیون، سایمون استاندارد کیفی سختگیرانهای را حفظ میکند: او همچنان تکتک خطوط کدی را که تولید شده است میخواند و بازبینی میکند، حتی اگر دیگر نویسنده اکثریت آن کدها نباشد.
ادغام BrainGrid
به نقل از گزارش وبلاگ BrainGrid، نقطه درد اصلی این مهندس این بود که ابزارهای سنتی مدیریت محصول (PM) از کدبیس بیخبر بودند، در حالی که عاملهای کدنویسی بستر و زمینه محصول را نمیشناختند. سایمون به عنوان مشاور مستقلی که روی چندین پروژه مشتری مختلف کار میکرد، خود را به عنوان پل گرانقیمتی بین این دو مییافت. اگر پروژهای روی ماشین محلی او نبود، پیشتر مجبور بود از توسعهدهندگان دیگر بخواهد تحقیق کنند و گزارش دهند، که این کار هر هفته ساعتها از زمان او میگرفت.
ابزار BrainGrid با ترکیب برنامهریزی نیازمندیها با آگاهی مهندسی، این مشکل را حل کرد. سایمون اشاره میکند: «این دقیقاً مانند داشتن تمام ابزارهایی است که برای مدیریت محصول نیاز دارم و در عین حال تمام ابزارهایی که برای درک کدبیس نیاز دارم.»
گردشکار BrainGrid در عمل
پیادهسازی اصلاحشده سایمون اکنون از این گامهای دقیق و جزئی پیروی میکند:
- درک مسئله: پژوهش عمیق درباره نیازی که باید برای یک مشتری یا برای پروژه Core Care حل شود.
- تحقیق: مطالعه نحوه حل مسائل مشابه در اپلیکیشنهای دیگر و تطبیق آن با تجربیات شخصی.
- معماری: ترسیم رویکرد سطح بالا و تعیین ترتیب ساخت (Build Order).
- تولید مشخصات (Spec): استفاده از BrainGrid برای حل «مشکل صفحه سفید» از طریق پیشنویس مشخصات اولیه که سپس بازبینی و اصلاح میشوند.
- خرد کردن تسکها: تولید وظایف بسیار ریز (Granular) با معیارهای پذیرش (Acceptance Criteria) شفاف.
- یکپارچهسازی با عامل: انتقال مستقیم این تسکها به Claude Code از طریق MCP و CLI.
- غنیسازی پیش از اجرا: افزودن لایههای زمینه خاص به تسکها پیش از اجرا. این شامل بررسیهای Supabase برای کارهای دیتابیس، پرامپتهای سازگاری سیستم طراحی برای UI، و اعتبارسنجی API برای مسیرهای بکاند است.
- جریان QA: تولید جریانهای تست جامع؛ برای مثال، یکی از ویژگیهای اخیر نیازمند ۲۵ تسک و ۱۳ جریان تست مجزا بود.
- پیادهسازی: اجرای تسکها توسط Claude Code، بازبینی خروجی و پیشروی به صورت متوالی.
- QA و بازبینی: استفاده از بازبینی کد به کمک AI برای یافتن باگها، و سپس QA دستی بر اساس جریانهای تولید شده و تستهای خودکار.
پیامدهای تجاری قابل اندازهگیری
این تغییر در متدولوژی اثر مالی مستقیمی برای یک مشتری داشت. در مواجهه با یک ضربالاجل سخت که شامل هشت اپلیکیشن متصلبههم بود، سایمون با استفاده از BrainGrid یک برنامه عملیاتی را در ۳۰ دقیقه ساخت. پیش از این، پژوهش و برنامهریزی برای چنین معماری پیچیدهای، دو روز کامل کاری (شامل ۶ تا ۷ ساعت در هر روز) زمان میبرد.
این کارایی به او اجازه داد تا یک ویژگی حیاتی را در کمی بیش از دو هفته تحویل دهد، در حالی که پیشبینی اولیه چهار هفته بود. انتشار این ویژگی باعث برگزاری رویدادی شد که ۱ میلیون دلار درآمد برای مشتری ایجاد کرد.
سایمون همچنین یک آزمایش مقایسهای را برای ساخت یک MVP مشابه برای یک SaaS انجام داد:
- بدون BrainGrid: دو روز زمان برد تا با استفاده از Claude Code و پرامپتهای مستقیم به یک MVP برسد. نتیجه کدی نامنظم بود که فاقد ساختار بود و بازسازی (Refactoring) گستردهای میطلبید.
- با BrainGrid: چهار ساعت برنامهریزی اولیه بیشتر، و سپس دو روز کدنویسی. این نسخه دارای ویژگیهای بیشتر، معماری پاکتر و نگهداری بسیار آسانتری بود.
به قول سایمون: «من روی کدهای خودم با اعتمادبهنفس حرکت میکنم.»
ساخت Core Care
او اکنون این چارچوب با سرعت بالا را برای Core Care به کار میگیرد؛ پلتفرمی همهکاره برای درمانگران در برزیل. این پلتفرم طراحی شده تا «از کسانی که از دیگران مراقبت میکنند، مراقبت کند». این سیستم مدیریت بیماران، امور مالی، پرداختها، تلهمدیسین و جلسات ویدئویی یکبهیک را یکجا میکند؛ در واقع هفت استارتاپ که در یک محصول ادغام شدهاند.
درمانگران در حال حاضر با ابزارهای پراکنده برای صورتحساب و زمانبندی دستوپنجه نرم میکنند؛ Core Care اینها را در یک پلتفرم جمع میکند تا آنها بتوانند روی بیماران تمرکز کنند نه روی پشته نرمافزاری خود. این پروژه از روز اول برای بینالمللی شدن (Internationalization) معماری شده تا از بنیاد خود بتواند در سطح جهانی مقیاسپذیر شود.
از سازماندهی به تصمیمگیری
با اتوماسیون بخشهای خستهکننده مانند قالببندی تسکها و نوشتن تیکتها، نقش اصلی سایمون تغییر کرده است. او اعتراف میکند که نوشتن تسکها و تعریف معیارهای پذیرش «گاهی اوقات کسلکننده» است. BrainGrid این اصطکاک را حذف میکند و تنها تصمیمگیری خالص را باقی میگذارد. او به جای قالببندی تیکتهای جیرا، اکنون منحصراً بر ارزیابی گزینههای معماری و اصلاح چشمانداز محصول تمرکز میکند.
برای سایمون، معنادارترین تغییر، احساس داشتن یک مدیر محصول مجازی است. در کارهای مشاوره او، این ابزار شکاف بین مدیران محصول و مهندسان را میپوشاند و تحویل پروژه را بیوقفه میکند. «آنچه BrainGrid کمک میکند، پر کردن شکاف بین مهندسان و مدیران محصول است و هر دو را بهرهورتر میکند.»
مقیاسپذیری و درخواستهای آینده
سایمون برای کاهش بیشتر اصطکاک برای مشاوران، یک ویژگی خاص را پیشنهاد داده است: یکپارچهسازی با IDE به گونهای که نیازی به دسترسی گیتهاب نباشد. از آنجایی که دسترسی به سازمانهای مختلف گیتهاب برای مشتریان متعدد، اصطکاک زیادی ایجاد میکند، یک تجربه یکپارچه — شبیه به استراتژیهای پایینبهبالای Slack یا Cursor — ورود به پروژههای جدید را به شدت آسانتر میکند.
این گذار نشاندهنده یک تغییر گستردهتر در صنعت است: ظهور «مهندس عاملمحور». موفقیت دیگر به این بستگی ندارد که انسان چقدر سریع تایپ میکند، بلکه به این بستگی دارد که چقدر مؤثر میتواند مجموعهای از عاملهای AI را برای مدیریت پژوهش، برنامهریزی و پیادهسازی در یک حلقه مداوم ارکستر کند.
منتظر لانچ رسمی Core Care در بازار برزیل و فراتر از آن باشید تا ببینید این معماری مدیریتشده توسط عاملها در مقیاس جهانی چگونه عمل میکند.
گام بعدی شما
- اگر در نقش لید فنی یا مشاور هستید، سعی کنید مرحله «خرد کردن تسکها» به یک عامل AI بسپارید و خود را فقط در نقش بازبین (Reviewer) قرار دهید.
- ابزارهای MCP-compatible را بررسی کنید تا بتوانید مستندات برنامهریزی را مستقیماً به محیط کدنویسی تزریق کنید.
- برای کاهش بار شناختی، از متد «برنامهریزی پیشدستانه» (Upfront Planning) با AI استفاده کنید تا از بازنویسیهای costly در اواخر پروژه جلوگیری شود.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما درباره تراشههای Blackwell مراجعه کنید.
گفتگو