‏از لاواِبل تا عامل‌های Claude Code: راهنمای PM غیر فنی

آندره آلبوکرک، بنیان‌گذار بزرگ‌ترین مدرسه بیلدر PM اروپا با بیش از ۴۰۰۰ دانشجو، در این اپیزود از پادکست یه چارچوب چهار مرحله‌ای رو شرح می‌ده که نشون می‌ده چطور یه PM غیر فنی می‌تونه از ابزارهای ساده‌ی بصری شروع کنه و به‌تدریج به یه بیلدر واقعی تبدیل بشه. به گفته آندره، PM‌های غیر فنی امروز بیشتر وقتشون رو تو Jira، Linear و پاورپوینت می‌گذرونن و به تیم‌های فنی وابسته‌ان، در حالی که تیم‌های AI-native با تعداد کم دارن فیچرهای زیادی شیپ می‌کنن.

مرحله اول: Lovable — پیشنهاد آندره اینه که با یه پروژه شخصی شروع کنی، نه پروژه شرکتی. این کار ریسک رو صفر می‌کنه و بهت فضا می‌ده اشتباه کنی. Lovable پایه‌های فنی مثل دیتابیس و احراز هویت (authentication) رو خودش مدیریت می‌کنه، پس نیازی نیست نگرانشون باشی.

مرحله دوم: Lovable + Claude Code — Claude Code رو نصب می‌کنی و از طریق GitHub به Lovable وصلش می‌کنی. GitHub جاییه که کد ذخیره می‌شه (مثل یه مخزن مرکزی). این یعنی می‌تونی کد رو تو Claude Code بنویسی، اون رو به GitHub بفرستی، و Lovable به‌صورت خودکار تغییرات رو بکشه و محصول رو بهت نشون بده. اینطوری هنوز از رابط بصری Lovable بهره می‌بری، ولی قدرت Claude Code رو هم داری.

مرحله سوم: Cursor + Vercel — وقتی راحت‌تر شدی، از Lovable به‌عنوان زیرساخت خارج می‌شی و Vercel رو جایگزین می‌کنی. Vercel پلی بین GitHub و کاربرنهاییه — کد رو از مخزنت می‌گیره و در دسترس کاربرها قرار می‌ده. آندره از Cursor به‌عنوان ویرایشگر کد (IDE) استفاده می‌کنه، ولی با افزونه Claude Code داخلش، نه ابزارهای خود Cursor.

مرحله چهارم: عامل‌ها و CLAUDE.md — پیشرفته‌ترین مرحله اینه که یه زیرساخت عاملی بسازی. فایل CLAUDE.md مثل «فرهنگ تیم» عمل می‌کنه — قوانین، معماری و رفتار پیش‌فرض Claude رو توش تعریف می‌کنی. آندره یه عامل PM اُرکسترِیتور داره که وظیفه‌اش فقط تصمیم‌گیری درباره اینه که کدوم عامل دیگه‌ای باید کار رو انجام بده. عامل‌های دیگه شامل محقق، طراح، مهندس و پیاده‌ساز می‌شن.

نکته کلیدی در این رویکرد اینه که وقتی یه فیچر خوب از آب در نمیاد، به‌جای اینکه فقط اون فیچر رو دستی درست کنی، باید بپرسی «کدوم بخش از زیرساخت عاملی‌ام شکست خورد؟» و اون رو اصلاح کنی. تیم‌های AI-native حدود ۵۰٪ وقتشون رو صرف بهبود همین ماشین می‌کنن، نه فقط ساخت فیچرهای جدید.

نکات کلیدی:

• با یه پروژه شخصی و Lovable شروع کن تا بدون ریسک یاد بگیری
• GitHub پل بین Lovable و Claude Code هست — هر دو رو به یه ریپو وصل کن
• Vercel کدت رو از GitHub می‌گیره و در اختیار کاربرها قرار می‌ده
• فایل CLAUDE.md قوانین و ارزش‌های کلود رو در هر سشن لود می‌کنه
• عامل PM اُرکسترِیتور کار نمی‌کنه، فقط تصمیم می‌گیره چه عاملی کار کنه
• وقتی نتیجه خوب نیست، زیرساخت عاملی رو اصلاح کن، نه فقط خروجی رو
• تیم‌های AI-native کوچیک، با بهبود مداوم زیرساخت عاملی، خیلی سریع‌تر از تیم‌های بزرگ شیپ می‌کنن