Prototype سریع و Debt آگاهانه

چرا این درس مهم است

می‌دانی کجا ساده‌سازی موقت قابل قبول است و کجا ریسک ایجاد می‌کند.

در محصول، تصمیم فنی باید به مسئله کاربر، هزینه، تامین، تست و قابلیت تکرار در چند نمونه وصل باشد؛ Prototype صرفا شروع مسیر است.

این درس مرحله اتصال و پایداری است: باید نشان بدهی MVP سخت‌افزاری/نرم‌افزاری فقط در حالت ایده‌آل کار نمی‌کند و در خطا هم قابل عیب‌یابی است.

نکته‌های فنی

• Prototype باید ارزان‌ترین روش برای آزمون یک فرض پرریسک باشد، نه نسخه کوچک‌شده محصول نهایی.
• Fidelity نمونه را بر اساس سوال تست انتخاب کن؛ گاهی Cardboard یا Mock UI کافی است.
• هر دور Prototype باید یک فرض، روش تست و تصمیم بعدی مشخص داشته باشد.
• ثبت چیزهایی که شکست خوردند به اندازه نتیجه موفق برای Iteration ارزش دارد.

این نکته‌ها را برای MVP سخت‌افزاری/نرم‌افزاری به یک زنجیره علت و معلول وصل کن: هر انتخاب باید یک اثر قابل مشاهده یا اندازه‌گیری داشته باشد. اگر نمی‌توانی بگویی با تغییر این تصمیم دقیقا کدام خروجی عوض می‌شود، هنوز طراحی را به اندازه کافی روشن نکرده‌ای.

مدل ذهنی

مشاهده → Prototype → تصمیم → تست → اصلاح

در تحلیل Prototype سریع و Debt آگاهانه مرزهای سیستم را روشن نگه دار. هر جا داده یا انرژی از یک بخش به بخش دیگر می‌رود، یک نقطه مناسب برای مشاهده، Log یا اندازه‌گیری داری.

سناریوی عملی

در یک تمرین «معماری نمونه اولیه»، می‌دانی کجا ساده‌سازی موقت قابل قبول است و کجا ریسک ایجاد می‌کند. سپس نتیجه را با یک معیار عددی یا چک‌لیست مقایسه کن.

این درس مرحله اتصال و پایداری است: باید نشان بدهی MVP سخت‌افزاری/نرم‌افزاری فقط در حالت ایده‌آل کار نمی‌کند و در خطا هم قابل عیب‌یابی است.

روش تست پیشنهادی

معیار اصلی این درس: زمان/هزینه هر Iteration و تعداد فرض‌های پرریسک که با شواهد روشن شده‌اند.

1. یک Failure Mode واقعی یا شبیه‌سازی‌شده انتخاب کن.
2. قبل و بعد از خطا زمان/هزینه هر Iteration و تعداد فرض‌های پرریسک که با شواهد روشن شده‌اند را ثبت کن.
3. Recovery را هم تست کن؛ برگشتن سیستم به حالت سالم بخشی از معیار قبولی است.

نتیجه تست را با نسخه کد/مدار، شرایط محیط و تنظیمات مهم ثبت کن؛ بدون این اطلاعات مقایسه دو Run ممکن است گمراه‌کننده باشد.

عیب‌یابی مرحله‌ای

1. بزرگ‌ترین فرض حل‌نشده را بنویس و ببین آیا Prototype فعلی واقعا همان را آزمایش می‌کند یا نه.
2. فقط یک فرض را در هر مرحله تغییر بده؛ تغییر همزمان چند چیز نتیجه را مبهم می‌کند.
3. بعد از هر تغییر دوباره زمان/هزینه هر Iteration و تعداد فرض‌های پرریسک که با شواهد روشن شده‌اند را بگیر و نتیجه را با Baseline مقایسه کن.

اگر علامت خطا عوض شد، آن را به عنوان داده جدید ببین؛ عوض شدن علامت همیشه به معنی حل شدن علت اصلی نیست.

دام رایج

افزایش جزئیات نمونه قبل از فهم ریسک اصلی می‌تواند زمان را صرف چیزهایی کند که بعدا حذف می‌شوند.

برای رد یا تایید این برداشت، یک تست مرزی طراحی کن که دقیقا همین فرض را هدف بگیرد.

تمرین عملی

یک چرخه Build → Test → Learn کامل اجرا کن و تصمیم بعدی را از روی داده، نه سلیقه تیم، ثبت کن.

تمرین را برای Prototype سریع و Debt آگاهانه انجام بده و در پایان فقط سه چیز تحویل بده: شرایط شروع، نتیجه اندازه‌گیری‌شده و تصمیم بعدی. اگر نتیجه با انتظار فرق داشت، یک فرض برای علت بنویس و تست بعدی را مشخص کن.

قبل از رفتن به درس بعد

• بتوانی «Prototype سریع و Debt آگاهانه» را با زبان خودت توضیح بدهی و نقش آن را در یک سیستم واقعی مشخص کنی.
• بتوانی یک تصمیم طراحی مرتبط با این موضوع را با دلیل فنی انتخاب کنی.
• بتوانی یک خطای رایج را مرحله‌ای عیب‌یابی کنی و نتیجه را با زمان/هزینه هر Iteration و تعداد فرض‌های پرریسک که با شواهد روشن شده‌اند بسنجی.

اگر یکی از این موارد را فقط می‌توانی تعریف کنی ولی نمی‌توانی روی یک مثال واقعی نشان بدهی، همان بخش را یک بار دیگر با داده یا Log مرور کن.

جمع‌بندی

در Prototype سریع و Debt آگاهانه هدف نهایی حفظ اصطلاحات نیست؛ باید بتوانی یک تصمیم فنی بگیری، اثرش را با زمان/هزینه هر Iteration و تعداد فرض‌های پرریسک که با شواهد روشن شده‌اند بسنجی و وقتی نتیجه خراب شد مسیر عیب‌یابی قابل تکراری داشته باشی. این سه توانایی معیار عبور واقعی از درس‌اند.