آموزش Claude برای خیلی‌ها یعنی یاد گرفتن چطور سؤال بپرسند و خروجی را کپی کنند. اما Claude Code ابزار دیگری است. اگر خروجی‌اش را دستی به ادیتور بچسبانید، عملاً از قابلیت اصلی آن — خواندن فایل، اجرای دستور و اعمال تغییرات روی کد — استفاده نکرده‌اید. این راهنما یک مسیر عملی می‌دهد: از نصب تا مدیریت بافت، مهندسی پرامپت اختصاصی و ساخت ایجنت چندمرحله‌ای.

Claude Code دقیقاً چه کاری انجام می‌دهد و چه فرقی با چت در مرورگر دارد؟#

Claude Code یک ابزار خط فرمان (CLI) عامل‌محور (Agentic) است که فایل‌های پروژه را مستقیم از دیسک می‌خواند، دستورهای سیستمی اجرا می‌کند و تغییرات را روی کد اعمال می‌کند. برخلاف Claude در مرورگر که فقط متن تولید می‌کند و شما باید خروجی را دستی در ادیتور بچسبانید، Claude Code خودش در ترمینال عمل می‌کند.

معماری عامل‌محور: خواندن، نوشتن، اجرای دستور#

سه قابلیت هسته‌ای Claude Code را از یک چت‌بات جدا می‌کند:

  1. خواندن فایل: Claude Code مستقیماً فایل‌های پروژه را باز می‌کند، محتوایشان را در بافت قرار می‌دهد و بدون نیاز به paste کردن، کد را تحلیل می‌کند.
  2. نوشتن و ویرایش فایل: تغییرات را با دستورهای patch مستقیم روی فایل‌ها اعمال می‌کند. شما فقط تأیید یا رد می‌کنید.
  3. اجرای دستور: می‌تواند npm install، git status، pytest یا هر دستور ترمینالی دیگری را اجرا کند و خروجش را بخواند.

این سه قابلیت یعنی Claude Code یک agent است، نه یک chatbot. تفاوت بنیادی همین‌جاست: در چت مرورگر، شما رابط بین مدل و پروژه‌اید. در Claude Code، مدل خودش رابط است.

تفاوت رفتاری در تأیید دستورهای مخرب (Destructive Commands)#

Claude Code قبل از اجرای دستورهایی که ممکن است داده را حذف یا تغییر غیرقابل‌بازگشت بدهند (مثل rm، force push، drop table) از شما تأیید می‌خواهد. این رفتار default است. اگر کسی بگوید «Claude Code بدون اجازه همه‌چیز را خراب می‌کند»، یا از نسخه‌ی قدیمی حرف می‌زند یا با فلگ --dangerously-skip-permissions تنظیمات را تغییر داده.

چرا کپی‌پیست کردن خروجی، استفاده از ابزار نیست#

این نکته بارها تکرار می‌شود چون اکثر کاربران تازه‌کار دقیقاً همین اشتباه را می‌کنند. وقتی خروجی Claude Code را کپی می‌کنید و در ادیتور paste می‌زنید:

  • قابلیت اجرای دستور را دور زده‌اید.
  • قابلیت خواندن فایل بعدی را از بین برده‌اید (چون مدل فایل جدید را نمی‌بیند).
  • هزینه‌ی توکن را دو برابر کرده‌اید (یک بار تولید، یک بار خواندن مجدد).

الگوی درست: Claude Code را در دایرکتوری پروژه اجرا کنید، بگذارید فایل‌ها را خودش بخواند و تغییرات را خودش اعمال کند.

پیش‌نیازهای نصب Claude Code و شروع روی یک پروژه موجود#

پیش‌نیازهای نصب Claude Code شامل Node.js نسخه‌ی 18 به بالا، اشتراک Claude Pro یا Max (یا کلید API Anthropic) است. پلن رایگان اجازه‌ی استفاده از Claude Code را نمی‌دهد. پس اولین گام، اطمینان از دسترسی به اشتراک یا کلید API و سپس نصب از طریق npm در محیط ترمینال است.

گام‌های نصب و احراز هویت#

  1. Node.js نسخه‌ی 18 یا بالاتر را نصب و بررسی کنید: node --version
  2. Claude Code را نصب کنید: npm install -g @anthropic-ai/claude-code
  3. در ترمینال دستور claude را اجرا کنید.
  4. احراز هویت از طریق مرورگر یا کلید API انجام می‌شود.
  5. به دایرکتوری پروژه‌ی خود بروید و دوباره claude را اجرا کنید.

ساخت فایل CLAUDE.md به‌عنوان نقشه‌ی معماری پروژه#

CLAUDE.md یک فایل راهنما در ریشه‌ی دایرکتوری پروژه است. ساختار معماری، قوانین کدنویسی، نام پکیج‌های اصلی و نکات کلیدی را در آن می‌نویسید. Claude Code در ابتدای هر جلسه، این فایل را می‌خواند.

در پروژه‌های بزرگ، بدون CLAUDE.md، Claude Code نقشه‌ی کلی را گم می‌کند و عملکردش افت شدید دارد. این الگو در پروژه‌های اعضای کامیونیتی بارها مشاهده شده: هرچه CLAUDE.md دقیق‌تر باشد، تعداد دورهای اصلاحی (correction rounds) کمتر می‌شود.

اولین جلسه‌ی کاری: الگوی دو-مرحله‌ای#

الگوی دو-مرحله‌ای یکی از مؤثرترین روش‌هاست:

  1. مرحله‌ی اول — Code Map: از Claude Code بخواهید ساختار پروژه را تحلیل کند و خلاصه‌ای بدهد. مثلاً: «ساختار پوشه‌ها، وابستگی‌های اصلی و نقاط ورود برنامه را توضیح بده.»
  2. مرحله‌ی دوم — تغییرات: حالا که مدل بافت مناسبی دارد، تغییرات موردنظر را درخواست کنید.

این الگو مصرف توکن را کاهش و دقت را افزایش می‌دهد. دلیلش ساده است: در مرحله‌ی اول، مدل فایل‌های مرتبط را می‌خواند و در مرحله‌ی دوم، فقط فایل‌های هدف را ویرایش می‌کند.

مهندسی پرامپت اختصاصی Claude: چرا توصیه‌های ChatGPT اینجا کار نمی‌کنند؟#

مهندسی پرامپت اختصاصی Claude بر تگ‌های ساختارمند XML-like مانند <context> و <instructions> استوار است. مدل‌های Claude در fine-tuning با این ساختارها آموزش دیده‌اند و به الگوهای خطی ChatGPT مثل «You are a helpful assistant» پاسخ مناسب نمی‌دهند. پرامپت ساختارمند کوتاه‌تر، خروجی دقیق‌تری از پرامپت طولانی بدون ساختار تولید می‌کند.

الگوی تگ‌محور: ساختار XML-like در پرامپت Claude#

به‌جای نوشتن پرامپت به‌صورت یک پاراگراف طولانی، از تگ‌های ساده استفاده کنید:

<context> این پروژه یک API FastAPI با 3 ماژول اصلی است. دیتابیس PostgreSQL و ORM SQLAlchemy استفاده می‌کند. </context> <instructions> ماژول auth را طوری تغییر بده که JWT در header باشد نه query param. تست‌های موجود را خراب نکن. </instructions>

مستندات رسمی Anthropic این الگوی ساختارمند را توصیه می‌کند. دلیل فنی‌اش این است که مدل‌های Claude در مرحله‌ی fine-tuning با این ساختارها آموزش دیده‌اند.

اشتباه رایج: «هرچه پرامپت طولانی‌تر، خروجی بهتر»#

این باور از دوره‌ی GPT-3.5 باقی مانده و در Claude اعتبار چندانی ندارد. پرامپت طولانی و بدون ساختار، مدل را گیج می‌کند. پرامپت‌های بدون ساختار، خروجی ضعیف‌تری از پرامپت‌های کوتاه با ساختار XML-like تولید می‌کنند.

تفاوت style پاسخ‌دهی Claude با GPT#

Claude به الگوهای «You are a helpful assistant» و ساختارهای خطی ChatGPT پاسخ نمی‌دهد. مدل‌های Claude به سلسله‌مراتب و تفکیک وظایف در پرامپت حساس‌ترند. اگر از ChatGPT به Claude مهاجرت کرده‌اید، الگوهای پرامپت‌نویسی‌تان را باید بازطراحی کنید، نه کپی.

مدیریت بافت (Context Management) و کاهش مصرف توکن در مکالمات طولانی#

مدیریت بافت (Context Management) در Claude Code یعنی کنترل هوشمندانه‌ی حجم و چیدمان اطلاعاتی که در هر جلسه به مدل داده می‌شود. با وجود Context Window تا 200,000 توکن (در Claude 3.5 Sonnet)، کیفیت پاسخ در موقعیت‌های میانی بافت افت می‌کند و مصرف توکن هزینه‌زا است. استراتژی‌های خلاصه‌سازی، exclude و تفکیک جلسه ضروری‌اند.

پدیده‌ی Lost in the Middle و چرا بافت بزرگ ≠ کیفیت بالا#

تحقیقات نشان داده‌اند مدل‌های زبانی در بازیابی اطلاعات از بخش میانی بافت ضعیف‌تر عمل می‌کنند. این یعنی اگر حجم بزرگی فایل در بافت بگذارید، اطلاعاتی که در میانه‌ی آن‌ها قرار دارد، کمتر از ابتدای بافت به مدل می‌رسد.

راه‌حل عملی:

  • فقط فایل‌های مرتبط با وظیفه‌ی فعلی را در بافت بگذارید.
  • فایل‌های غیرمرتبط را exclude کنید (با .gitignore یا دستور صریح).
  • مکالمات طولانی را با خلاصه‌سازی periodic فشرده کنید.

Extended Thinking: چه زمانی ارزش دارد و چه زمانی هزینه‌زاست#

حالت Extended Thinking زمان و هزینه را چند برابر می‌کند. فقط برای مسئله‌های پیچیده‌ی تحلیلی مثل دیباگ باگ‌های چندفایلی یا طراحی معماری ارزش دارد. برای کارهای معمولی کدنویسی (تغییر یک تابع، اضافه کردن یک endpoint) ضرورتی ندارد. فعال‌کردن همیشگی Extended Thinking، رایج‌ترین اسراف بی‌دلیل در مصرف توکن است.

الگوی تفکیک جلسه: یک مکالمه = یک مسئولیت#

به‌جای اینکه در یک مکالمه‌ی طولانی، هم باگ دیباگ کنید، هم فیچر اضافه کنید و هم تست بنویسید، هر وظیفه را در یک جلسه‌ی جدا انجام دهید. مزیت‌ها:

  1. بافت کوچک‌تر = هزینه‌ی کمتر و دقت بالاتر.
  2. اگر جلسه‌ای خراب شد، فقط همان وظیفه تکرار می‌شود.
  3. CLAUDE.md به‌عنوان state مشترک بین جلسات عمل می‌کند.

MCP چیست و چطور Claude Code را به اکوسیستم ابزارهای شما وصل می‌کند؟#

MCP (Model Context Protocol) یک پروتکل استاندارد است که Claude Code را از «چت با کد» به «ایجنت با دسترسی به دیتابیس، API داخلی و ابزارهای DevOps» تبدیل می‌کند. بدون MCP، Claude Code فقط فایل‌محور عمل می‌کند و نمی‌تواند مستقیماً با سرویس‌های خارجی تعامل کند.

هسته‌ی مرکزی نورانی که با پرتوهای نوری به گره‌های ابزارهای خارجی متصل شده و پروتکل MCP را به تصویر می‌کشد
MCP مانند یک هسته‌ی مرکزی، تمام ابزارها را به Claude Code متصل می‌کند

معماری MCP Server و نحوه‌ی اتصال#

MCP یک پروتکل client-server است. Claude Code نقش client را بازی می‌کند و MCP Server ابزارهایی مثل اتصال به دیتابیس، خواندن API، یا اجرای دستورهای CI/CD را به‌عنوان tool در اختیار مدل قرار می‌دهد.

اتصال در فایل تنظیمات Claude Code (معمولاً .claude/settings.json) تعریف می‌شود. هر MCP Server یک نام، command اجرایی و پارامترهای اتصال دارد.

موارد کاربردی#

  • دیتابیس: Claude Code می‌تواند مستقیماً کوئری SQL بنویسد و اجرا کند (با تأیید شما).
  • API‌های داخلی: سرویس‌های داخلی سازمان را به‌عنوان tool در دسترس مدل قرار می‌دهید.
  • ابزارهای CI/CD: اجرای تست، بررسی وضعیت pipeline و لاگ‌خوانی.

محدودیت‌های امنیتی: چه داده‌هایی به سرور می‌رود؟#

محتوای فایل‌هایی که Claude Code می‌خواند و دستورهایی که اجرا می‌کند، به سرورهای Anthropic ارسال می‌شوند. در محیط‌هایی با کد مالکیتی و NDA، این موضوع باید با تیم امنیتی بررسی شود. این یک محدودیت ذاتی است، نه یک باگ.

Claude Code در برابر Cursor، GitHub Copilot و Windsurf: کدام برای چه کاری؟#

Claude Code، Cursor، GitHub Copilot و Windsurf در دسته‌بندی‌های متفاوتی قرار دارند. مقایسه‌ی مستقیم Copilot با Claude Code یک خطای دسته‌بندی است. Copilot یک autocomplete خط‌محور است، Cursor یک IDE عامل‌محور گرافیکی، Windsurf یک agent-based IDE و Claude Code یک agent ترمینالی.

جدول مقایسه‌ای#

معیارClaude CodeCursorGitHub CopilotWindsurf
نوع تعاملCLI ترمینالیIDE گرافیکیExtension در IDEIDE گرافیکی
خواندن فایلمستقیم از دیسکمستقیم از workspaceمحدود (فایل باز)مستقیم از workspace
اجرای دستوربله (با تأیید)بله (terminal داخلی)خیربله
مدیریت بافتCLAUDE.md + excludeCodebase indexingContext از فایل بازFlow (شبیه Cursor)
مناسب برایپروژه‌های بزرگ، refactoringتوسعه‌ی روزمره در IDEAutocomplete سریعتوسعه‌ی روزمره + agent

چه زمانی Claude Code انتخاب درست است و چه زمانی نه#

Claude Code در این موارد بهترین انتخاب است:

  • پروژه‌های چندفایلی با نیاز به refactoring گسترده.
  • جریان کاری ترمینال‌محور (DevOps، CI/CD، اسکریپت‌نویسی).
  • وقتی می‌خواهید مدل خودش فایل بخواند و دستور اجرا کند.

و در این موارد ابزار اشتباهی است:

  • پروژه‌های تک‌فایلی کوچک که نیاز به agent ندارند.
  • کارهایی که به autocomplete لحظه‌ای نیاز دارند.
  • محیط‌هایی که دسترسی به اینترنت یا API محدودیت دارد.

مدل‌های Claude برای کدنویسی: Opus، Sonnet و Haiku را چطور انتخاب کنیم؟#

مدل‌های Claude برای کدنویسی در سه سطح عمل می‌کنند. Claude 3.5 Sonnet تعادل بین سرعت و دقت را برای اکثر کارهای کدنویسی ارائه می‌دهد. Claude Opus برای مسائل تحلیلی پیچیده و طراحی معماری مناسب‌تر است. Claude Haiku برای کارهای سبک و سریع طراحی شده.

مقایسه‌ی عملکردی سه مدل#

  • Sonnet: انتخاب default برای کدنویسی روزمره. سرعت پاسخ مناسب، دقت خوب در refactoring و نوشتن تست.
  • Opus: برای طراحی معماری، تحلیل باگ‌های پیچیده و مسائل تحلیلی چندمرحله‌ای. کندتر و گران‌تر.
  • Haiku: برای کارهای ساده مثل تغییر نام متغیر، نوشتن docstring یا اصلاح syntax error. سریع‌ترین و ارزان‌ترین.

استراتژی ترکیبی#

یک الگوی رایج در پروژه‌های حرفه‌ای این است: Sonnet برای اجرای روزانه، Opus فقط برای لحظات تصمیم‌گیری معماری. این ترکیب، هزینه را بدون افت کیفیت محسوس کاهش می‌دهد. نگه‌داشتن Opus برای کارهایی که Sonnet از پسشان برمی‌آید، بی‌دلیل‌ترین مصرف بودجه‌ی API است.

هزینه‌ی استفاده از Claude Code: اشتراک Pro، Max یا API مستقیم؟#

هزینه‌ی استفاده از Claude Code به اشتراک Claude Pro (حدود 20 دلار ماهانه) یا Claude Max (از حدود 100 دلار ماهانه) یا کلید API Anthropic نیاز دارد. این ارقام مربوط به اوایل 2025 است و ممکن است تغییر کند. انتخاب بین این گزینه‌ها به حجم استفاده و نیاز به دسترسی هم‌زمان بستگی دارد.

مقایسه‌ی پلن‌ها#

گزینهمناسب برایمحدودیت اصلی
Claude Proتوسعه‌دهنده‌ی فردی با استفاده‌ی متعادلRate limit در ساعات اوج
Claude Maxتوسعه‌دهنده‌ی تمام‌وقت با استفاده‌ی سنگینهزینه‌ی بالاتر
API مستقیمتیم‌ها، اتوماسیون، استفاده‌ی programmaticمدیریت هزینه‌ی توکن به‌عهده‌ی شما

برای یک توسعه‌دهنده‌ی تمام‌وقت که روزانه چند ساعت با Claude Code کار می‌کند، Claude Max معمولاً به‌صرفه‌تر از API مستقیم تمام می‌شود. اما اگر استفاده‌تان پراکنده است، Pro کافی است.

اشتباهات رایج و Anti-patterns که خروجی Claude Code را خراب می‌کنند#

اشتباهات رایج در استفاده از Claude Code در پنج الگوی تکرارشونده خلاصه می‌شوند: استفاده از Claude Code مثل چت‌بات ساده، بازتولید الگوهای پرامپت ChatGPT، فعال‌کردن Extended Thinking برای کارهای ساده، ارسال همه‌چیز یکجا به بافت، و مقایسه‌ی آن با Copilot به‌عنوان autocomplete.

هر اشتباه با روش اصلاح#

  1. کپی‌پیست خروجی: اصلاح: بگذارید Claude Code خودش فایل را ویرایش کند. تأیید تغییرات را در همان جلسه انجام دهید.
  2. پرامپت بدون ساختار: اصلاح: از تگ‌های XML-like و تفکیک context/instructions استفاده کنید.
  3. Extended Thinking همیشه فعال: اصلاح: فقط برای مسائل تحلیلی پیچیده روشنش کنید.
  4. ارسال کل پروژه یکجا: اصلاح: الگوی دو-مرحله‌ای (Code Map سپس تغییرات) را رعایت کنید.
  5. انتظار autocomplete از agent: اصلاح: اگر autocomplete می‌خواهید، Copilot یا Tabnine مناسب‌ترند.

الگوی تکرارشونده: نبود CLAUDE.md در پروژه‌های بزرگ#

در پروژه‌های اعضای کامیونیتی، بارها دیده شده که بدون CLAUDE.md، Claude Code در پروژه‌های بزرگ، فایل‌های غیرمرتبط را می‌خواند، بافت را پُر می‌کند و خروجی بی‌ربط تولید می‌کند. هزینه‌ی این اشتباه: دورهای تکراری و مصرف توکن اضافی.

چک‌لیست قبل از شروع هر جلسه#

  • CLAUDE.md به‌روز است؟
  • فایل‌های غیرمرتبط exclude شده‌اند؟
  • وظیفه‌ی جلسه مشخص و تک‌بعدی است؟
  • مدل مناسب (Sonnet/Opus/Haiku) انتخاب شده؟
  • Extended Thinking فقط در صورت نیاز روشن است؟

ساخت ایجنت چندمرحله‌ای با Claude و الگوهای Orchestration#

ساخت ایجنت چندمرحله‌ای با Claude یعنی تبدیل Claude Code از یک ابزار تک‌مرحله‌ای به یک سیستم خودکار با جریان‌های ترتیبی. Claude Code به‌تنهایی یک ایجنت تک‌مرحله‌ای است. برای جریان‌های چندمرحله‌ای (تحلیل باگ ← نوشتن تست ← اعمال فیکس ← اجرای تست) باید از الگوی Orchestration با چند فراخوانی ترتیبی و یک state file مشترک استفاده کنید.

الگوی Sequential Agent#

هر مرحله خروجی مرحله‌ی قبل را به‌عنوان ورودی می‌گیرد:

  1. مرحله‌ی تحلیل: Claude Code باگ را پیدا و توصیف می‌کند. خروجی را در یک فایل markdown ذخیره می‌کند.
  2. مرحله‌ی تست: جلسه‌ی جدید، فایل تحلیل را می‌خواند و تست failing می‌نویسد.
  3. مرحله‌ی فیکس: جلسه‌ی سوم، تست و تحلیل را می‌خواند و فیکس را اعمال می‌کند.
  4. مرحله‌ی تأیید: اجرای تست‌ها و بررسی سبز شدن.

نقش CLAUDE.md در این الگو: حفظ state بین مراحل. هر مرحله، نتیجه‌ی مرحله‌ی قبل را در CLAUDE.md یا یک فایل state جداگانه می‌نویسد.

این الگو، کلید تبدیل شدن از «ابزار کمکی» به «ایجنت خودکار» است. هرچه مراحل مستقل‌تر و state مشترک دقیق‌تر باشد، خروجی قابل‌اعتمادتر.

جمع‌بندی عملی: Claude Code ابزاری است که ارزش واقعی‌اش فقط وقتی آزاد می‌شود که جریان کاری‌تان را حول قابلیت‌های عامل‌محورش بازطراحی کنید — نه وقتی خروجی‌اش را کپی‌پیست می‌کنید. الگوی دو-مرحله‌ای، CLAUDE.md، مدیریت بافت و پرامپت ساختارمند، چهار ستون استفاده‌ی حرفه‌ای از این ابزار هستند.

اگر می‌خواهید این الگوها را در عمل و با پروژه‌های واقعی تمرین کنید، دوره‌ی «آموزش جامع Claude و ابزارهای مشابه» در کامیونیتی Claude اسکول، دقیقاً همین مسیر را پوشش می‌دهد — از پرامپت‌نویسی تا ساخت ایجنت و Vibe Coding بدون کدنویسی.