۵ ابزار و قابلیت Claude Code که واقعاً ارزش استفاده دارند

هر هفته کلی ابزار تازه معرفی می‌شود. بعضی‌هایشان واقعاً خوب‌اند، بعضی‌ها هم فقط چند روز سر و صدا می‌کنند و بعد فراموش می‌شوند.

من هم مدتی همین‌طور ابزار عوض می‌کردم تا اینکه فهمیدم مسئله اصلی تعداد ابزارها نیست. مسئله این است که کدام ابزار واقعاً وارد کار روزمره‌ات می‌شود و بعد از چند هفته هنوز دلیلی برای استفاده از آن داری.

در این مقاله می‌خواهم سراغ Claude Code بروم؛ نه به عنوان یک ابزار جادویی که «همه‌چیز را خودش انجام می‌دهد»، بلکه به عنوان چیزی که اگر درست تنظیمش کنی، می‌تواند بخش قابل توجهی از کارهای روزمره توسعه را جمع کند.

Claude Code دقیقاً چه چیزی را عوض می‌کند؟

اگر تا حالا با ابزارهای معمولی AI برای کدنویسی کار کرده باشی، احتمالاً تجربه‌اش را داری.

یک فایل را باز می‌کنی، بخشی از کد را کپی می‌کنی، برای مدل توضیح می‌دهی چه می‌خواهی، جواب می‌گیری، کد را برمی‌گردانی داخل پروژه و دوباره همین داستان.

Claude Code قرار نیست فقط همین کار را بهتر انجام دهد.

می‌تواند مستقیماً داخل پروژه کار کند، فایل‌ها را بخواند، بین فایل‌ها جست‌وجو کند، تغییر ایجاد کند، دستورهای ترمینال را اجرا کند، تست بگیرد و نتیجه را بررسی کند.

همین موضوع باعث می‌شود تعامل با آن بیشتر شبیه همکاری با یک برنامه‌نویس باشد تا سؤال پرسیدن از یک چت‌بات.

البته اینجا یک نکته مهم وجود دارد.

اگر پروژه‌ات بی‌ساختار باشد یا دقیقاً ندانی چه می‌خواهی، Claude Code هم قرار نیست معجزه کند. حتی ممکن است با سرعت بیشتری همان آشفتگی را گسترش دهد.

برای همین قابلیت‌های جانبی آن اهمیت پیدا می‌کنند.

۱. Claude Code؛ جایی که کار واقعاً انجام می‌شود

خود Claude Code مهم‌ترین بخش ماجراست.

مثلاً فرض کن یک پروژه وب داری و متوجه شده‌ای سیستم ورود کاربران در بعضی شرایط درست کار نمی‌کند.

لازم نیست چند فایل را پیدا کنی و تک‌تک برای Claude بفرستی.

می‌توانی مسئله را توضیح بدهی و از آن بخواهی ساختار authentication را بررسی کند، فایل‌های مرتبط را پیدا کند، مشکل را پیدا کند، تغییر لازم را انجام دهد و بعد تست بگیرد.

اگر تست شکست بخورد، می‌تواند نتیجه را ببیند و دوباره سراغ کد برود.

این حلقه خیلی مهم‌تر از خود تولید کد است.

پیدا کردن مشکل، تغییر دادن، اجرا کردن و دوباره بررسی کردن.

همین چرخه است که Claude Code را برای پروژه واقعی کاربردی می‌کند.

۲. CLAUDE.md؛ قوانینی که لازم نیست هر بار توضیح بدهی

یکی از قابلیت‌هایی که شاید در نگاه اول خیلی ساده به نظر برسد، فایل CLAUDE.md است.

ولی اگر پروژه بزرگی داشته باشی، خیلی زود متوجه می‌شوی چقدر کاربردی است.

در این فایل می‌توانی قوانین پروژه را بنویسی.

مثلاً اینکه پروژه با چه دستوری اجرا می‌شود، چه ساختاری دارد، چه فایل‌هایی نباید دستکاری شوند، چه استانداردی برای کدنویسی استفاده می‌کنی یا قبل از هر commit چه تست‌هایی باید اجرا شوند.

به این ترتیب لازم نیست هر بار که session جدیدی باز می‌کنی دوباره بنویسی:

«این پروژه Next.js است، این پوشه را دست نزن، از فلان library استفاده کن و قبل از تغییر این فایل فلان چیز را بررسی کن.»

همه این‌ها می‌توانند بخشی از دستورالعمل پروژه باشند.

نکته جالب اینجاست که بعد از مدتی CLAUDE.md خودش تبدیل به یک جور مستند زنده پروژه می‌شود؛ چیزی که هم برای Claude مفید است و هم برای آدمی که قرار است ماه بعد برگردد و پروژه را ادامه دهد.

۳. Skills؛ کاری که یک بار انجام می‌دهی و بعد تکرارش می‌کنی

Skills از آن قابلیت‌هایی است که وقتی وارد workflow روزانه شود، تازه ارزشش مشخص می‌شود.

فرض کن هر بار که می‌خواهی پروژه را منتشر کنی، چند مرحله ثابت داری.

اول تست‌ها اجرا شوند، بعد lint، بعد build و در نهایت deploy.

اگر قرار باشد هر بار این مراحل را دستی توضیح بدهی، بخش زیادی از مزیت automation از بین می‌رود.

می‌توانی این workflow را به یک Skill تبدیل کنی.

بعد به جای توضیح دادن کل مراحل، فقط workflow موردنظر را اجرا می‌کنی.

همین ایده را می‌شود برای کارهای مختلف استفاده کرد.

مثلاً بررسی SEO، ساخت component جدید، بررسی یک API، نوشتن تست یا حتی فرآیند انتشار محتوا.

به مرور زمان به جای اینکه فقط از Claude بخواهی کار انجام دهد، داری به آن یاد می‌دهی که کارهای تکراری تو را با روش مشخصی انجام دهد.

۴. Subagents؛ وقتی یک کار را می‌شود تقسیم کرد

این یکی برای پروژه‌های بزرگ‌تر جذاب‌تر است.

همه کارها لازم نیست توسط همان context اصلی انجام شوند.

مثلاً فرض کن یک پروژه بزرگ داری و می‌خواهی قبل از انتشار، یک بررسی کامل روی آن انجام شود.

می‌توانی یک Subagent را برای بررسی امنیت بگذاری، یکی را برای performance، یکی را برای تست‌ها و یکی را برای بررسی ساختار کد.

هر کدام کار مشخص خودشان را انجام می‌دهند و نتیجه را برمی‌گردانند.

این کار یک مزیت مهم دارد.

لازم نیست context اصلی را با هزاران فایل و خروجی مختلف پر کنی.

هر agent می‌تواند روی یک مسئله محدود تمرکز کند.

مثلاً اگر فقط می‌خواهی بفهمی چرا یک صفحه کند شده، لازم نیست کل پروژه را در ذهن agent اصلی نگه داری. یک agent می‌تواند مشخصاً همین بخش را بررسی کند و نتیجه را برگرداند.

برای پروژه‌های بزرگ این موضوع می‌تواند تفاوت قابل توجهی ایجاد کند.

۵. MCP و Hooks؛ وصل کردن Claude به دنیای بیرون

اینجا دیگر موضوع فقط فایل‌های داخل پروژه نیست.

MCP اجازه می‌دهد Claude Code را به سرویس‌ها و ابزارهای خارجی متصل کنی.

یعنی می‌توانی بسته به setup خودت، دسترسی به سرویس‌های مختلف، database، ابزارهای کاری یا سیستم‌های دیگر را در اختیارش قرار بدهی.

این قابلیت وقتی جدی می‌شود که چند ابزار مختلف در workflow داشته باشی.

مثلاً اطلاعات یک سرویس بیرونی را بگیرد، آن را بررسی کند و بر اساس نتیجه در پروژه تغییر ایجاد کند.

اما Hooks یک کاربرد متفاوت دارند.

Hookها برای کارهایی هستند که می‌خواهی به صورت خودکار در زمان مشخصی اجرا شوند.

مثلاً بعد از تغییر کد، lint اجرا شود.

یا قبل از یک عملیات خاص، یک بررسی انجام شود.

یا نتیجه یک command مشخص ثبت شود.

تفاوتش با دستور معمولی این است که دیگر لازم نیست به Claude یادآوری کنی.

خود workflow این مرحله را اجرا می‌کند.

این همان جایی است که یک سری دستور ساده کم‌کم تبدیل به automation واقعی می‌شود.

Agent Teams؛ یک قدم جلوتر

یک قابلیت دیگر هم وجود دارد که برای پروژه‌های بزرگ جالب است: Agent Teams.

ایده ساده است.

به جای یک Claude، چند session مستقل می‌توانند روی بخش‌های مختلف یک کار فعالیت کنند.

مثلاً یکی روی frontend، یکی روی backend و یکی روی تست.

این قابلیت هنوز برای همه پروژه‌ها ضروری نیست و حتی اگر بی‌دلیل از آن استفاده کنی ممکن است کار را پیچیده‌تر کند.

ولی برای taskهایی که واقعاً قابلیت تقسیم شدن دارند، ایده بسیار جالبی است.

قرار نیست برای هر تغییر کوچک یک تیم از agentها راه بیندازی.

گاهی یک Claude ساده سریع‌تر و تمیزتر کار را تمام می‌کند.

چیزی که جواب نداد

در کنار این ابزارها، یک عالمه ابزار هم هستند که در demo فوق‌العاده به نظر می‌رسند.

یکی از چیزهایی که من با آن مشکل دارم ابزارهایی هستند که می‌گویند:

«فقط یک جمله بنویس و سایت کامل تحویل بگیر.»

در نگاه اول واقعاً جذاب است.

یک prompt می‌دهی و چند دقیقه بعد یک سایت زیبا جلویت است.

مشکل از جایی شروع می‌شود که می‌خواهی واقعاً روی آن پروژه کار کنی.

کدها ممکن است بیش از حد پیچیده باشند، ساختار مشخصی نداشته باشند و بعد از چند تغییر کوچک دیگر دقیقاً نفهمی چه چیزی به چه چیزی وابسته است.

سایت در demo خوب به نظر می‌رسد.

ولی پروژه واقعی فقط ظاهر نیست.

وقتی قرار است سه ماه بعد دوباره برگردی و چیزی را تغییر بدهی، آن موقع مشخص می‌شود ابزار واقعاً چقدر خوب بوده.

سه جایی که بیشترین تفاوت را دیدم

طراحی رابط

یکی از بهترین کاربردهای AI برای من این نیست که یک طراحی را از صفر تا صد تحویل بدهد.

بیشتر این است که بتوانی خیلی سریع چند مسیر مختلف را امتحان کنی.

مثلاً به جای اینکه دو ساعت روی یک layout وقت بگذاری و بعد بفهمی انتخاب خوبی نبوده، می‌توانی چند نسخه مختلف بسازی، مقایسه کنی و بعد روی گزینه‌ای که بهتر جواب می‌دهد وقت بگذاری.

این تغییر کوچک به نظر می‌رسد، ولی در پروژه‌های واقعی خیلی مهم است.

متن

در مورد متن هم تقریباً همین اتفاق افتاد.

مدل برای شروع فوق‌العاده است.

اما معمولاً بهترین نتیجه زمانی به دست می‌آید که متن تولیدشده را دوباره بخوانی، بخش‌های اضافه را حذف کنی و لحن را به چیزی که واقعاً می‌خواهی نزدیک کنی.

بهترین متنی که مدل می‌نویسد، لزوماً همان متنی نیست که منتشر می‌کنی.

گاهی بهترین کاربردش این است که صفحه سفید را از جلویت بردارد.

کد

در کدنویسی، بیشترین ارزش را جایی دیدم که کار تکراری زیاد است.

فرض کن باید صدها صفحه مشابه بسازی.

AI قرار نیست جای automation را بگیرد.

ولی می‌تواند اسکریپتی را که برای این کار لازم داری خیلی سریع‌تر بنویسد.

در چنین شرایطی تو همچنان کنترل workflow را داری، ولی زمان ساخت ابزار داخلی خودت به شدت پایین می‌آید.

در نهایت چه چیزی مهم است؟

بعد از استفاده از ابزارهای مختلف، یک معیار برایم مهم‌تر از بقیه شده.

اینکه بعد از استفاده از ابزار چه چیزی برایت باقی می‌ماند.

اگر فقط یک خروجی زیبا داری که فردا نمی‌توانی ویرایشش کنی، خیلی به درد نمی‌خورد.

اگر کدی داری که نمی‌فهمی چطور کار می‌کند، دیر یا زود تبدیل به دردسر می‌شود.

اگر automation ساخته‌ای که خودت هم نمی‌دانی چرا گاهی خراب می‌شود، باز هم مشکل داری.

ولی اگر workflow بهتر، کد قابل نگهداری، دستورالعمل مشخص و یک سیستم قابل تکرار برایت باقی مانده باشد، آن وقت ابزار واقعاً ارزش داشته است.

Claude Code برای من بیشتر از اینکه یک ابزار برای «نوشتن کد با AI» باشد، یک لایه برای ساختن workflowهای جدید است.

CLAUDE.md قوانین پروژه را نگه می‌دارد.

Skills کارهای تکراری را قابل اجرا می‌کنند.

Subagents کارهای بزرگ را تقسیم می‌کنند.

MCP Claude را به ابزارهای دیگر وصل می‌کند.

Hooks بخشی از کارها را خودکار می‌کنند.

و Agent Teams، وقتی واقعاً لازم باشد، امکان تقسیم کار بین چند agent را فراهم می‌کند.

در نهایت هم هنوز یک اصل پابرجاست:

ابزار را با چیزی که در لحظه می‌سازد نسنج؛ ببین بعد از استفاده از آن، چه چیزی برایت می‌ماند.

این مقاله حاصل تجربه و کار با ابزارهای مختلف در پروژه‌های واقعی است، نه صرفاً بررسی قابلیت‌ها روی کاغذ. ابزارهای هوش مصنوعی هر روز تغییر می‌کنند و چیزی که امروز بهترین انتخاب به نظر می‌رسد، ممکن است چند ماه بعد جای خودش را به ابزار بهتری بدهد.

برای من، ارزش یک ابزار زمانی مشخص می‌شود که بتواند واقعاً بخشی از کار را جلو ببرد، نه اینکه فقط در یک دمو جذاب به نظر برسد.

محمد نویدی | متخصص هوش مصنوعی کاربردی Navidix Studio