تصور کنید به جای یک دستیار که فقط متن مینویسد، به مدیر عملیاتی دسترسی داشته باشید که دقیقاً میداند چه زمانی از کدام ابزار استفاده کند. این همان تغییری است که در آخرین بهروزرسانی اکوسیستم کدکس (Codex) رخ داده است.
طبق مستندات منتشر شده در ۳۱ اوت ۲۰۲۶، این سیستم اکنون از ۲۳۲ رابط ابزاری (Tool Interfaces) و ۴۴ فایل مهارتی (Skill Files) کامل استفاده میکند. این snapshot فنی اولین نقشه شفافی است که نشان میدهد سیستم چگونه نقاط انتهایی خام (raw endpoints) را از بستههای دستورالعملهای قابل استفاده مجدد که هدایتکننده آنها هستند، جدا میکند. برای یک کاربر عادی، تفاوت این دو شبیه تفاوت بین یک چکش و یک نقشه ساختمانی است؛ ابزارها قابلیتهای خام هستند — مثل توانایی ارسال ایمیل — اما مهارتها گردشکارهای پیچیدهای هستند که به هوش مصنوعی میگویند برای رسیدن به یک نتیجه حرفهای، دقیقاً چه زمانی و چگونه از آن ابزار استفاده کند.
همانطور که در تحلیلهای قبلی ما دربارهی امنیت مدلهای بازمتن اشاره کردیم، جداسازی لایهی اجرا از لایهی دستورالعمل، پیشنیاز تبدیل چتباتها به عاملهای عملیاتی است. این معماری در حالی معرفی میشود که عاملهای هوش مصنوعی از رابطهای سادهی چت به هابهای عملیاتی پیچیده تغییر مسیر میدهند. این رویکرد در واقع پاسخی به چالشهای مدیریت حافظه است، چرا که بهرهگیری از بارگذاری پیشرونده در مدیریت زمینه میتواند از انباشت دادههای زائد در حافظه مدل جلوگیری کند. با افشای این اعلانها، سیستم اجازه میدهد تا فرآیند «رندر و تایید» (render-and-verify) بهویژه در تحلیل دادهها و تولید اسناد، پیشبینیپذیرتر شود. البته بر اساس این گزارش، دسترسی به این ابزارها بسته به تنظیمات جلسه، مجوزها، اپلیکیشنهای متصل و افزونههای نصبشده متغیر است.
اکوسیستم مهارتها
۴۴ مهارت موجود در این سیستم، در واقع «مغز» حوزههای تخصصی هستند. در بخش اسناد و بصریها، سیستم از یک گردشکار سختگیرانه برای فایلهای .docx و گوگل داکس استفاده میکند. طبق اعلام توسعهدهندگان، کدکس از render_docx.py برای تولید تصاویر PNG از صفحات (و در صورت نیاز فایلهای PDF) استفاده میکند تا پیش از تحویل نهایی، کیفیت بصری و چیدمان سند را تضمین کند. این فرآیند تضمین میکند که کاربر فایلی با چیدمان بینقص دریافت کند.
قابلیتهای بصری به دو بخش منطق رستر و وکتور تقسیم شدهاند. مهارت imagegen مسئول تصاویر بیتمپ مثل عکسها، تصویرسازیها، بافتها، اسپریتها، موکآپها یا برشهای با پسزمینه شفاف است. این مهارت زمانی استفاده میشود که کدکس بخواهد تصویری کاملاً جدید خلق کند یا نسخههای متفاوتی از یک مرجع بسازد. در مقابل، سیستم بهطور صریح از این مهارت برای فایلهای SVG، داراییهای وکتور یا داراییهای کد-محور استفاده نمیکند و همچنین برای گسترش سیستمهای آیکون موجود یا ساخت بصریها در HTML/CSS/canvas از آن بهره نمیبرد.
برای ارائهها و صفحات گسترده، سیستم مستقیماً با پاورپوینت، گوگل اسلایدز و فایلهای .xlsx ادغام شده است. مهارت Spreadsheets مدیریت فرمولها، قالببندی و بازمحاسبات را برای فایلهای .xlsx ،.xls ،.csv و .tsv بر عهده دارد تا دادهها پویا باقی بمانند و به جای دادههای استاتیک، محاسبات زنده ارائه شوند. همچنین مهارت Presentations موتور اصلی تمام درخواستهای مربوط به دکهای PPT, PPTX یا گوگل اسلایدز است.
سایر مهارتهای بصری و آموزشی عبارتند از:
- answers-charts: برای مقایسههای دستهای، تحلیل روندها، ترکیبها یا روابط عددی که در قالب متن واضح نیستند.
- answers-images: برای مستند کردن پاسخها یا بهبود آنها با استفاده از تصاویر بازیابیشده.
- answers-learning: ارائه ویجتهای آموزشی تعاملی مثل فلشکارتها، کوییزهای چندگزینهای عینی یا کمک به تلفظ.
- visualize: ساخت ابزارهای تعاملی، شبیهسازیها، نقشهها و موکآپها برای بررسی سناریوهای «چه اتفاقی میافتد اگر» یا «کمک به درک من». این مهارت بهطور فعال برای نمایش نحوه کارکرد یک چیز استفاده میشود، هرچند برای اشکال علمی استاتیک همچنان از ابزارهای استاندارد استفاده میشود.
- writing-blocks: ارائه پیشنویس برای ایمیلها، پستهای اجتماعی، بیوگرافیها و متون کوتاه، هرچند سیستم برای محتواهای طولانی فایلها را ترجیح میدهد.
مدیریت مرورگر و وبسایتها
تعامل با وب بر اساس یک سلسلهمراتب سختگیرانه است. مهارت control-browser فقط برای کارهای احراز هویتشده یا وضعیتهای زنده سایت رزرو شده است. برای انتخاب روشهای ورود یا وارد کردن اعتبارنامهها، سیستم از قابلیت اختصاصی browserAuth استفاده میکند. طبق دستورالعملهای سیستمی، کدکس ابتدا جستوجوی وب را ترجیح میدهد و تنها در صورت شکست جستوجو یا ضرورت تعامل مستقیم، به مرورگر رجوع میکند. همچنین استفاده از افزونههای مرتبط همواره بر مرورگر اولویت دارد.
ساخت وبسایتها توسط مجموعهای از مهارتهای Sites مدیریت میشود:
- sites-building: برای ساخت لندینگپیجها، پورتفولیوها، داشبوردها، پورتالها، ترکرها، هابها و ابزارهای داخلی، بهویژه وقتی فایل
.openai/hosting.jsonموجود باشد. - sites-hosting: مدیریت ثبت، انتشار و تایید استقرار سایت، یا مدیریت میزبانی بدون تغییر در سورس.
- sites-preview-troubleshooting: ابزاری تشخیصی برای بازیابی در شرایطی که پیشنمایش عامل سایت نمیتواند شروع شود، به وضعیت سالم برسد یا پس از اجرای
sites-previewدر مرورگر ابری باز شود.
تحلیل پیشرفته دادهها
یکی از متراکمترین بخشهای این فهرست، مجموعه data-analytics است که نه یک ابزار واحد، بلکه یک گردشکار هماهنگ از ۱۴ مهارت مجزا است. این فرآیند با gather-business-context آغاز میشود تا ابتدا چارچوب تحلیل را با شناسایی معنای یک متریک یا تغییرات اخیر مشخص کند و سپس وارد وظایف خاص شود.
قابلیتهای کلیدی تحلیلی شامل موارد زیر است:
- analyze-data-quality: ارزیابی قابلاعتماد بودن دادههای ساختاریافته، نتایج کوئریها یا داشبوردها برای استناد یا استفاده، و رفع تضاد بین منابع یا تعاریف متریک.
- design-kpis: تعریف متریکها، اهداف، گاردریلها و برنامههای اندازهگیری برای تصمیمات تجاری.
- metric-diagnostics: شناسایی محرکهای احتمالی پشت یک نوسان، ناهنجاری، شکاف یا تضاد در یک متریک.
- market-sizing: تخمین اندازه بازار (TAM/SAM/SOM)، سناریوهای سایزینگ یا مقایسه مقیاس فرصتها با فرضهای شفاف و ذکر عدم قطعیت.
- product-business-analysis: استفاده از شواهد مبتنی بر متریک برای اولویتبندی فرصتها، ارزیابی تغییرات یا بخشبندی کاربران برای حمایت از یک توصیه خاص.
- jupyter-notebooks: ایجاد و تایید نوتبوکهای SQL یا پایتون بازتولیدپذیر برای ایجاد ردپای حسابرسی یا همراهان قابل اجرا.
- kpi-reporting: تهیه گزارشهای WBR/MBR/QBR و خلاصههای مدیریتی از متریکهای کمی برای بیان پیامدهای عملیاتی.
- validate-data: بازبینی متدولوژی، محاسبات و نتایج برای اطمینان از آمادگی دادهها برای تصمیمگیری.
این گردشکارها از طریق مهارت data-analytics:index هدایت میشوند که درخواستهای گسترده مربوط به نوتبوکها، سایزینگ بازار یا لایههای معنایی را مدیریت میکند. این فرآیند در نهایت با مهارت publish-artifact-to-sites به پایان میرسد که گزارشها یا داشبوردهای تایید شده را بهطور خودکار به یک سایت زنده در Work Mode منتقل میکند یا در ChatGPT Desktop گزینه اشتراکگذاری پس از تحویل را ارائه میدهد.
زمینه شخصی و هماهنگی
برای حفظ تداوم، مهارت personal-context وضعیت گفتگوهای قبلی، ترجیحات و محدودیتها را ردیابی میکند. این مهارت زمانی فعال میشود که کاربر از عباراتی مثل «ادامه بده»، «بعدی»، «دوباره»، «هنوز»، «آن را بهروز کن» یا «محورهای من» استفاده کند. این قابلیت مانع از آن میشود که هوش مصنوعی تصمیمی را که سه نوبت قبل گرفته شده یا محدودیت خاصی که میتواند انتخاب نهایی را تغییر دهد، فراموش کند. سیستم دستور دارد که برای حقایق کلی در نوبت اول یا کارهایی که در منبع فعلی کامل شدهاند، از این مهارت صرفنظر کند.
هماهنگیها توسط مهارت resolve-recipients دقیقتر شده است. این ابزار مانع از «حدس زدن خام» هوش مصنوعی هنگام ارسال پیام در اسلک، ایمیل، دعوتنامهها یا رویدادهای تقویم میشود. این ابزار تاریخچه ارتباطات و تقویم را جستوجو میکند تا هویتها را تایید کند، بهویژه زمانی که با نامهای کوچک، نامهای تکراری، نامهای مستعار، گروههای پروژه یا عبارات مبهمی مثل «همه» یا «همانی که با او کار میکنم» سروکار دارد.
سایر مهارتهای تعاملی:
- demos:answers-ask-user-input: جمعآوری اطلاعات ناقص از کاربر از طریق گزینههای قابل کلیک و پاسخهای متنی آزاد، زمانی که این کار پاسخ را بهطور ملموسی بهبود میبخشد.
- openai-library:library: مدیریت فایلها، سایتها و پوشههای متصل به کتابخانه. این ابزار میتواند محتوا را جستوجو و بخواند، فایلها را به گردشکارهای محلی بیاورد و فایلهای موجود را با حفظ تاریخچه نسخهها بهروز کند.
توسعه و افزونههای OpenAI
سیستم شامل یک لایه متا برای نگهداری و گسترش خود است. مهارت openai-docs دانش مربوط به مدلهای کدکس، قیمتگذاری، کارهای زمانبندی شده و محصولات API را فراهم میکند. این منبع اصلی اطلاعات برای ارجاع به «تو»، «مال تو» یا «این عامل کدنویسی» در مورد کدکس است.
برای گسترش سیستم، skill-creator (سیستم و گردشکار) و skill-installer اجازه میدهند بستههای دانش تخصصی از لیستهای منتخب یا مسیرهای مخزن گیتهاب ایجاد و نصب شوند. مهارت skill-creator:workflow بهطور خاص نصب، بهروزرسانی و حذف دائمی مهارتها را هدایت میکند. برای کسانی که به دنبال بهینهسازی هستند، شناخت مهارتهای قابلحمل برای تبدیل پرامپتهای تکراری میتواند در طراحی این گردشکارهای بازرسیپذیر کمککننده باشد.
مدیریت افزونهها توسط این ابزارها انجام میشود:
- plugin-creator: ایجاد ساختار پوشهها با فایلهای ضروری
.codex-plugin/plugin.json،پوشههای اختیاری و ورودیهای مارکتپلیس. این ابزار از یک جریان cachebuster و نصب مجدد مبتنی بر CLI برای توسعه پشتیبانی میکند. - plugin-management: شناسایی افزونههای مرتبط و بررسی مجوزهای اپلیکیشن و وابستگیها، زمانی که یک کار از یک حساب خارجی یا منبع داده بهره میبرد.
- template-creator: ساخت مهارتهای قالب-مصنوع (artifact-template) تکرارپذیر از روی اسناد مرجع، ایمیلها یا پروژههای سایت. این ابزار برای خلقهای یکباره استفاده نمیشود.
رجیستری ابزارها
در لایهی زیرین مهارتها، رجیستری ۲۳۲ رابط قرار دارد که در ۲۴ دسته عملکردی تقسیم شدهاند، شامل ۹ کنترل مستقیم جلسه. بیشترین تمرکز ابزارها در بخش عملیات GitHub است که ۸۹ ابزار مجزا برای مدیریت مخازن، Issueها، Pull Requestها، بازبینیها، گردشکارها و عملیات سورس دارد. این تمرکز شدید بر ابزارهای توسعه، بخشی از تکامل ابزارهای کدنویسی از تکمیل خودکار به عاملهای مستقل است که مرز بین ویرایشگر متن و مهندس نرمافزار را کمرنگ میکند.
سایر خوشههای ابزاری مهم:
- Gmail: ۲۱ ابزار برای عملیات صندوق ورودی، جستوجو، خواندن و برچسبگذاری.
- Sites: ۲۳ ابزار برای پیکربندی، ذخیرهسازی، لاگها و وضعیت استقرار.
- Google Calendar: ۱۵ ابزار برای مدیریت در دسترس بودن و رویدادها.
- Work Pets: ۱۱ ابزار برای مدیریت ماسکوتهای متحرک در حالت کاری ChatGPT.
- Zillow: ۹ ابزار برای جستوجوی ملک، تخمینها و محاسبات توان مالی.
- Runtime & files: ۸ ابزار برای اجرا، ویرایش سیستم فایل و کنترل فرآیند.
- Automations: ۵ ابزار برای کارهای زمانبندی شده یا رویداد-محور.
- Safety & family: ۵ ابزار برای کنترل والدین و تنظیمات ایمنی خانواده.
- Safety & support: ۱ ابزار مخصوص برای یافتن خطوط تلفن حمایت در بحرانهای محلی.
- MCP resources: ۳ ابزار برای کشف و خواندن منابع ارائه شده توسط سرورهای MCP.
- JavaScript REPL: ۲ ابزار برای محیط محاسباتی پایدار جهت تبدیل دادهها.
مکانیزم Work Pet
در یک افزودنی غافلگیرکننده به مجموعه حرفهای، سیستم چرخه کامل زندگی Work Pets را پشتیبانی میکند. این شامل مهارت create-pet است که پتهای متحرک v2 را بر اساس نشانههای برند یا تصاویر مرجع میسازد. اینها با پتهای دنیای واقعی یا تصاویر مستقل متفاوت هستند و برای ماسکوتهای سفارشی یا استایلهای غیرپیکسلی طراحی شدهاند.
این پتها به ۹ وضعیت انیمیشن و ۱۶ جهت نگاه نیاز دارند. سیستم از یک سطح raw-HTML @visualize برای آشنایی (از طریق demos:onboarding-setup-pet) استفاده میکند و داراییها را از طریق مهارت $pets در افزونههای رسمی OpenAI مدیریت میکند. جریان آشنایی با یک کاروسل GIF (یک مورد در هر لحظه) به جای sprite sheet به پایان میرسد. کاربران میتوانند این پتها را با استفاده از مهارتهای work-pets:pets و work-pets:update-pet لیست، بررسی، دانلود یا حذف کنند.
تحلیل: گذار به عاملیت ماژولار
این فهرست نشاندهنده حرکتی از رویکرد «یک مدل بزرگ» به سمت یک معماری عاملی ماژولار است. با جداسازی ابزارها (چیستی) از مهارتها (چگونگی)، OpenAI در واقع در حال ساخت یک سیستمعامل برای هوش مصنوعی است.
برای کاربر حرفهای، این به معنای قابلیت اطمینان بالاتر است. وقتی هوش مصنوعی از مهارتی مانند data-analytics:validate-data استفاده میکند، صرفاً حدس نمیزند؛ بلکه یک توالی تایید برنامهریزی شده را دنبال میکند. این امر ریسک «توهم» (hallucination) را در گزارشهای تجاری حساس کاهش میدهد.
در نهایت، حجم بالای ابزارهای گیتهاب و گوگل ورکاسپیس نشان میدهد که کدکس به عنوان رابط اصلی برای توسعهدهندگان و مدیران پروژه مدرن جایگاهسازی شده است و از یک چتبات به یک موتور اتوماسیون تمامعیار تبدیل شده است. برای مشاهده این قابلیتها در عمل، میتوانید افزونههای موجود در تنظیمات خود را بررسی کنید یا سعی کنید با استفاده از گردشکار skill-creator یک مهارت سفارشی بسازید.
گام بعدی شما
- اگر از ChatGPT Desktop استفاده میکنید، سعی کنید با درخواستهای پیچیده تحلیلی، مهارتهای data-analytics را به چالش بکشید.
- برای اتوماسیون توسعه، بررسی کنید که کدام ابزارهای GitHub در دسترس شماست تا جریان کاری کدنویسی خود را بهینهتر کنید.
- از مهارت skill-creator برای تبدیل اسناد تکراری شرکتتان به قالبهای مهارتی (Artifact-templates) استفاده کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو