اگر از اینکه عاملهای هوش مصنوعی مدام کدهای قبلی خود را پاک میکنند یا هدف اصلی پروژه را فراموش میکنند خستهاید، باید به معماری جدید Copilot CLI نگاه کنید. توازن میان سرعت خالص و نظارت دقیق، اکنون به اولویت اول تبدیل شده است.
به گزارش dev.to، مایکروسافت اکنون Copilot CLI را به عنوان رابط اصلی برای برنامهنویسی عاملمحور (Agentic) — یعنی سیستمی که در آن هوش مصنوعی مثل یک کارمند مستقل، وظایفی را از ابتدا تا انتها پیش میبرد — معرفی کرده است. همانطور که در تحلیل قبلی ما دربارهی تلاشهای مایکروسافت برای جذب برنامهنویسان از ابزارهای رقیب اشاره کردیم، این تغییرات برای تثبیت جایگاه کوپایلت در برابر ابزارهایی مثل Claude Code انجام شده است. این مدل جدید شبیه تفاوت بین استخدام یک گروه از فریلنسرهای موقت برای یک روز، در مقابل استخدام یک دپارتمان مهندسی متخصص است.
در این سیستم، Fleet Mode از طریق دستور /fleet عمل میکند. این حالت، تکالیف را به عاملهای کوچک و بدون وضعیت (Stateless) تقسیم میکند — شبیه کسی که هر بار وارد اتاق میشود، همه چیز را از نو میبیند و هیچ خاطرهای از قبل ندارد. این روش برای کارهای سریع و خواندن کد عالی است، اما دستورالعملهای خاص پروژه را نادیده میگیرد.
در مقابل، Squad یک چارچوب متنباز است که توسط برادی گاستر (Brady Gaster) ساخته شده است. Squad یک تیم دائمی ایجاد میکند که اطلاعاتش در فایلهای Markdown مخزن شما ذخیره میشود. برخلاف Fleet، هر عامل در Squad نام و تخصص ویژهای دارد.
طبق مستندات Squad، مزایای فنی این مدل عبارتند از:
- حافظه پایدار: تاریخچه تصمیمات در جلسات مختلف باقی میماند.
- درگاههای کیفی: پروتکلی که اجازه نمیدهد یک عامل، کدی را که قبلاً رد شده، خودش تایید کند.
- حاکمیت: مدل دسترسی که تعیین میکند کدام عامل اجازه تغییر کدام فایل را دارد.
در ۷ ژوئن ۲۰۲۶، بنچمارکهای نسخه v0.10.0 نشان داد که حالت ترکیبی (Hybrid) میتواند چهار مسئله واقعی را در ۱۱۶ ثانیه حل کند. این زمان در حالتهای قدیمی ۳۳۲ ثانیه بود؛ یعنی افزایشی ۲.۹ برابری در سرعت.
این ساختار مشکل «تغییر بافت» (Context Drift) را حل میکند. اکثر ابزارهای چند-عاملی شکست میخورند چون عاملها یا هدف را فراموش میکنند یا روی کار یکدیگر مینویسند. با ارسال عملیات «خواندن» به Fleet و عملیات «نوشتن» به سیستم نظارتی Squad، سرعت موازی با نظم سازمانی ترکیب شده است.
گام بعدی شما
- برای شروع نقشهبرداری از تخصصهای مخزن خود، دستور
npm install -g @bradygaster/squad-cliرا اجرا کنید. - تفاوت دقت در خروجیهای Fleet (سریع اما سطحی) و Squad (کُندتر اما دقیق) را در پروژههای کوچک تست کنید.
- منتظر بمانید تا ببینید آیا این الگوهای هماهنگی مستقیماً وارد هسته VS Code میشوند یا خیر.
اما تأثیر این معماری بر هزینه پردازش در مقیاس بزرگ، داستان دیگری دارد — به بررسی ما درباره بهینهسازیهای استنتاج در مدلهای کوچک مراجعه کنید.
گفتگو