اگر یک عامل هوش مصنوعی را بدون راهنمای فرهنگی در تیم خود جای دهید، خروجی او نه یک هوش واقعی، بلکه «تولید تصادفی محترمانه» خواهد بود. باید بدانید که فقدان استانداردهای مشخص باعث میشود کدها از نظر فنی درست باشند اما با هویت بصری و فنی برند شما کاملاً تضاد داشته باشند.
طبق گزارش منتشر شده در ۱۳ ژوئیه ۲۰۲۶، توسعهگری فاش کرد که چگونه Google Antigravity این مشکل را با آموزش استانداردهای خاص یک تیم مستقر در لیبرویل حل کرده است. در واقع اکثر تیمها با هوش مصنوعی مانند یک دستیار لحظهای برخورد میکنند و برای هر تسک یک پرامپت جدید مینویسند. این روش شبیه استخدام کارآموزی نابغه است که چون دفترچه راهنما ندارد، هر بار از پیش فرضهای شخصیاش استفاده میکند و در نهایت باعث ایجاد بدهی فنی (Technical Debt) و ناهماهنگی بصری میشود.
همانطور که در تحلیل قبلی ما دربارهی امنیت مدلهای بازمتن اشاره کردیم، کنترل دقیق بر خروجی مدلها تنها از طریق مهندسی پرامپت ممکن نیست. این رویکرد به واقعیتهای جدیدی در مدیریت سیستمهای چندعاملی اشاره دارد؛ جایی که هماهنگی دقیق میان چندین عامل هوش مصنوعی توانسته است صحت محتوای تولید شده را از ۷۴٪ به ۹۲٪ برساند. به همین دلیل این تیم یک چارچوب چهارپایه در گوگل آنتیگرویتی پیاده کرد:
۱. قوانین پایدار
به جای تکرار دستورات، تیم از فایل .agents/rules/agent.md استفاده کرد. بر اساس مستندات این پروژه، این کار تضمین کرد که عامل (Agent) — مثل کارمندی که دستورالعملهای دقیق شرکت را حفظ کرده — همیشه به زبان فرانسوی با لحن گابونی پاسخ دهد، از پالت چهاررنگ گوگل (کدهای #4285F4 تا #34A853) استفاده کند و هرگونه فریمورک خارجی را به نفع HTML/CSS/JS خالص کنار بگذارد.
۲. مهارتهای بستهبندی شده
برای اجزای پیچیده، پوشههای مهارتی شامل فایل SKILL.md ایجاد شد. این سازوکار مدل را مجبور میکند به جای اختراع الگوهای جدید که باعث پیچیدگی کد میشود، از کدهای تاییدشده و موجود استفاده کند.
۳. جریانهای کاری صنعتی
کارهای تکراری از طریق فایلهای اختصاصی (مانند .agents/workflows/create_page.md) مدیریت میشوند. اکنون یک دستور ساده مثل /create_page یک رویه گامبهگام را فعال میکند تا هیچ انحرافی از استانداردهای تیم رخ ندهد.
۴. توسعه مبتنی بر بازبینی
طبق گزارش سایت dev.to، عامل اجازه ندارد بدون تایید کد را ثبت (Commit) کند. او باید ابتدا طرح را ارائه دهد، لاگها و اسکرینشاتها را نمایش دهد و تفاوتهای فایلبهفایل (Diff) را برای «راننده» انسانی بفرستد تا تایید شود.
این تغییر، نقش توسعهدهنده را از یک مهندس پرامپت به «ناظر» یک همکار دیجیتال تبدیل میکند. با جایگزینی قالبهای عمومی با یک هویت ساختاریافته، ابزاری متزلزل به یک عضو قابلاعتماد تیم تبدیل شد.
گام بعدی شما
- بررسی ساختار فایلهای
.mdبرای تعریف قوانین ثابت در پروژههای خود - پیادهسازی لایه بازبینی (Review) قبل از Commit برای کاهش نرخ خطای عاملها
- مطالعه روشهای ادغام این قوانین با معماریهای ششضلایی (Hexagonal Architectures) برای جلوگیری از پراکندگی کد در پروژههای بزرگ
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو