تصور کنید یک برنامه تکصفحهای کامل کانبان، همراه با قابلیت ذخیرهسازی محلی (Local Persistence) و امکان جابجایی کارتها با کشیدن و رها کردن (Drag-and-Drop)، تنها در ۱۴ دقیقه و با یک پرامپت ساخته شود. اگرچه نتیجه خیرهکننده بود، اما پیشرفت واقعی در معماری نهفته است. در ۱۷ جولای ۲۰۲۶، یک متخصص نشان داد که چگونه Hermes Agent از یک ساختار «ترکیبی از عاملها» (Mixture of Agents یا MoA) استفاده میکند تا بهجای جستوجو برای یافتن یک مدل «هوشمندترین»، از یک تیم هماهنگ از مشاوران هوش مصنوعی بهره ببرد. این قابلیتها در راستای هدف کلی سادهسازی مدیریت گردشکارهای چندعاملی در اپلیکیشن Hermes توسعه یافتهاند تا موانع فنی کاربران کاهش یابد.
بسیاری از کاربران در حال حاضر با مدلهای زبانی بزرگ (LLM) بهصورت تکنفره تعامل میکنند. شما یک پرامپت میفرستید و منتظر میمانید تا یک مدل استدلال کند و پاسخ دهد. این وضعیت یک گلوگاه ایجاد میکند؛ جایی که نتیجه نهایی محدود به سوگیریها و نقاط کور یک مدل خاص است، فارغ از اینکه آن مدل GPT، Claude، DeepSeek یا MiniMax باشد.
ساختار MoA لایهای ساختاری معرفی میکند که دقیقاً شبیه به یک سلسلهمراتب سازمانی است. بهجای اینکه یک مهندس به تنهایی تصمیم بگیرد، پنلی از مشاوران ارشد دیدگاههای مستقل خود را به یک تصمیمگیرنده نهایی ارائه میدهند. تصور کنید در حال اتخاذ یک تصمیم حیاتی در مورد معماری سیستم هستید. ممکن است یک مهندس ارشد متوجه یک نقص امنیتی شود، مهندس دوم در مورد مقیاسپذیری سیستم (Scaling) سؤال کند و مهندس سوم راهکاری سادهتر برای پیادهسازی بیابد. هیچکدام از این افراد بهتنهایی پاسخ کامل را ندارند، اما تصمیمگیرندهای که هر سه دیدگاه را ببیند، به اطلاعات بسیار جامعتری دسترسی دارد.
این رویکرد تضمین میکند که حتی اگر یک مدل یک حفره امنیتی یا مشکل مقیاسپذیری را کاملاً نادیده بگیرد، مدل دیگر آن را شناسایی کند. هدف از Mixture of Agents صرفاً افزودن مدلهای بیشتر نیست، بلکه فراهم کردن دیدگاههای متنوع برای مدل نهایی است تا پیش از اتخاذ تصمیم یا ارائه راهکار، تمام ابعاد مسئله را بررسی کرده باشد. این رویکردی است که در تفاوتهای بنیادین میان عاملهای هوشمند و هوش مصنوعی زاینده برای اجرای اهداف پیچیده، نقش کلیدی ایفا میکند.
معماری MoA
بر اساس گزارش وبسایت dev.to، این سیستم از طریق یک گردشکار سه مرحلهای خاص عمل میکند که «مشورت» را از «اقدام» جدا میکند:
- مدلهای مرجع یا مشاوران (Reference Models): پرامپت شما ابتدا بهطور موازی به چندین مدل ارسال میشود. هر مدل بهطور مستقل همان مسئله را تحلیل کرده و دیدگاه خاص خود را ارائه میدهد. این مشاوران بهعنوان یک تابلوی بازتاب افکار (Sounding Board) عمل میکنند، اما دسترسی آنها محدود است و اجازه ندارند تغییراتی در پروژه شما اعمال کنند.
- مدل تجمیعکننده یا تصمیمگیرنده (Aggregator Model): این مدل، پرامپت اصلی را به همراه تمام دیدگاههای تکمیلی ارسالی از سوی مدلهای مرجع دریافت میکند. او رویکردهای مختلف را بازبینی میکند، قویترین ایدهها را ترکیب کرده و تصمیم میگیرد که گام بعدی چه باید باشد.
- قدرت اجرا (Execution Power): در این معماری، تفکیک اختیارات بسیار سختگیرانه است. تنها مدل تجمیعکننده اجازه دارد عملیاتهای زیر را انجام دهد:
- خواندن فایلها
- اجرای ابزارها (Tools)
- اجرای دستورات ترمینال
- تغییر در کدها
- تولید پاسخ نهایی برای کاربر
آزمایش عملی و نتایج
برای آزمایش این سازوکار، تیمی متشکل از سه مدل خاص پیکربندی شد: مدلهای DeepSeek V4 Flash و MiniMax M2.7 بهعنوان مشاوران مرجع عمل کردند، در حالی که GPT-5.4 در نقش مدل تجمیعکننده قرار گرفت. مأموریت این تیم، ساخت یک برد کانبان بود که بهطور ویژه برای یک تولیدکننده محتوای تکنفره در یوتیوب (Solo YouTube Creator) طراحی شده باشد.
با استفاده از دستور /moa در Hermes Agent، درخواست از این خط لولهی چندمدلی عبور کرد. هرمس مسئله را بهطور موازی به مدلهای مرجع فرستاد و به محض آماده شدن پاسخهای آنها، مدل تجمیعکننده، پرامپت اصلی را با بینشهای بهدست آمده از DeepSeek و MiniMax ترکیب کرد.
نتیجه، یک برنامه کاملاً عملیاتی بود که در حدود ۱۴ دقیقه تحویل داده شد. این برنامه دارای مجموعهای قدرتمند از ابزارها بود، از جمله:
- هفت ستون گردشکار متمرکز بر نیازهای تولیدکننده محتوا
- کارتهای وظیفه قابل ویرایش به همراه تگها و اولویتبندی
- تاریخهای سررسید و چکلیستها
- قابلیتهای جستوجو و فیلتر کردن
- امکان جابجایی کارتها با درگ-اند-دراپ
- نمایش آمار گردشکار
- ذخیرهسازی محلی در مرورگر (Local Browser Persistence)
ارزش واقعی این تجربه در شفافیت فرآیند بود. در حالی که تسک در حال اجرا بود، کاربر میتوانست مشاهده کند که مدلهای مختلف چه نکاتی را شناسایی میکنند و جزئیاتی را که یک مدل نادیده گرفته بود اما مدل دیگر برجسته کرده بود، شکار کند. این آزمایش ثابت کرد که مدلها نیازی ندارند لزوماً با هم موافق باشند؛ در واقع، اغلب اوقات همین اختلافنظرها مفیدترین بخش فرآیند هستند.
بهینهسازی تیم عاملها
یک جزئیات فنی بسیار حیاتی، تنظیم reference_max_tokens است. این پارامتر کنترل میکند که هر مدل مرجع چه مقدار خروجی برای مدل تجمیعکننده تولید کند. نویسنده اشاره کرد که دادن هزاران توکن به مشاوران، اغلب باعث ایجاد «نویز» غیرضروری میشود؛ زیرا مدل تجمیعکننده معمولاً به بینشهای کلیدی نیاز دارد، نه یک راهکار کامل و تکراری دیگر.
هرمس مقدار ۶۰۰ توکن را بهعنوان یک مقدار پیشفرض کاربردی پیشنهاد میکند. این محدودیت خاص منجر به نتایج زیر میشود:
- پاسخهای کلی سریعتر
- کاهش مصرف توکنها و هزینهها
- ارائه توصیههای متمرکزتر و موجزتر
- کاهش حجم زمینههای (Context) غیرضروری که مدل تجمیعکننده باید در آنها جستوجو کند
علاوه بر این، سیستم اجازه ایجاد چندین «پیشفرض» (Preset) برای Mixture of Agents را میدهد. این بدان معناست که کاربران میتوانند بر اساس ماهیت مسئله، «تیمهای هوش مصنوعی» متفاوتی را مستقر کنند:
- تیمهای کدنویسی (Coding Teams): بهطور خاص برای مهندسی نرمافزار، دیباگهای پیچیده و بازبینی کد (Code Review) انتخاب میشوند.
- تیمهای پژوهشی (Research Teams): با بهرهگیری از مدلهایی که در تحلیل و استدلالهای با زمینه بلند (Long-context Reasoning) تخصص دارند.
- تیمهای معماری (Architecture Teams): برای ارائه دیدگاههای مکمل در مورد طراحی سیستم و برنامهریزی مهاجرتی (Migration Planning).
- تیمهای مالی (Financial Teams): ترکیبی کاملاً متفاوت که برای وظایف تحلیلی با دقت بسیار بالا بهینه شده است.
هزینه تنوع
این ارتقای سطح هوشمندی رایگان نیست و استفاده از MoA شامل مجموعهای از سبک-سنگین کردنها (Trade-offs) است:
هزینههای بالاتر API: شما در حال انجام فراخوانیهای مدل اضافی هستید. با داشتن دو مدل مرجع و یک مدل تجمیعکننده، هزینه چندین دیدگاه را میپردازید. اگرچه هرمس برای کاهش هزینهها از ذخیرهسازی توکنهای پرامپت (Prompt Caching) استفاده میکند، اما بار مالی آن ذاتاً بیشتر از یک پرامپت تکمدلی است.
افزایش تأخیر (Latency): سرعت عملکرد کاهش مییابد، زیرا مدل تجمیعکننده باید منتظر بماند تا تمام خروجیهای مدلهای مرجع آماده شود و سپس تصمیم بگیرد. این بدان معناست که وظایف پیچیده، زمان بیشتری نسبت به زمانی که مستقیماً به یک مدل فرستاده شوند، میبرند.
بازده نزولی (Diminishing Returns): افزودن کورکورانه مدلها، تضمینی برای نتایج بهتر نیست. اگر تمام مدلهای مرجع نقاط قوت و الگوهای استدلالی مشابهی داشته باشند، دیدگاههای اضافی ارزش چندانی ایجاد نمیکنند. سود واقعی از «تنوع» میآید؛ یعنی ترکیب مدلهایی که در کارهای مختلف برتری دارند، نه صرفاً انتخاب سه مدل برتر از یک جدول ردهبندی (Leaderboard). این استراتژی مشابه رویکرد پروژه Clioloop است که با ترکیب مدلهای ارزانقیمت سعی در شبیهسازی کیفیت مدلهای پیشرو دارد.
تغییر پارادایم هوش مصنوعی
این آزمایش نشاندهنده تغییری در نگاه صنعت است؛ از رقابت برای یافتن «مدل شماره یک» به سمت بهینهسازی «ترکیبات مدل». گفتگوهای صنعتی معمولاً حول محور بنچمارکها و اینکه کدام مدل باید جایگزین مدل دیگر شود، میچرخد. اما MoA پیشنهاد میکند که گام بعدی در هوش مصنوعی، نه یک مدل هوشمندتر، بلکه چندین مدل متخصص است که بهعنوان یک تیم عمل میکنند.
برای کاربر، این بدان معناست که MoA برای هر تسکی مناسب نیست. اگر سؤال سادهای بپرسید (مثلاً «۱۵ ضرب در ۲۷ چند میشود؟»)، حضور سه مدل، پاسخ را سه برابر بهتر نمیکند. اما برای مسائلی که چندین رویکرد معتبر دارند، یک کمیته تصمیمگیرنده بسیار ارزشمند است. کاندیداهای با ارزش برای این رویکرد عبارتند از:
- معماری نرمافزار و طراحی سیستم
- دیباگهای پیچیده و بازبینی کد
- پژوهشهای فنی و برنامهریزی مهاجرت دادهها
- گردشکارهای پیشرفته عاملهای هوش مصنوعی
سؤال برای آینده از این تغییر میکند که «کدام مدل هوش مصنوعی باهوشترین است؟» به «کدام ترکیب از مدلهای هوش مصنوعی، هوشمندانهترین تصمیمات را میگیرد؟»
گام بعدی شما
- اگر از مدلهای مختلف (مثلاً Claude و GPT) برای یک پروژه استفاده میکنید، پاسخهای آنها را بهصورت موازی بگیرید و در یک پرامپت نهایی از مدل سوم بخواهید آنها را ترکیب کند.
- در تنظیمات مدلهای مشاور، محدودیت توکنها را روی ۶۰۰ قرار دهید تا از نویز جلوگیری کنید.
- تیمی از مدلهای متنوع (مثلاً یک مدل سریع مثل Flash و یک مدل استدلالی سنگین) را برای کارهای حساس تعریف کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما درباره تراشههای Blackwell مراجعه کنید.
گفتگو