اگر با Cursor یا Claude اپلیکیشن میسازید، مشکل اصلی شما کدنویسی نیست، بلکه لحظهی استقرار (Deployment) است. تصور کنید کدی که در محیط محلی شما عالی کار میکند، به محض رسیدن به سرور، کاملاً از کار بیفتد.
این مشکل از شکافی نشأت میگیرد که پلتفرمها در درک پروژههای «وایب-کد» (Vibe-coding) — یعنی روشی شبیه توصیف شفاهی یک خانه به سازگار بهجای ارائه نقشه دقیق مهندسی — دارند. همانطور که در تحلیل قبلی ما دربارهی محدودیتهای زیرساختی مدلهای زبانی اشاره کردیم، چالش اکنون دیگر مقیاسپذیری نیست، بلکه این است که آیا پلتفرم میتواند نقشهی خدمات پیچیده را بدون دخالت انسان بفهمد یا خیر. در این میان، مدل زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن کتابها جواب میدهد — کد را مینویسد، اما محیط اجرای واقعی را نمیشناسد.
در ۷ ژوئن ۲۰۲۶، یک توسعهدهنده برای بررسی این موضوع، اپلیکیشنی به نام VibeSplit را مستقر کرد. طبق گزارش وبسایت dev.to، این برنامه از پشتهی سنگینی شامل Next.js 15، Prisma، PostgreSQL، Supabase Auth، Inngest، OpenAI Vision و Stripe استفاده میکرد. نتایج در سه پلتفرم متفاوت بود:
- Railway: در اتوماسیون دیتابیس شکست خورد و نیاز به تنظیم دستی PostgreSQL داشت که منجر به خطای ۵۰۲ در پورت شد.
- Vercel: فرانتاِند را با موفقیت ساخت، اما به دلیل نادیده گرفتن ساختار کلی بکاِند، خطای ۵۰۰ (Internal Server Error) بازگرداند.
- Jetpacked: بهترین عملکرد را داشت و با تشخیص خودکار نیاز به Postgres و تنظیمات Prisma، نیاز به پیکربندی دستی را به شدت کاهش داد.
بر اساس مستندات این آزمایش، یک نقطه شکست فنی مشترک، مدیریت متغیرهای محیطی در زمان ساخت (Build-time environment variables) بود. برای متغیرهایی مثل NEXT_PUBLIC_SUPABASE_URL پلتفرم باید مقدار را در حین ساخت تزریق کند؛ اگر این کار فقط در زمان اجرا (Runtime) رخ دهد، مرورگر مقادیر جایگزین را دریافت کرده و اپلیکیشن میشکند.
این آزمایش نشان میدهد که تشخیص «Next.js» اکنون یک قابلیت ابتدایی است. برنده واقعی دوران کدنویسی AI، پلتفرمی است که بتواند «استنتاج پشته» (Stack Inference) را انجام دهد؛ یعنی مخزن کد را بخواند و بهطور خودکار دیتابیس، اسرار (Secrets) و پردازشگرهای پسزمینه را فراهم کند.
گام بعدی شما
- پیش از استقرار بعدی، آدرسهای بازگشتی (OAuth Redirect URLs) را در داشبورد Supabase بررسی کنید؛ هیچ پلتفرمی هنوز نمیتواند این تاییدیه های خارجی را خودکار کند.
- اگر از پشتههای چندلایه استفاده میکنید، متغیرهای محیطی را در بخش Build-time تنظیمات پلتفرم خود بازبینی کنید.
- قابلیتهای استنتاج زیرساختی Jetpacked را برای پروژههای پیچیده آزمایش کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو