چرا «کد کثیف» در عصر هوش مصنوعی زاینده به یک مزیت تبدیل شده است؟

اگر شما برنامه‌نویسی هستید که آخر هفته‌هایش را صرف رفع ایرادات کوچک و آزاردهنده در ابزارهای شخصی‌اش می‌کند، دیگر در این مسیر تنها نیستید. در ۸ ژوئن ۲۰۲۶، رشته‌گفتاری در هکر نیوز (Hacker News) از موج جدیدی خبر داد: افزایش شدید در ساخت ابزارهای سفارشی و تک‌کاربره از طریق هوش مصنوعی که در آن‌ها کاربرد فوری و عملیاتی، بر هرگونه استانداردی از صیقل‌خوردگی تجاری برتری دارد.

این تحول در حالی رخ می‌دهد که صنعت از چت‌بات‌های عمومی به سمت عامل‌های تخصصی حرکت می‌کند. در حالی که آزمایشگاه‌های بزرگ بر سر نمرات بنچمارک می‌جنگند، سازندگان مستقل از مدل‌هایی مثل کلود (Claude) و جمینای (Gemini) استفاده می‌کنند تا بخش‌های کسالت‌بار زندگی خود را خودکار کنند. این اتفاق معادل دیجیتالیِ ساختن یک ابزار نگهدارنده (Jig) دست‌ساز در کارگاه نجاری است؛ ابزار لازم نیست زیبا باشد، فقط باید قطعه را سر جایش نگه دارد.

همان‌طور که در تحلیل‌های قبلی ما درباره‌ی تغییر نقش برنامه‌نویسان در عصر AI اشاره کردیم، اکنون شاهد تولد پدیده‌ای هستیم که کاربران آن را «وایب-کدینگ» (Vibe-coding) می‌نامند. در این روش، برنامه‌نویس حداقل کد را می‌نویسد و بقیه کارهای سنگین را به هوش مصنوعی می‌سپارد. به نقل از یکی از توسعه‌دهندگان، او در اپلیکیشن‌های داده‌محور خود کمتر از ۵٪ کد واقعی را بررسی کرده است. این ابزارها اغلب «لرزان» (Janky) توصیف می‌شوند و برای عرضه عمومی مناسب نیستند، اما برای کاربر، اهرم پیشروی عظیمی ایجاد می‌کنند.

برای این سازندگان، کد دیگر یک محصول نیست، بلکه وسیله‌ای برای رسیدن به هدف است. این رویکرد اجازه می‌دهد یک سازنده مجموعه داده‌های سفارشی را تنها در چند ساعت کار بسازد. برخی از آن‌ها از یک هارنس (Harness) سفارشی با پشتیبانی دگر (Dagger) استفاده می‌کنند که قابلیت‌هایی مثل نمایش تفاوت‌ها (Diffs)، سفر در زمان (Time Travel) و فورک کردن (Forking) را برای هر دو بخش فایل‌ها و محیط‌ها فراهم می‌کند.

بر اساس گزارش‌های منتشر شده در این رشته‌گفتار، برخی از این ابزارهای کاربردی اما غیرصیقل‌خورده عبارت‌اند از:

• Calendiff: ابزاری که URLهای فرمت .ics را برای تغییرات تقویم رصد کرده و هشدار ایمیلی می‌فرستد.
• Foxcage: سیستمی که مرورگر فایرفاکس را درون پادمن (Podman) اجرا می‌کند تا مرورگر را به‌طور کامل از ماشین میزبان ایزوله کند.
• Claude-sandbox: محیطی امن برای اجرای کلود در پادمن که از یک سیستم پروکسی برای تأمین امنیت اعتبارنامه‌ها (Credentials) استفاده می‌کند.
• Yoloai: ابزاری برای ساخت سندباکس (با استفاده از Docker، Podman، Orbstack، Seatbelt، Tart، Containerd، Kata یا Firecracker) و استقرار عامل‌هایی مثل Claude، Codex، Gemini، Aider یا OpenCode با حداکثر دسترسی برای حذف اصطکاک‌های ناشی از پرامپت. این ابزار یک کپی از دایرکتوری کاری را برای عامل ایجاد می‌کند و به کاربر اجازه می‌دهد تغییرات را از طریق git diffs یا commitها دریافت کند.

فراتر از اسکریپت‌های ساده، توسعه‌دهندگان در حال ساخت سیستم‌های پیچیده داخلی برای صنایع خاص هستند. طبق اعلام یکی از کاربران، او یک CRM نیمه‌کاره برای فروش به دلالان داده ثبت‌شده ساخته است. این ابزار آمارهای تطبیقی منتشرشده توسط خود شرکت‌ها را از صفحات حریم خصوصی یا پرونده‌های عمومی استخراج کرده و آن‌ها را در مقابل درصدهای صنعت قرار می‌دهد (مثلاً: «حجم درخواست‌های حذف شما سال به سال در صدک ۹۵ بوده است») تا پیام‌های بازاریابی سرد (Cold Outreach) را تسهیل کند. این کاربر همچنین سیستم را با تعیین اهدافی برای تعداد تماس‌ها و ایمیل‌های ارسالی به ازای هر لید، بازی‌وار (Gamify) کرده است.

توسعه‌دهنده دیگری وب‌سایت ccpa.world/enforcement را برای رصد اجرای قانون حریم خصوصی مصرف‌کننده کالیفرنیا (CCPA) ساخت. او اشاره کرد که دو هفته زمان برد تا «توهمات» (Hallucinations) — یعنی اقدامات اجرایی ساختگی و ارجاعات جعلی به قوانین ناموجود کالیفرنیا که مدل‌های AI در خلاصه‌ها تزریق کرده بودند — را پاک کند.

سایر آزمایش‌های سطح حرفه‌ای شامل موارد زیر است:

• Email Sanitizer: ابزاری که در حال توسعه است تا تگ‌ها، اتریبیوت‌ها، CSS و طرح‌های URL را در بخش‌های HTML، SVG، تقویم و vCard سفید یا سیاه کند. این ابزار محتوای راه دور را در زمان تحویل دریافت می‌کند تا از ردیابی جلوگیری کند و رمزگذاری/رمزگشایی خودکار PGP و SMIME را مدیریت می‌کند.
• سیستم‌های پژوهشی: یک سیستم داخلی طراحی شده برای سازماندهی، جستجو، مقایسه و تحلیل حجم عظیمی از داده‌های تولید شده توسط شرکت، تا کاربر مجبور نباشد هر بار گفتگو را در ChatGPT یا Claude از نو شروع کند.
• Markdown Wiki: یک پایگاه دانش شخصی با پشتیبانی تایپسنس (Typesense) که دارای قابلیت‌های جستجوی وب، دریافت (Fetch) و خزش (Crawl) است (در دسترس در github.com/verdverm/gmd).

هوش مصنوعی حتی سرگرمی‌های فیزیکی را هم متحول کرده است. یک کاربر سه ابزار متمایز برای نقشه‌برداری مسیرهای دوچرخه کوهستان ساخته است:

۱. یک مولد نقشه با استفاده از داده‌های OpenStreetMap و اطلاعات سفارشی در قالب YAML (trailmaps.app-map-generator).
۲. یک تبدیل‌کننده OSM-to-AI که داده‌های نقشه را به SVG تبدیل می‌کند تا برای ویرایش دستی در Adobe Illustrator جهت ساخت نقشه‌های چاپی یا PDF برای سر trailheadها استفاده شود.
۳. یک سرور محلی برای کاشی‌های نقاط گرمایشی (Heatmap tile server) برای مسیرهای ثبت شده با GPS، که اجازه استفاده از کاشی‌های سفارشی را در نرم‌افزارهای ویرایش نقشه می‌دهد.

این ابزارها قدرت بخشیدن به trailmaps.app را فراهم کرده و تجسم محلی دقیق‌تری نسبت به سیستم‌های بزرگی مثل Trailforks، Gaia یا RideWithGPS ارائه می‌دهند.

پروژه‌های تفریحی دیگر شامل موارد زیر است:

• Pelohard.com: سایتی که جدیدترین کلاس‌های پلوتون (Peloton) را بر اساس سختی رتبه‌بندی می‌کند و دو بار در روز به‌روزرسانی می‌شود.
• داشبوردهای شخصی: یک سیستم ردیابی برای معیارهای شخصی شامل فعالیت گیت‌هاب، Strava، تکمیل لیست کارهای To-do و حتی نخ‌دندان کشیدن، که روی یک نمایشگر اختصاصی کاغذ الکترونیک (e-ink) نمایش داده می‌شود.
• آموزشگاه‌های زبان و موسیقی: اپلیکیشن‌های اندرویدی سفارشی برای آموزش زبان آلمانی و آموزش پیانو با MIDI.

برخی توسعه‌دهندگان حتی زیرساخت‌های سیستمی را جایگزین کرده‌اند. یک کاربر گزارش داد که یک شبیه‌ساز ترمینال برای macOS با تب‌های عمودی با استفاده از libghostty (جایگزین iTerm) و یک حافظه ذخیره‌ساز (NAS) رمزنگاری شده btrfs-RAID1 روی نیکس‌او‌اس (NixOS) (جایگزین دستگاه Synology) ساخته است، در حالی که ادعا می‌کند هیچ کدی را با دست ننوشته است.

ابزارهای آزمایشی دیگر:

• Hex Flex: ابزاری برای مقایسه محتویات فایل‌های Intel Hex، به‌ویژه برای کسانی که در حوزه فریم‌ور (Firmware) فعالیت می‌کنند.
• Claudhd: یک دیمون کاربر (User Daemon) که یک سوکت یونیکس را باز می‌کند و از هوک‌ها در Zsh و Vim استفاده می‌کند تا تاریخچه دایرکتوری و دستورات را به Claude Haiku بفرستد تا خلاصه‌ای ارائه دهد. داده‌ها در SQLite ذخیره شده و از طریق MCP (Model Context Protocol) برای پاسخ به سوالاتی مثل «دیروز داشتم چه کار می‌کردم؟» در دسترس هستند.
• Frontman: عاملی با یکپارچگی عمودی که از درون یک فریم‌ور با استفاده از ابزارهای زمان اجرا (Runtime) مانند لاگ‌ها عمل می‌کند، به جای اینکه فقط فایل‌ها را بخواند.
• زبان برنامه‌نویسی سفارشی: زبانی با مدیریت حافظه ایمن و مدل هم‌روندی (Concurrency) اعلامی که روی یک ران‌تایم شبیه Go اجرا می‌شود. این زبان دارای «سطوحی» از کامپایل است؛ از یک حالت «SAY mode» شبیه روبی تا یک حالت سخت‌گیرانه و با کارایی بالا شبیه Rust/Tokio.
• Hoopoe: یک اپلیکیشن TUI برای غلط‌گیری متون که با استفاده از رابط وب رایگان جمینای برای دیباگ کردن و انتخاب کریت‌های (Crates) زبان راست ساخته شده است.

با این حال، این بهره‌وری بدون هزینه نیست. یک توسعه‌دهنده اعتراف کرد که اجازه دادن به AI برای «رفع خارش‌های روزمره» بدون ذخیره کد یا یادگیری منطق زیربنایی، باعث احساس «پوچی» بیشتر می‌شود؛ گویی حلقه سنتی یادگیری مرتبط با کدنویسی دستی در حال از بین رفتن است.

توسعه‌دهنده دیگری به ترجیح استفاده از یک زنجیره ابزار (Toolchain) مینیمال اشاره کرد و از مولدهای کد استفاده می‌کند تا ابزارها روی سخت‌افزارهای ضعیف سریعاً کامپایل شوند و در برابر روند تکیه شدید به AI در فرآیند واقعی ساخت مقاومت کند.

این تغییر نشان می‌دهد که ارزش نرم‌افزار از «عمل ساختن» به «عمل سازمان‌دهی» (Orchestration) تغییر می‌کند. برنامه‌نویس دیگر یک بنا نیست، بلکه معمار است که می‌تواند ساختمان را فوراً ظاهر کند، حتی اگر لوله‌کشی‌اش کمی کج باشد.

برای کسانی که به دنبال تکرار این روند هستند، مسیر به سمت ساخت «هارنس‌ها» (Harnesses) است؛ محیط‌های سفارشی که به عامل‌های AI اجازه می‌دهد با دسترسی بالا روی نسخه‌های محلی از دایرکتوری‌های کاری فعالیت کنند و از git diffs برای بازگرداندن تغییرات به پروژه اصلی استفاده نمایند.

اگر وظیفه تکراری دارید که روزانه ۱۰ دقیقه زمان می‌برد، اکنون از نظر محاسباتی ارزان‌تر است که یک ابزار سفارشی برای آن بسازید تا اینکه آن را به صورت دستی انجام دهید. گام بعدی، بررسی Model Context Protocol (MCP) است تا ابزارهای محلی شما حافظه پایداری از عادات کاری‌تان داشته باشند.

گام بعدی شما

• اگر وظیفه تکراری دارید که روزانه ۱۰ دقیقه زمان می‌برد، به جای انجام دستی، یک ابزار تک‌منظوره با کمک Claude یا Gemini بسازید.
• برای مدیریت تغییرات ابزارهای AI-generated، از سیستم Git Diff استفاده کنید تا متوجه شوید مدل دقیقاً چه تغییری در کد شما داده است.
• پروتکل MCP (Model Context Protocol) را بررسی کنید تا ابزارهای محلی شما حافظه پایداری از عادات کاری‌تان داشته باشند.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.