تصور کنید برنامه‌نویسی هستید که ساعت‌ها وقت خود را صرف پیدا کردن یک باگ کوچک می‌کنید که یک عامل هوش مصنوعی با اطمینان کامل در کد شما جای‌گذاری کرده است. در ۴ اکتبر ۲۰۲۶، چارچوبی معرفی شد که به جای تکیه بر «مدل‌های هوشمندتر»، از طرح‌واره‌های (Schemas) سخت‌گیرانه‌ی JSON برای حذف حالت‌های شکست خاموش در حلقه‌های خودکار استفاده می‌کند.
این قراردادهای قطعی، تنها راه متوقف کردن ابزارهایی مثل Cursor، Claude Code و Windsurf هستند تا از ارسال کدهایی که در ظاهر درست اما در عمل شکسته هستند، جلوگیری کنند. اکثر توسعه‌دهندگان خروجی‌های عامل را به عنوان متن آزاد می‌بینند؛ این یعنی مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — پاسخی می‌دهد که درست به نظر می‌رسد اما در مراحل بعدی باعث کرش کردن سیستم می‌شود. این مسئله در واقع ریشه در این واقعیت دارد که بسیاری از شکست‌های عامل‌های هوش مصنوعی ناشی از خطاهای ساختاری JSON هستند و نه لزوماً نقص در استدلال مدل.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی پایداری سیستم‌های عامل‌محور اشاره کردیم، این رویکرد باعث ایجاد «شکست خاموش» می‌شود. برای حل این مشکل، نویسنده پیشنهاد می‌کند شناسایی خطا به «چپ» منتقل شود؛ یعنی خطاها در مرز ورود و خروج داده‌ها شکار شوند، پیش از آنکه بستر استدلال مدل را مسموم کنند. این استراتژی در واقع پیاده‌سازی رویکرد طراحی مبتنی بر طرح‌واره (Schema-first) در برابر پرامپت‌های نرم است تا از خطاهای بحرانی در محیط تولید جلوگیری شود.
به نقل از گزارش dev.to، برای داشتن یک خط لوله‌ی آماده‌ی تولید، پنج طرح‌واره‌ی مشخص مورد نیاز است:
- تحویل تسک (Task Handoff): پیش از شروع هر کار، داشتن
id،goal،inputs،acceptance_criteriaوmax_turnsالزامی است. - پوشش فراخوانی ابزار (Tool-Call Envelope): فراخوانی‌ها را با
expected_shapeمی‌پوشاند تا پاسخ‌های API پیش از بازگشت به بستر عامل، اعتبارسنجی شوند. - نتیجه ارزیابی کد (Code-Evaluation Result): بازخوردهای متنی را با یک شیء سخت‌گیرانه شامل
{status: pass|fail, tests_run, tests_passed, error_excerpt}جایگزین می‌کند. - حکم بازبینی (Review Verdict): مسائل مسدودکننده (
blocking_issues) را از ایرادات جزئی (nits) جدا می‌کند تا عامل‌ها به دلیل غلط‌های املایی ساده، درخواست‌های ادغام (PR) را متوقف نکنند. - مانیفست مصنوعات (Artifact Manifest): از هش‌ها (Hashes) برای اطمینان از ارسال تنها فایل‌های تأییدشده استفاده می‌کند.
این تغییر، فرض بنیادین گردش‌کارهای عامل‌محور (Agentic) را از «امید احتمالی» به «تأیید قطعی» تغییر می‌دهد. برای شما به این معناست که زمان کمتری را صرف اصلاح دستی خطاهای عامل‌ها کنید و زمان بیشتری را به تعریف قراردادهای حاکم بر آن‌ها اختصاص دهید. در واقع، قابلیت اطمینان سیستم از مدل خاص مورد استفاده جدا می‌شود و از ریسک‌های ساختاری ناشی از اتکای مطلق به مدل‌های زبانی برای امنیت در خط تولید نرم‌افزار کاسته می‌شود.
بر اساس مستندات ارائه شده، توسعه‌دهندگان اکنون می‌توانند این قراردادها را با استفاده از CLIهای اعتبارسنجی Pydantic V2 پیاده‌سازی کنند تا سازگاری بین پلتفرم‌ها تضمین شود.
گام بعدی شما
- طرح‌واره‌های JSON را برای خروجی‌های حساس عامل‌های خود تعریف کنید تا از پذیرش متن آزاد فاصله بگیرید.
- از کتابخانه‌ی Pydantic برای اعتبارسنجی سخت‌گیرانه‌ی ورودی و خروجی‌ها در لایه‌ی API استفاده کنید.
- فرآیند «حکم بازبینی» را در گیت‌های CI/CD خود ادغام کنید تا اتوماسیون تایید کد دقیق‌تر شود.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو