گیت‌های اعتبارسنجی سخت در برابر دستورالعمل‌های طولانی در برنامه‌نویسی AI

اگر هنوز برای بهبود خروجی عامل‌های هوش مصنوعی خود به نوشتن پرامپت‌های طولانی‌تر متوسل می‌شوید، احتمالاً در تله‌ای افتاده‌اید که اکثر توسعه‌دهندگان در آن گیر کرده‌اند. حقیقت این است که راز پایداری یک عامل، در مستندات بیشتر نیست، بلکه در محدودیت‌های سخت‌گیرانه‌تر است. این مکاشفه در ۱۰ اوت ۲۰۲۶ توسط توسعه‌دهنده‌ای در وب‌سایت dev.to منتشر شد که بیش از ۵۰ مهارت (Skill) برای عامل‌های کدنویس ساخته و دریافت که اکثر «بهترین روش‌های» رایج در محیط عملیاتی شکست می‌خورند. این چالش‌ها در واقع تکرار همان وابستگی شدید عامل‌ها به متن است که پیش‌تر به عنوان سدی در برابر مهندسی سطح تولید تحلیل کرده بودیم.

همان‌طور که در تحلیل قبلی ما درباره‌ی حافظه‌های تیمی در Tencent Cloud اشاره کردیم، صنعت اکنون از حافظه‌های کلی به سمت «مهارت‌های» اجرایی و خاص حرکت می‌کند. یک مهارت را نباید مثل یک کتاب درسی برای هوش مصنوعی دید، بلکه شبیه به یک چک‌لیست دقیق است که مانع از انحراف عامل از مسیر اصلی می‌شود.

از مستندسازی تا اجرا

تجربه این توسعه‌دهنده حاصل ساخت سیستم‌های متنوعی بود؛ از خط لوله‌های تحلیل سهام و سیستم‌های تولید محتوا گرفته تا ابزارهای تبدیل اسناد و یک تجمیع‌کننده برای GitHub Trending. او دریافت وقتی یک مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — با حجم زیادی از زمینه (Context) بمباران شود، تمایل دارد فقط الگوهای سطحی را کپی کند و محتوای واقعی و جوهری را نادیده بگیرد.

بر اساس این تجربه، عصر «مهندسی پرامپت» (Prompt Engineering) — هنر سؤال درست پرسیدن، شبیه کسی که می‌داند چطور از یک مشاور باتجربه بهترین جواب را بگیرد — در حال تبدیل شدن به «مهندسی محدودیت» است. برای برنامه‌نویسان، این یعنی زمان کمتری برای نوشتن متن و زمان بیشتری برای ساخت لایه‌های اعتبارسنجی که در صورت بروز خطا، سریعاً و با صدای بلند هشدار دهند (Fail Loudly). این رویکرد در واقع جایگزینی دستورالعمل‌های انتزاعی با مراجع عملیاتی است تا کد تولید شده واقعاً آماده‌ی محیط عملیاتی باشد.

طبق گزارش dev.to، موثرترین مهارت‌ها از ۵ قانون طلایی پیروی می‌کنند:

۵ قانون طلایی مهارت‌های عامل

• کوتاه نگه داشتن مهارت‌ها: یک فایل مهارت ۱۷۴ کیلوبایتی شامل ۱۳ چارچوب نویسندگی و تئوری‌های آکادمیک، خروجی‌هایی بی‌روح و کلی تولید می‌کرد. کاهش این حجم به ۳ اصل و ۵ محدودیت سخت، بلافاصله کیفیت را بالا برد. اگر مهارتی به فهرست مطالب نیاز دارد، دیگر یک «مهارت» نیست، بلکه یک کتاب است.
• استفاده از گیت‌های سخت (Hard Gates): مدل‌های زبانی با توصیه‌های نرم مثل «مطمئن شو کیفیت بالا است» مشکل دارند. به‌جای آن باید از اسکریپت‌هایی استفاده کرد که در صورت عدم تطابق، خطا دهند. مثال‌هایی از این دست شامل شرط گذاشتن برای «امتیاز عنوان ≥ ۶.۵» یا بررسی وجود حداقل ۲ تصویر با دستور grep -c '![' قبل از انتشار است. همچنین عامل‌ها باید ابتدا داده‌های واقعی بازار را دریافت کنند؛ اگر داده‌های تازه وجود ندارد، باید کل فرآیند انتشار را نادیده بگیرند.
• اولویت با طراحی رابط (Interface): بازطراحی ساختار پارامترهای یک API بسیار موثرتر از ارائه ۱۰ مثال برای نحوه فراخوانی آن است. در حالی که مثال‌ها آموزش می‌دهند، رابط‌ها محدود می‌کنند و در نهایت محدودیت‌ها برنده می‌شوند.
• کدگذاری قضاوت، نه دانش: دانش کلی جایشان در مستندات است. مهارت‌ها باید درس‌هایی را ذخیره کنند که به قیمت شکست به دست آمده‌اند؛ یعنی یادداشت‌هایی با عنوان «چه چیزی شکست خورد و چرا». کپی کردن دانش عمومی صرفاً جابجایی بایت‌هاست، اما کدگذاری درس‌های سخت‌به‌دست‌آمده، تجربه را به صورت ترکیبی افزایش می‌دهد.
• بی‌اعتمادی به وضعیت OK: کدهای خروجی اغلب «نمایشی» هستند. یک عامل cron ممکن است هفته‌ها وضعیت last_status: ok را گزارش کند اما خروجی بی‌ارزشی تولید کند. اعتبارسنجی واقعی نیازمند اثر انگشت وضعیت (State Fingerprint) قبل و بعد از اجرا، رسید برای هر عملیات انتشار و بازبین‌هایی است که به‌جای بررسی کل متن نویسنده، فقط تغییرات (Diff) و مرزهای اعتماد را بررسی کنند.

پیاده‌سازی‌های دنیای واقعی

این قوانین در ابزارهای عملیاتی که روی APIهای رایگان و GPUهای شخصی (بدون نیاز به اشتراک‌های SaaS) اجرا می‌شوند، به کار گرفته شده‌اند:

• کارشناس تحلیل سهام A-Share: سیستمی سه ستونی که تحلیل تکنیکال (MACD/KDJ/RSI و حجم-قیمت)، تحلیل بنیادی (نسبت‌های ROE/PEG و بافتی) و ردیابی احساسات (جریان سرمایه و پول‌های گرم) را ترکیب می‌کند.
• تجمیع‌کننده روزانه GitHub Trending: ابزاری با هزینه صفر و بدون نیاز به API که هر ۶ ساعت یک‌بار به‌روزرسانی می‌شود تا عامل‌ها را از ترندهای فعلی آگاه کند.
• انسانی‌ساز (Humanizer): ابزاری برای حذف ۲۴ الگوی رایج نوشتاری LLM تا محتوای تولید شده توسط عامل، شبیه نوشته‌های ماشین نباشد.

برای حفظ این استانداردها، توسعه‌دهنده یک حلقه بازخورد ایجاد کرده است: به‌جای اصلاح دستی جملات عجیب هوش مصنوعی، الگوی خطا را علامت‌گذاری می‌کند. سپس عامل، آن الگو را نام‌گذاری کرده و به‌عنوان یک قانون دائمی در فایل مهارت ذخیره می‌کند تا این عادت در پیش‌نویس‌های آینده تکرار نشود.

اگر در حال ساخت خط لوله‌های خودمختار هستید، می‌توانید این پیاده‌سازی‌های متن‌باز را در GitHub از طریق مخزن Felixwang007 بررسی کنید یا کارشناس تحلیل سهام A-Share را در xiaping.coze.com بیابید.

گام بعدی شما

• در پرامپت‌های خود توصیفات کیفی (مثل «بهتر بنویس») را حذف و با معیارهای کمی (مثل «حداکثر ۱۰ کلمه») جایگزین کنید.
• برای هر خروجی حساس، یک اسکریپت ساده پایتون بنویسید که وجود یا عدم وجود المان‌های ضروری را چک کند.
• مخزن GitHub کاربر Felixwang007 را برای بررسی پیاده‌سازی‌های متن‌باز این متدولوژی دنبال کنید.

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