تصور کنید یک روز کامل را صرف عیب‌یابی ۳۰۰۰ خط کد کنید. در نهایت بفهمید یک دستور ساده می‌توانست جایگزین تمام آن‌ها شود. این واقعیت تلخ برای توسعه‌دهنده‌ای است که از Claude Code با مدل Opus 4.7 استفاده می‌کند.
این رفتار نشان‌دهنده شکافی عمیق در مهندسی نرم‌افزار است. مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — در اینجا دچار یک خطای استراتژیک شده است. همان‌طور که در تحلیل‌های پیشین ما درباره‌ی ابزارهای خودکارسازی اشاره کردیم، هدف رسیدن به بهره‌وری است، نه تولید حجم زیاد کد.
به نقل از گزارشی در ۱۲ می ۲۰۲۶، مدل Claude کتابخانه‌های pywikibot و mwparserfromhell را از صفر بازنویسی کرد. نتایج این رویکرد بسیار ناکارآمد بود:
- مدل ۱۲۲ خط کد برای پاک‌سازی متن نوشت، در حالی که یک دستور ساده از
mwparserfromhellکافی بود. - حدود ۲۵۰۰ خط کد برای مدیریت ویرایش‌ها تولید کرد که بعداً با تنها ۸ خط کد از
pywikibotجایگزین شدند. - یک دیکشنری غلط‌گیر ۱۸ موردی ساخت که تمام آن در کتابخانه
RETFموجود بود.
طبق گزارش این توسعه‌دهنده، پس از دستور صریح برای مهاجرت به کتابخانه‌های استاندارد، حجم کد از ۳۰۰۰ خط به ۱۲۵۹ خط کاهش یافت.
این شکست احتمالاً از نحوه آموزش مدل‌ها می‌آید. بسیاری از بنچمارک‌های کدنویسی «بسته» هستند؛ یعنی مدل به اینترنت یا نصب بسته دسترسی ندارد. اگر مدل برای حل مسئله بدون ابزار خارجی پاداش بگیرد، یاد می‌گیرد که کتابخانه‌ها را نادیده بگیرد. این یعنی توهم (Hallucination) — شبیه دوستی که خاطره‌ای را اشتباه تعریف می‌کند — در اینجا به شکل «توهم هزینه» ظاهر می‌شود. مدل سعی می‌کند کدهای زائد را دفاع کند چون قبلاً آن‌ها را در پنجره متنی (Context Window) — مثل میز کاری که فقط جای چند ورق دارد — نوشته است.
این وضعیت باعث ایجاد بدهی فنی (Technical Debt) می‌شود؛ مثل خانه‌ای که با چسب به جای میخ ساخته شده و هر لحظه ممکن است فرو بریزد.
گام بعدی شما
- هنگام استفاده از مدل‌های کدنویسی، صراحتاً از آن‌ها بخواهید ابتدا در PyPI به دنبال کتابخانه‌های موجود بگردند.
- کدهای تولیدشده توسط AI را از نظر «تکرار چرخ» (Reinventing the wheel) بازبینی کنید.
- منتظر بنچمارک‌های «وب-باز» باشید که توانایی مدل در تحقیق و وارد کردن کتابخانه‌ها را می‌سنجند.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو