پرش به محتوای اصلی
پرش به محتوای مقاله

پروتکل جدید Contorium v2: یک حافظه‌ی واحد برای تمام عامل‌های کدنویسی

·۱۳ خرداد ۱۴۰۵۲ دقیقه مطالعه
اشتراک‌گذاری

تصور کنید از Cursor به Claude Code می‌روید و باید دوباره کل پروژه را برای مدل توضیح دهید. Contorium v2 این اتلاف وقت را با ایجاد یک لایه‌ی زمان‌اجرا (Runtime) — که شبیه به یک تخته‌سفید مشترک است و اطلاعات را حتی بعد از خروج کارکنان نگه می‌دارد — به پایان می‌رساند.

عامل‌های (Agents) هوش مصنوعی — مثل دستیارهایی که کد می‌زنند اما گاهی یادشان می‌رود در اتاق بغلی چه اتفاقی افتاده — به شدت قدرت‌مند اما فراموش‌کار هستند. همان‌طور که در تحلیل قبلی ما درباره‌ی افزایش بهره‌وری پژوهشگران با ابزارهای کدنویسی اشاره کردیم، گلوگاه اصلی اکنون «تکه‌تکه شدن وضعیت» است. یعنی هر ابزار فقط جلسه‌ی خودش را می‌بیند و برنامه‌نویس باید شکاف‌ها را دستی پر کند.

طبق گزارش dev.to در ۳ ژوئن ۲۰۲۶، Contorium وضعیت‌ها را میان افزونه‌های IDE و ابزارهای CLI همگام می‌کند. این سیستم سه لایه‌ی مشخص را دنبال می‌کند:

  • لایه‌ی تمرکز فعلی: وظیفه فعال برنامه‌نویس.
  • لایه‌ی وضعیت فضای کاری: فایل‌های باز و تغییرات گیت (Git diffs).
  • لایه‌ی تداوم جلسه: حفظ وضعیت هنگام تعویض مدل یا بازراه‌اندازی IDE.

بر اساس مستندات این پروژه، سیستم با عامل‌های MCP-سازگار یکپارچه می‌شود تا نیاز به بازسازی متن کاهش یابد. البته توسعه‌دهندگان هنوز عدد دقیقی برای میزان کاهش این سربار ارائه نکرده‌اند.

این تغییر، هوش مصنوعی را از یک چت‌بات قطع‌ و وصل شونده به یک همکار دارای حافظه تبدیل می‌کند. برای شما یعنی ابزارهای AI بالاخره یک حافظه‌ی مشترک دارند. دیگر لازم نیست جلسات پراکنده را مدیریت کنید؛ حالا یک محیط اجرای واحد در اختیار دارید.

گام بعدی شما

  • مخزن گیت‌هاب Contorium را بررسی کنید تا ببینید پشته‌ی ابزارهای شما از این حافظه پشتیبانی می‌کند یا خیر.
  • اگر از چندین مدل مختلف برای کدنویسی استفاده می‌کنید، لایه‌ی «تداوم جلسه» را در گردش کار خود تست کنید.
  • بررسی کنید آیا ابزارهای فعلی شما با استاندارد MCP سازگار هستند؟

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

چرا این موضوع مهم است؟

این تحول بر اساس تخصص در معماری نرم‌افزار، هزینه‌ی ذهنی برنامه‌نویس را کاهش می‌دهد. اعتبار این رویکرد در این است که وابستگی کاربر به یک ابزار خاص (Vendor lock-in) را می‌شکند و جابجایی بین مدل‌ها را بی‌دردسر می‌کند.

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

موضوع‌ها

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.