«توزیع بار شناختی»؛ استراتژی Cursor برای حذف توهمات کدنویسی

تصور کنید تیمی از برنامه‌نویسان دارید که هر کدام فقط یک تکه از پازل را می‌بینند، اما یک مدیر ارشد تمام نقشه را در دست دارد. این دقیقاً همان روشی است که Cursor برای حل مشکل «پراکندگی هدف» در عامل‌های هوش مصنوعی به کار گرفته است.

طبق اعلام Cursor، استفاده از یک معماری ترکیبی که در آن «برنامه‌ریزان» (Planners) و «کارگران» (Workers) تفکیک شده‌اند، توانسته است حجم کد تولیدشده را تا ۸۵٪ کاهش دهد، بدون آنکه دقت خروجی ضربه بخورد. در این سیستم، مدل‌های پیشرو (Frontier Models) مسئول طراحی کلی هستند و مدل‌های ارزان‌تر، اجرای جزئیات را بر عهده می‌گیرند. این رویکرد باعث می‌شود «انحراف» (Drift) که معمولاً زمانی رخ می‌دهد که یک عامل واحد سعی می‌کند همزمان اهداف سطح بالا و پیاده‌سازی‌های سطح پایین را مدیریت کند، کاملاً حذف شود.

این تحول در حالی رخ می‌دهد که صنعت با بحران قابلیت اطمینان در مقیاس بالا دست‌وپنجه نرم می‌کند. اکثر عامل‌های تولیدی فعلی تنها پس از چند گام شکست می‌خورند. بر اساس یک مطالعه در اواخر سال ۲۰۲۵، ۶۸٪ از عامل‌های تولیدی در محیط‌های واقعی، پس از ۱۰ گام نیاز به دخالت انسانی دارند و برای ۴۷٪ از آن‌ها، این نقطه شکست حتی زودتر از ۵ گام رخ می‌دهد. این چالش‌ها با واقعیت‌های بازار همسو است، چرا که برخی گزارش‌ها نشان می‌دهند بخش بزرگی از عامل‌های سازمانی هنوز تنها پوششی برای چت‌بات‌ها هستند و به قابلیت‌های خودکار واقعی دست نیافته‌اند. Cursor با تبدیل این «سرمایه» (Swarm) به یک کامپایلر احتمالی که قصد کاربر را به کد قابل اجرا تبدیل می‌کند، سعی در شکستن این سقف دارد.

مکانیسم برنامه‌ریز-کارگر

همان‌طور که در تحلیل‌های پیشین ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، مدیریت بستر متن (Context) همواره چالش اصلی در سیستم‌های خودکار بوده است. Cursor برای حل این مشکل، عامل‌ها را به دو نقش مجزا تقسیم کرده است: عامل‌های برنامه‌ریز با استفاده از مدل‌های قدرتمند پیشرو، هدف کلی را به صورت بازگشتی (Recursively) به تکالیف کوچک‌تر و قابل مدیریت تقسیم می‌کنند. در مقابل، عامل‌های کارگر که توسط مدل‌های سریع‌تر و ارزان‌تر هدایت می‌شوند، این تکالیف خاص را بدون نیاز به درک هدف کلی پروژه اجرا می‌کنند.

این تفکیک باعث می‌شود عامل‌ها در پروژه‌های طولانی، هدف اصلی را گم نکنند. در این ساختار، برنامه‌ریزان هرگز کد نمی‌نویسند و کارگران هرگز برنامه‌ریزی نمی‌کنند. این امر تضمین می‌کند که درخت تکالیف با پیشرفت کار به صورت پویا تطبیق یابد و از بار شناختی (Cognitive Overload) که باعث انحراف عامل‌های تک‌نفره می‌شود، جلوگیری شود. این رویکرد در واقع پاسخی به گلوگاه‌های برنامه‌ریزی است که ابزارهایی مانند Planwright سعی دارند با اتوماسیون پذیرش کد آن‌ها را برطرف کنند. Cursor تأکید می‌کند که مقیاس‌پذیری در این سیستم نه از طریق موازی‌سازی کارها، بلکه بیشتر از طریق تقسیم بستر متن بین کسانی که تصمیم می‌گیرند و کسانی که اجرا می‌کنند، حاصل می‌شود.

حل مشکل «طراحی دوپهلویی»

مقیاس‌بندی برای دستیابی به توان عملیاتی بالا، حالت‌های شکست بی‌سابقه‌ای را ایجاد کرد. در نسخه‌های اولیه، یک «سرمایه» مرورگر توانست به حدود ۱,۰۰۰ کامیت در ساعت در گیت برسد که از عامل‌های کارگر، یک عامل داور و یک یکپارچه‌ساز استفاده می‌کرد. با این حال، عامل یکپارچه‌ساز بیشتر از آنکه گلوگاه‌ها را برطرف کند، خودش باعث ایجاد گلوگاه می‌شد. سیستم جدید سرعت را به ۱,۰۰۰ کامیت در ثانیه رساند، تا جایی که Cursor مجبور شد سیستم کنترل نسخه (Version Control) اختصاصی خود را بسازد، زیرا عامل‌ها حالت‌های شکست عجیبی ایجاد می‌کردند که تیم‌های انسانی هرگز با آن‌ها مواجه نمی‌شوند.

این سرعت بالا منجر به «طراحی دوپهلویی» (Split-brain design) شد؛ جایی که دو برنامه‌ریز بدون اطلاع از یکدیگر، یک ایده را به دو روش مختلف پیاده می‌کردند. تداخلات زمانی بدتر شد که برنامه‌ریزان از وجود یکدیگر آگاه شدند و با ویرایش‌های متضاد، مسیر یکدیگر را مسدود کردند.

برای حل این بحران، Cursor چهار حفاظ ساختاری تعریف کرد:

• اسناد طراحی مشترک: تصمیمات در اسناد ثبت می‌شوند. هر تکه کدی که به یک تصمیم وابسته است، باید از طریق یک ارجاع که در زمان کامپایل بررسی می‌شود، به آن سند لینک شود.
• داوران بی‌طرف: در صورت بروز تداخل در ادغام (Merge Conflict)، یک عامل بی‌طرف (Neutral) برای حل اختلاف وارد می‌شود.
• ماژولارسازی: کارگران فایل‌های حجیم و متورم را شناسایی کرده و به یک عامل خارجی ارجاع می‌دهند تا آن‌ها را به ماژول‌های کوچک‌تر تقسیم کند.
• شکست‌های عمدی: برخلاف تیم‌های انسانی که معمولاً از دست زدن به کدهای هسته در پروژه‌ها می‌ترسند، Cursor به عامل‌ها اجازه داد کدها را عمداً بشکنند. یک عامل می‌تواند کدی را خارج از محدوده تعیین‌شده‌اش اصلاح کند و کامپایلر این تغییر را در کل سیستم پیش می‌برد.

بازبینی و مدیریت دانش

Cursor چندین زاویه بازبینی را برای افزایش قابلیت اطمینان آزمایش کرد. آن‌ها دریافتند که هیچ دیدگاه واحدی نمی‌تواند تمام خطاها را بگیرد، اما ترکیب دیدگاه‌های غیرهمبسته (Uncorrelated) منجر به قابلیت اطمینان بالاتر می‌شود. آن‌ها از سه بازبین مجزا استفاده کردند:

• یکی متن کامل گفتگوهای کارگر را دریافت می‌کرد.
• یکی فقط خروجی نهایی را می‌دید.
• یکی فقط ساختار کدبیس را بررسی می‌کرد.

علاوه بر این، این سرمایه از یک «راهنمای میدانی» (Field Guide) استفاده می‌کرد. این یک پوشه دانش است که توسط خود عامل‌ها نگهداری می‌شود و دارای یک محدودیت خطوط ثابت است. هر عامل در ابتدای شروع کار، محتویات این راهنما را دریافت می‌کند. از آنجایی که وزن‌های مدل‌ها منجمد (Frozen) هستند، این روش به سرمایه اجازه می‌دهد یافته‌های غافلگیرکننده را ثبت کند تا عامل‌های بعدی بتوانند از میان‌برهای آن‌ها استفاده کنند.

بنچمارک پیاده‌سازی SQLite

Cursor جزئیات یک بنچمارک را منتشر کرد که در آن از سرمایه خواسته شد یک پیاده‌سازی از SQLite را با زبان Rust، تنها با استفاده از دفترچه راهنمای ۸۳۵ صفحه‌ای بسازد. در این آزمون، کدهای منبع، مجموعه‌های تست، فایل باینری SQLite و دسترسی به اینترنت کاملاً قطع بود. سیستم در برابر مجموعه sqllogictest که شامل میلیون‌ها پرس‌وجو و پاسخ‌های شناخته‌شده است، آزمایش شد.

چهار پیکربندی مورد آزمایش قرار گرفت:

• مدل GPT-5.5 به تنهایی (Solo)
• مدل Grok 4.5 به تنهایی (Solo)
• مدل Opus 4.8 (برنامه‌ریز) همراه با Composer 2.5 (کارگر)
• مدل Fable 5 (برنامه‌ریز) همراه با Composer 2.5 (کارگر)

سیستم‌های ترکیبی در تمام معیارها از اجراهای تک‌نفره پیشی گرفتند. پس از چهار ساعت، اجراهای جدید نمراتی بین ۷۳٪ تا ۸۵٪ کسب کردند، در حالی که اجراهای قدیمی بین ۱۱٪ تا ۷۷٪ بودند. هر پیکربندی از سیستم جدید در نهایت به دقت ۱۰۰٪ رسید.

اجراهای Grok 4.5 ناکارآمدی سیستم قدیمی را برجسته کرد. سرمایه قدیمی در دو ساعت ۶۸,۰۰۰ کامیت تولید کرد (حدود ۷۰ برابر بیشتر از سیستم جدید)، اما بیشتر آن «کارای بیهوده» بود. اجرای قدیمی بیش از ۷۰,۰۰۰ تداخل ادغام (Merge Conflict) داشت که نرخ تداخل در طول زمان شتاب می‌گرفت. در یک مورد، متنازع‌ترین فایل ۷,۷۷۱ تداخل از ۱,۱۷۳ عامل ثبت کرد، در حالی که در اجرای جدید این عدد تنها ۴۷ بود.

این مشکل دوپهلویی به ساختار بسته‌ها نیز کشیده شد. اجرای قدیمی پروژه را به ۵۴ کریت (Crate) در Rust با سه بسته SQL مجزا تقسیم کرد؛ اما اجرای جدید در مراحل اولیه روی نه کریت متمرکز شد. در پیکربندی Fable 5، سرمایه قدیمی به ۶۴,۳۰۵ خط کد موتور نیاز داشت، در حالی که سیستم جدید تنها با ۹,۹۰۸ خط به هدف رسید. در پیکربندی Opus، سیستم قدیمی ۱۹,۰۱۳ خط برای کسب نمره ۹۷٪ تولید کرد، در حالی که سیستم جدید با ۴,۶۴۵ خط به دقت ۱۰۰٪ رسید. این یعنی کاهش حجم کدبیس تا ۸۵٪.

اقتصاد هوش

برجسته‌ترین یافته، تفاوت فاحش در هزینه‌هاست. هزینه‌های کل از ۱,۳۳۹ دلار برای ترکیب Opus تا ۱۰,۵۶۵ دلار برای اجرای تک‌نفره GPT-5.5 متغیر بود.

کارگران در هر اجرا حداقل ۶۹٪ و معمولاً بیش از ۹۰٪ توکن‌ها را مصرف می‌کنند. با این حال، تقسیم هزینه متفاوت است زیرا توکن‌های برنامه‌ریز گران‌تر هستند. در ترکیب Opus، برنامه‌ریز سهم کمی از توکن‌ها را تولید کرد اما دو-سوم کل صورت‌حساب را به خود اختصاص داد. تفاوت هزینه بین ارزان‌ترین و گران‌ترین پیکربندی‌ها ۱۵ برابر بود.

در اجرای GPT-5.5، تنها کارگران ۹,۳۷۳ دلار هزینه داشتند. در ترکیب Opus/Composer، کل ناوگان کارگران تنها ۴۱۱ دلار هزینه کرد. مایکل تروئل، بنیان‌گذار Cursor، اشاره کرد که Composer 2.5 (بر پایه Kimi K2.5) در بنچمارک‌ها در سطح Opus 4.7 و GPT-5.5 عمل می‌کند اما هزینه آن تنها ۰.۵۰ دلار برای هر میلیون توکن ورودی و ۲.۵۰ دلار برای هر میلیون توکن خروجی است.

این موضوع ثابت می‌کند که تنها بخش کوچکی از یک تکلیف بزرگ به هوش یک مدل پیشرو نیاز دارد. اگرچه کیفیت برنامه‌ریز همچنان مهم است (برنامه‌ریز Fable 5 توکن‌های برنامه‌ریزی کمتری نسبت به Opus مصرف کرد، اما کارگرانش برای اتمام کار به توکن‌های بسیار بیشتری نیاز داشتند و در نتیجه اجرای Fable گران‌تر شد)، اما رویکرد ترکیبی به شدت بهینه‌تر است.

این معماری اکنون از محیط آزمایشگاهی فراتر رفته است. یک نسخه پیش‌انتشاری از Fable 5 اخیراً بخش بزرگی از بازنویسی Bun از Zig به Rust را مدیریت کرد؛ ۶۴ نمونه که در ۱۱ روز بیش از یک میلیون خط کد با هزینه تقریبی ۱۶۵,۰۰۰ دلار نوشتند.

این تغییر مسیر نشان می‌دهد که آینده کدنویسی AI نه در یک مدل عظیم، بلکه در سلسله‌مراتبی از عامل‌های متخصص است. اکنون گلوگاه دیگر هوش خام مدل نیست، بلکه دقت در توصیف قصد اولیه کاربر است.

برای مشاهده این سیستم در عمل، می‌توانید کدبیس اجرای تک‌نفره Opus را که با نام 'minisqlite' در گیت‌هاب منتشر شده، بررسی کنید.

گام بعدی شما

• اگر از ابزارهای کدنویسی AI استفاده می‌کنید، سعی کنید تکالیف را به «طراحی کلی» و «پیاده‌سازی جزئی» تفکیک کنید تا از توهمات مدل در پروژه‌های بزرگ جلوگیری شود.
• بررسی کنید که آیا مدل‌های کوچک‌تر و ارزان‌تر (مانند خانواده Kimi یا Llama) می‌توانند بخش‌های تکراری کد شما را با دقت مشابه مدل‌های گران‌قیمت اجرا کنند یا خیر.
• برای مدیریت بهتر پروژه‌ها، از اسناد طراحی (Design Docs) به عنوان منبع حقیقت برای عامل‌های AI استفاده کنید تا از تداخلات کدنویسی جلوگیری شود.

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