نقشه‌ی ۱۸ ساله‌ی Hacker News؛ گذار از دوران فریم‌ورک‌ها به عصر هوش مصنوعی

تصور کنید تمام شور و هیجان برنامه‌نویسان جهان را در یک نمودار زنده ببینید. پلتفرم Hacker Trends با تحلیل ۴۵ میلیون پست و کامنت از سال ۲۰۰۸ تا ۲۰۲۶، خاطرات پراکنده از «روزهای خوش گذشته» را به یک خط زمانی قابل اندازه‌گیری از تکامل نرم‌افزار تبدیل کرده است. از طریق این پلتفرم، خاطرات شخصی و روایت‌های شفاهی از تاریخچه تکنولوژی به داده‌های کمی تبدیل می‌شوند تا روند تکامل نرم‌افزارهای جهان قابل مشاهده باشد.

این ابزار به کاربران اجازه می‌دهد تا با روی‌هم‌گذاری کلمات کلیدی، دقیقاً ببینند چه زمانی یک فناوری تسلط خود را از دست داده و ابزاری دیگر پیش‌تاز شده است. هر خط در این نمودار یک هیستوگرام تاریخ زنده است که کاربر می‌تواند با کشیدن نشانگر روی یک محدوده زمانی یا کلیک بر روی ماه‌های خاص، داده‌های زیربنایی را فیلتر کند و جزئیات دقیق‌تری را مشاهده نماید.

همان‌طور که در تحلیل قبلی ما درباره‌ی ۱۰۰ استارت‌آپ هوش مصنوعی که از اکوسیستم Hacker News ظهور کردند اشاره کردیم، این داده‌ها نمای کلی‌تری (Macro-level view) از دلیل وجود آن شرکت‌ها ارائه می‌دهند. جامعه‌ی توسعه‌دهندگان خطی حرکت نمی‌کنند، بلکه در موج‌های شدید از وسواس و شیفتگی پیش می‌روند. برای یک برنامه‌نویس، تشخیص اینکه کدام موج در نقطه اوج است، تفاوت میان یک تغییر معماری ماندگار و یک موج گذرا (Hype Cycle) را مشخص می‌کند و کمک می‌کند تا متوجه شود چه زمانی یک ابزار صرفاً ترند است و چه زمانی یک تغییر پارادایم رخ داده است.

طبق گزارش سازندگان این ابزار، پلتفرم مذکور بر بستر Upstash Redis Search ساخته شده است. این زیرساخت به ابزار اجازه می‌دهد تا پرس‌وجوهای لحظه‌ای و سریع روی این حجم عظیم از داده (۴۵ میلیون پست) را مدیریت کند. کاربران می‌توانند با فیلتر کردن نویسنده یا عبارت خاص، به داستان‌ها، بحث‌ها و کامنت‌های واقعی که باعث ایجاد این نقاط اوج در نمودار شده‌اند، دسترسی پیدا کنند و ریشه هر تغییر ترند را در گفتگوهای جامعه برنامه‌نویس‌ها بیابند.

تکانه‌های شدید هوش مصنوعی

بر اساس بررسی داده‌ها، دو «برج» متمایز در حوزه هوش مصنوعی گفتگوهای پلتفرم را بازتعریف کردند. نخستین مورد، عرضه ChatGPT در اواخر سال ۲۰۲۲ بود که یک دیوار عمودی از علاقه و توجه ایجاد کرد و حجم بحث‌ها را به طور ناگهانی افزایش داد. دومین مورد، جهش DeepSeek در ژانویه ۲۰۲۵ بود؛ اتفاقی که به عنوان «لحظه اسپوتنیک» توصیف شد. این جهش باعث شد بحث‌ها سال‌ها پس از انفجار اولیه مدل‌های زبانی بزرگ (LLM) دوباره شعله‌ور شود و نگاه جامعه به دسترسی به مدل‌های قدرتمند تغییر کند.

در دنیای وزن‌های باز (Open Weights) — یعنی مدل‌هایی که پارامترها و ساختار آن‌ها برای عموم منتشر شده است — توالی مشخصی دیده می‌شود. Llama در اوایل ۲۰۲۳ مسیر را باز کرد و موج مدل‌های باز را به جریان انداخت. سپس Mistral در اواخر ۲۰۲۳ به عنوان یک رقیب قدرتمند اروپایی ظهور کرد و موجی جدید ایجاد نمود. در نهایت، Qwen تاج مدل‌های باز را به دست گرفت و تا سال ۲۰۲۶ پیشتاز این حوزه باقی ماند.

استافت ابزارهای کدنویسی

ابزارهای کمک‌کدنویسی با سرعتی خیره‌کننده و در توالی‌های کوتاه جایگزین یکدیگر شدند. Cursor در اواخر ۲۰۲۴ بر فضای گفتگوها و ترندها مسلط بود و توجه اکثر توسعه‌دهندگان را جلب کرد. پس از آن، شاهد یک جهش شدید و تیز برای Claude Code در اواسط سال ۲۰۲۵ بودیم. در نهایت، OpenAI Codex نوبت خود را گرفت و تا اوایل سال ۲۰۲۶ کانون توجهات قرار گرفت. پیشرفت‌های اخیر در این حوزه، به‌ویژه در مدل‌های تخصصی کدنویسی، منجر به دستاوردهای چشمگیری شده است؛ برای مثال مدل GPT-5.5-Cyber توانسته است دقت رفع خودکار حفره‌های امنیتی را به ۸۵.۶٪ برساند که نشان‌دهنده جهش کیفیت ابزارهای تولید کد است.

جنگ فریم‌ورک‌ها و پایگاه‌داده‌ها

جنگ‌های فریم‌ورک از الگوی پیش‌بینی‌پذیر جایگزینی پیروی می‌کنند. در فضای فرانت‌اند، Angular در بازه زمانی ۲۰۱۳–۱۴ پیشتاز بود. سپس Vue از سال ۲۰۱۶ تا ۲۰۱۹ رشد کرد و محبوبیت یافت. پس از آن، Svelte از ۲۰۲۰ تا ۲۰۲۲ به عنوان گزینه مورد علاقه تازه‌واردها تبدیل شد. پیش از این‌ها، جنگ‌های MVC در فرانت‌اند شاهد ظهور Backbone.js در حدود سال ۲۰۱۱ بود که نخستین ساختارهای مرورگر را فراهم کرد. سپس Ember و Angular رقابت را بین سال‌های ۲۰۱۳ تا ۲۰۱۴ شدت بخشیدند و بر سر استانداردهای توسعه جنگیدند.

تغییرات در ترجیحات پایگاه‌داده نیز مشابه بود و الگوهای جایگزینی مشخصی داشت:

• MySQL بین ۲۰۰۹ تا ۲۰۱۱ حاکم مطلق گفتگوها بود، اما به تدریج کم‌رنگ شد تا اینکه Postgres صعود کرد و بین سال‌های ۲۰۱۷ تا ۲۰ جایگاه آن را گرفت و پیش‌فرض توسعه‌دهندگان شد.
• موج NoSQL توالی خاصی را طی کرد: CouchDB موج اولیه ذخیره‌سازهای سندی (حدود سال ۲۰۰۹) را سوار شد. سپس Cassandra داستان مقیاس‌پذیری افقی (Scale-out) را از ۲۰۱۰ تا ۲۰۱۲ پیش برد و در نهایت MongoDB بین ۲۰۱۱ تا ۲۰۱۳ به پیش‌فرض و استاندارد این دوران تبدیل شد.

تکامل زیرساخت و ابزارها

ابزارهای Build و محیط‌های اجرا (Runtimes) همواره در جستجوی سرعت بیشتر بوده‌اند. Webpack از ۲۰۱۵ تا ۲۰ مالک مطلق مرحله Build بود تا اینکه Vite از سال ۲۰۲۲ به بعد جایگزین آن شد و سرعت را به سطح جدیدی برد. پیش از وب‌پک، خط لوله ساخت جاوااسکریپت از دوران Task-runnerهای Grunt (۲۰۱۳–۱۴) به بازنویسی استریمینگ در Gulp (۲۰۱۴–۱۵) منتقل شد.

تغییرات زیرساختی دیگر شامل موارد زیر است:

• Deno بین ۲۰۲۰ تا ۲۰۲۲ به عنوان جایگزینی جذاب و پرسرصدا برای Node معرفی شد، اما Bun از سال ۲۰۲۳ کانون توجهات را به خود جلب کرد و سرعت را اولویت قرار داد.
• Docker در سال‌های ۲۰۱۴-۱۵ به شدت منفجر شد و مفهوم کانتینرسازی را همگانی کرد. سپس Kubernetes از ۲۰۱۶ به بعد، با تبدیل شدن ارکستراسیون به موضوع اصلی، سکان هدایت را به دست گرفت.
• Jenkins تا اواسط دهه ۲۰۱۰ ابزار CI اصلی بود، اما GitHub Actions از سال ۲۰۲۱ شروع به تصاحب این بازار کرد و به دلیل یکپارچگی با گیت‌هاب، جایگزین شد.
• در جنگ‌های مدیریت پیکربندی (Config-management)، Chef حدود ۲۰۱۱-۱۲ پیشتازی کرد، Puppet تا سال ۲۰۱۳ رقابت تنگاتنگی داشت و در نهایت رویکرد بدون-عامل (Agentless) Ansible در سال‌های ۲۰۱۴-۱۵ پیروز میدان شد و پیش تا شد.

سخت‌افزار و معماری

بحث‌های سخت‌افزاری از تمرکز بر CPUها به سمت GPUها چرخید. AMD در دوره ۲۰۱۷–۲۰ با بازگشت قدرتمند معماری Ryzen/Zen پیشتاز بود. اما Nvidia از ۲۰۲۰ تا ۲۰۲۳ تحت تأثیر نیروی دوگانه استخراج رمزارز و یادگیری عمیق (Deep Learning)، جهشی خیره‌کننده داشت و به موتور محرک هوش مصنوعی تبدیل شد.

تغییرات معماری نیز مشهود است. در حالی که x86 بین ۲۰۲۰ تا ۲۰۲۳ بر بحث‌های تراشه مسلط بود، ARM در سال‌های ۲۰۲۴-۲۶ صعود کرد. این رشد به دلیل موفقیت Apple Silicon و پذیرش گسترده ARM در مراکز داده (Data-center) رخ داد.

جنگ ویرایشگرها

ویرایشگرهای متن رفتاری چرخه‌ای دارند. Sublime Text در ۲۰۱۲-۱۴ به اوج رسید، سپس Atom (محصول گیت‌هاب) در ۲۰۱۴-۱۵ موجی ایجاد کرد، تا در نهایت VS Code از ۲۰۱۸ به نیروی مسلط و استاندارد صنعت تبدیل شود. اخیراً Zed در بازه ۲۰۲۴-۲۶ جهشی قابل توجه ایجاد کرده است.

حتی ویرایشگران «گارد قدیمی» نیز نوسان دارند. Vim و Emacs سالانه بر سر بحث‌های «مودال-بودن در مقابل قابلیت گسترش» با هم رقابت می‌کنند. نکته جالب اینکه vim تا دهه ۲۰۱۰ پیشتاز بود تا اینکه فورک آن، یعنی neovim، بین ۲۰۲۱ و ۲۰۲۳ شعله‌ور شد و با مهاجرت گسترده جامعه کاربران به سمت آن، جایگاه ویپ را گرفت.

گذارهای قابل توجه دیگر

• پلتفرم‌های ابری: Heroku در اوایل دهه ۲۰۱۰ مفهوم Push-to-deploy را تعریف کرد (و در سال ۲۰۲۲ هنگام حذف پلن رایگان، دوباره جهشی در بحث‌ها داشت). Netlify دوران JAMstack (۲۰۱۸-۲۰) را مالک شد و Vercel اکنون در عصر Next.js (از ۲۰۲۳ به بعد) مسلط است. Cloudflare سال‌هاست که بحث‌های CDN و Edge را پیش می‌برد و در حال حاضر با Vercel در زمینه میزبانی Full-stack رقابت می‌کند.
• طراحی API: REST از ۲۰۱۲-۱۵ پیش‌فرض مطلق بود. سپس این مسیر به دو شاخه تقسیم شد: gRPC برای ارتباطات سرویس‌به-سرویس (از ۲۰۱۶) و GraphQL برای ارتباط با کلاینت‌ها (از ۲۰۱۷).
• موبایل: Xamarin (۲۰۱۶) جای خود را به React Native (۲۰۱۷-۱۸) داد و سپس Flutter صعود کرد و تا ۲۰۲۴ به اوج رسید. اپلیکیشن‌های هیبریدی نیز از PhoneGap (۲۰۱۱) به Cordova (۲۰۱۴-۱۵) و در نهایت به Capacitor (۲۰۲۴) تکامل یافتند.
• وب‌سرورها: Apache بین ۲۰۱۰-۱۲ حاکم بود، سپس nginx (۲۰۱۱-۱۳) آن را پشت سر گذاشت و بعد از آن Caddy با قابلیت HTTPS خودکار (۲۰۱۷-۲۲) وارد میدان شد.
• مشاهده‌پذیری (Observability): Prometheus مالک جمع‌آوری متریک‌ها (حدود ۲۰۲۰) بود، Grafana کانون توجه برای داشبوردها شد (۲۰۲۱) و Datadog تا ۲۰۲۳ به عنوان یک SaaS همه‌کاره رشد کرد.
• پلتفرم‌های داده: Redshift مفهوم انبار داده ابری (حدود ۲۰۱۷) را تعریف کرد، Databricks روی رویکرد Lakehouse پیش رفت (۲۰۲۱) و Snowflake تا ۲۰۲۴ به نام پیش‌فرض در این حوزه تبدیل شد.

چرخه‌های تخصصی

• زبان‌های برنامه‌نویسی: Scala در ۲۰۱۱ زبان داغ بازار بود، Swift در اواسط دهه فرمان گرفت و Kotlin با اولویت قرار گرفتن توسط گوگل برای اندروید، هر دو را پشت سر گذاشت. در دنیای فانکشنال، Clojure لحظه طلایی خود روی JVM را داشت (~۲۰۰۹-۱۱)، بحث‌های مربوط به خلوص (Purity) در Haskell در سال ۲۰۱۲ به اوج رسید و Elixir از ۲۰۱۶-۱۸ موج احیای Erlang را سوار شد.
• کریپتو و بلاک‌چین: Coinbase از ۲۰۱۳-۲۱ صبوره اصلی بحث‌ها بود اما Binance در ۲۰۲۲-۲۳ جایگزین شد. هایپ از لایت‌کوین و دوج‌کوین (۲۰۱۳) به سولانا (۲۰۲۲) منتقل شد. همچنین جنون بازار از ICOها (۲۰۱۷) به NFTها (۲۰۲۱) و در نهایت به Yield-farming در DeFi (۲۰۲۲) تغییر کرد.
• هنر AI: انفجار تبدیل متن به تصویر در ۲۰۲۲ با DALL-E 2 در بهار شروع شد، سپس Stable Diffusion با انتشار متن‌باز در اواخر تابستان عرضه شد و Midjourney تا سال ۲۰۲۳ به یک نام شناخته‌شده تبدیل گشت.
• تست مرورگر: Selenium دهه ۲۰۱۰ را مدیریت کرد، Cypress در حدود سال ۲۰۲۰ فرآیند تست را بازتعریف کرد و Playwright تا ۲۰۲۵-۲۶ صعود چشمگیری داشت.
• کامپیوترهای چهره‌ای: سه جهش متمایز با فاصله ۱۰ ساله رخ داد: Google Glass (۲۰۱۳)، Oculus (از طریق معامله با فیس‌بوک در ۲۰۱۴) و Apple Vision Pro (۲۰۲۴).

مرگ تکنولوژی‌ها

این داده‌ها «مرگ» و افول فناوری‌ها را نیز به خوبی ثبت کرده‌اند. Flash در سال‌های ۲۰۱۰-۱۱ در اوج بود اما تا ۲۰۱۴-۱۵ توسط HTML5 بلعیده شد و از رده خارج گشت. به همین ترتیب، هایپ CoffeeScript بین ۲۰۱۱ و ۲۰۱۴ فروکش کرد و جای خود را به رشد عظیم و تسلط TypeScript از سال ۲۰۱۹ به بعد داد.

برخی اتفاقات باعث جهش هم‌زمان رقبای یک حوزه می‌شوند. برای مثال در سپتامبر ۲۰۲۳، Unity، Unreal و Godot همگی به صورت موازی جهش کردند. دلیل این اتفاق، جنجال مربوط به هزینه Runtime در یونیتی بود که باعث شد توسعه‌دهندگان تهدید به ترک این پلتفرم و مهاجرت به رقبا کنند.

این بصری‌سازی نشان می‌دهد وفاداری توسعه‌دهندگان کوتاه‌تر از آن چیزی است که فکر می‌کنیم. اکثر ابزارها پنجره اوجی ۳ تا ۵ ساله دارند و سپس ابزاری سریع‌تر، ساده‌تر یا تخصصی‌تر جایگزین آن‌ها می‌شود. تنها استثنا، «سه‌گانه ابدی» CPU، RAM و اکنون GPU است که از ۲۰۰۷ تا امروز رکن ثابت و دائمی بحث‌ها مانده‌اند.

این برای مسیر شغلی شما به معنای نیاز مبرم به «فرا-یادگیری» (Meta-learning) است. ابزار خاصی که امروز بر آن مسلط می‌شوید — چه Svelte باشد یا Bun — احتمالاً تکنولوژی میراثی (Legacy) سال ۲۰۳۰ خواهد بود. مزیت رقابتی واقعی، توانایی مهاجرت سریع بین این موج‌ها و یادگیری سریع ابزارهای جدید است.

منتظر «برج» بعدی در بخش مدل‌های وزن‌باز باشید. در حالی که Qwen تا سال ۲۰۲۶ پیشتازی می‌کند، تغییر بعدی احتمالاً از سوی مدلی رخ خواهد داد که قوانین فعلی مقیاس‌پذیری (Scaling laws) در آزمایشگاه‌های پیشرو را به چالش بکشد.

گام بعدی شما

• از پلتفرم Hacker Trends برای شناسایی ابزارهای در حال سقوط استفاده کنید تا قبل از اینکه وقت خود را صرف یادگیری آن‌ها کنید، متوجه افولشان شوید.
• روی یادگیری مفاهیم بنیادی (مانند معماری داده و الگوریتم‌ها) تمرکز کنید تا بتوانید سریع‌تر بین ابزارهای مختلف جابجا شوید.
• روند رشد مدل‌های وزن‌باز را دنبال کنید تا بفهمید چه زمانی مدل‌های محلی جایگزین APIهای گران‌قیمت می‌شوند.

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