تصور کنید بدون دانستن حتی یک خط کد، در ۷ اکتبر ۲۰۲۶ یک ربات معامله‌گر خودکار را روی بازار فعال کنید. این اتفاق برای کاربری رخ داد که به‌جای یادگیری دستورات پیچیده، از هوش مصنوعی به‌عنوان یک جفت‌برنامه‌نویس (Pair Programmer) استفاده کرد.
به نقل از گزارشی در dev.to، این سازنده با نادیده گرفتن مسیر سنتی آموزش برنامه‌نویسی و تنها از طریق توصیفات متنی و کپی کردن خطاها، محصولی کاربردی ساخت. این رویکرد «جریان‌کار-محور»، در حالی رخ می‌دهد که هوش مصنوعی سد ورود به اتوماسیون مالی را می‌شکند. همان‌طور که در تحلیل قبلی ما درباره‌ی ربات‌های معامله‌گر Jev اشاره کردیم، بسیاری از پروژه‌های پیچیده نتوانستند از قوانین ساده پیشی بگیرند؛ اما این مورد ثابت می‌کند مانع اصلی برای مبتدیان، ترس از کدنویسی است نه پیچیدگی استراتژی. این روند بخشی از موج گسترده‌تری است که در آن توسعه‌دهندگان عامل‌های هوشمند به دنبال ساخت موتورهای درآمدی و کسب درآمد غیرفعال از طریق ابزارهای معاملاتی هستند.
طبق مستندات این پروژه، معماری ربات برای کاهش نقاط شکست، بسیار ساده نگه داشته شده است. توسعه‌دهنده از یک پشتهٔ سه بخشی استفاده کرد:
- پایتون (Python): زبان اصلی برای پیاده‌سازی منطق — شبیه به نوشتن دستورالعمل‌های یک دستور پخت.
- رابط برنامه‌نویسی بروکر (Broker API): برای دریافت داده‌های بازار و اجرای معاملات. برای کسانی که با ریاضیات آشنا نیستند، استفاده از الگوهای خاص API می‌تواند مسیر ساخت چنین ابزارهایی را هموارتر کند.
- سرور ابری (Cloud Server): برای اجرای شبانه و مداوم ربات.
منطق اصلی ربات ساده است: هر شب لیست نظارت را بررسی می‌کند، قوانین پیش‌فرض را اعمال می‌کند و معاملات احتمالی را برای تایید انسانی علامت‌گذاری می‌کند. سازنده تأکید کرد که هوش مصنوعی زاینده (Generative AI) — مثل دستیاری که سریع می‌نویسد اما لزوماً درست نمی‌فهمد — کدها را سریع تولید کرد، اما نمی‌توانست تشخیص دهد آیا مفروضات استراتژی درست هستند یا خیر.
برای یک متخصص، این یعنی مزیت رقابتی از «دانستن نحوه کدنویسی» به «دانستن آنچه باید ساخته شود» تغییر کرده است. توانایی تعریف حفاظ‌ها (Guardrails) و بازرسی منطق تولیدشده توسط مدل، اکنون ارزشمندتر از حفظ کردن مستندات API است. اگر نتوانید کدی را که هوش مصنوعی تولید کرده بخوانید، نمی‌توانید ریسک‌های مالی احتمالی آن را مدیریت کنید. در همین راستا، باید به خطرات امنیتی و احتمال افشای کلیدهای API در تاریخچه چت‌های دستیاران کدنویسی نیز توجه ویژه‌ای داشت.
گام بعدی شما
- پیش از طراحی منطق اجرا، روی ساخت حفاظ‌های ایمنی و مدیریت خطا تمرکز کنید.
- ابزارهای پیشنهادی در راهنمای dev.to را بررسی کنید تا ببینید کدام APIها برای غیربرنامه‌نویسان مناسب‌ترند.
- یادگیری مفاهیم پایه بازبینی کد (Code Review) را جایگزین یادگیری کامل نحو زبان برنامه‌نویسی کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو