پرش به محتوای اصلی
پرش به محتوای مقاله

درون ساختار Agent KOL؛ اتوماسیون تست برای سنجش عملکرد عامل‌های AI

·۱۲ مهر ۱۴۰۵۳ دقیقه مطالعه
سه عامل هوشمند در ۴۸ ساعت عامل KOL را روی SharedNet ساختند
سه عامل هوشمند در ۴۸ ساعت عامل KOL را روی SharedNet ساختند
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

جایگزینی کامل نقش برنامه‌نویس با نقش «مدیر ارکستراسیون» در یک پروژه واقعی؛ جایی که انسان دیگر کد نمی‌زند، بلکه فقط ترافیک اطلاعات بین سه عامل متخصص را هدایت می‌کند.

تصور کنید در بازاری فعالیت می‌کنید که در آن یک عامل هوش مصنوعی، خدماتی را به عامل دیگر می‌فروشد؛ در چنین دنیایی، «اعتماد» بزرگ‌ترین مانع برای رشد است. Agent KOL دقیقاً برای حل این مشکل ساخته شده تا به‌عنوان یک میزبان شخص ثالث و پولی عمل کند. در این مدل، فروشندگان به این عامل هزینه پرداخت می‌کنند تا سرویس آن‌ها را فراخوانی کند و در مقابل, Agent KOL نتایج واقعی را، فارغ از مثبت یا منفی بودن بررسی، منتشر می‌کند تا اعتماد در بازار ایجاد شود.

این پروژه که طبق گزارش وب‌سایت dev.to در ۴ اکتبر ۲۰۲۶ منتشر شد، در حالی که اکثر پروژه‌های هوش مصنوعی ماه‌ها زمان می‌برند تا تکرار و اصلاح شوند، تنها در ۴۸ ساعت به‌عنوان یک بازرس بی‌طرف طراحی و عرضه شد. این سرویس در هکاتون Trial Zero توانست رتبه اول در Arena 1 و رتبه دوم در Arena 2 را کسب کند.

برای ساخت این محصول، توسعه‌دهنده به‌جای کدنویسی سنتی، در نقش یک مالک محصول (Product Owner) ظاهر شد. او در پلتفرم SharedNet یک اتاق توسعه ایجاد کرد و سه نقش تخصصی را به عامل (Agent) — شبیه به استخدام سه کارمند متخصص که هر کدام وظیفه مشخصی دارند — سپرد:

  • Claude: مالک محصول (Product Owner)
  • Codex: مجری و پیاده‌ساز (Implementer)
  • Claude Code: بازبین کد (Code Reviewer)

سه عامل هوشمند در ۴۸ ساعت Agent KOL را روی SharedNet ساختند

زیرساخت فنی پروژه بسیار سبک بود و از Cloudflare Workers و D1 استفاده می‌کرد. همچنین برای اینکه هر عاملی بتواند سرویس را فراخوانی کند، از یک نقطه اتصال پروتکل زمینهٔ مدل (MCP) بهره برد. ردیابی پرداخت‌ها از طریق ابزار اعتبارات MCP در SharedNet به‌سادگی انجام شد، اما توسعه‌دهنده اشاره کرد که مدیریت جریان پیچیده اطلاعات بین سه عامل، چالش اصلی بود. جزئیات طراحی و زمینه‌های طولانی (Long Context) اغلب در جریان پیام‌ها گم می‌شدند و نیاز بود مالک انسانی به‌صورت دستی اطلاعات حیاتی را به عامل درست منتقل کند. این چالش‌ها در مدیریت مجموعه‌های بزرگتر از عامل‌ها نیز دیده می‌شود و نیاز به یک لایه کنترل‌کننده مشابه کوبرنتیز را برای سازماندهی بهینه برجسته می‌کند.

در مرحله Arena 1، این سرویس نمره ۹۲ از ۱۰۰ را از یک عامل داور دریافت کرد. در Arena 2 نیز Agent KOL به‌طور کاملاً خودکار عمل کرد؛ در حالی که سازنده‌اش پشت سیستم نبود، این عامل از ۹ خریدار مختلف، ۱۹ تراکنش موفق و در مجموع ۱۸۶ اعتبار دریافت کرد. این مدل تعاملات اقتصادی بین عامل‌ها، یادآور رفتارهای اجتماعی نوظهوری است که در آزمایش‌های توکن برای بقای عامل‌ها مشاهده شده است.

این تغییر رویکرد از «کدنویسی» به «مدیریت»، پارادایم جدیدی را برای توسعه‌دهندگان مستقل تعریف می‌کند. ارزش واقعی اکنون از نوشتن نحو (Syntax) به سمت سازماندهی و ارکستراسیون تیم‌های عامل‌های متخصص حرکت کرده است. برای کاربر نهایی، این یعنی آینده‌ای که در آن خدمات هوش مصنوعی توسط هوش مصنوعی‌های دیگر تأیید می‌شوند و یک اقتصاد خودتنظیم‌گر از نیروی کار دیجیتال شکل می‌گیرد. در همین راستا، ابزارهایی مانند Botropolis با ارائه قابلیت‌های مدیریت هزینه و تأخیر، در حال تبدیل این تیم‌های مجازی به شرکت‌های دیجیتال سازمان‌یافته هستند.

گام بعدی شما

  • بررسی کد منبع پروژه در گیت‌هاب برای درک نحوه تعامل سه عامل مختلف.
  • تست سرویس زنده در صفحه فرود میزبانی‌شده روی Cloudflare.
  • آزمایش مدل «مدیریت به‌جای کدنویسی» در پروژه‌های کوچک شخصی با استفاده از ابزارهای چندعاملی.

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

چرا این موضوع مهم است؟

این رویکرد با تکیه بر اعتبارِ بازرسی‌های ماشینی، لایه جدیدی از اعتماد را به اقتصاد عامل‌محور اضافه می‌کند. تجربه Agent KOL نشان می‌دهد که مدل‌های زبانی اکنون قادرند چرخه کامل تولید، بازبینی و استقرار نرم‌افزار را در مقیاس ساعتی مدیریت کنند.

تأثیر برای ایران

توسعه‌دهندگان ایرانی می‌توانند با استفاده از مدل‌های بازمتن و چارچوب‌های چندعاملی، هزینه‌های استارت‌آپ‌های تک‌نفره را به شدت کاهش دهند. دسترسی به SharedNet ممکن است محدود باشد، اما منطق ارکستراسیون در محیط‌های محلی قابل پیاده‌سازی است.

·نگاه ما
تحریریه دات‌هوش

ارزش افزوده در توسعه نرم‌افزار از «توانایی پیاده‌سازی» به «توانایی ارکستراسیون» منتقل شده است. وقتی کدنویسی به یک کالای رایگان تبدیل شود، برنده کسی است که بتواند بهترین تیم از عامل‌های تخصصی را تشکیل دهد و جریان داده بین آن‌ها را مدیریت کند. این پروژه ثابت می‌کند که سرعت عرضه محصول (Time-to-Market) در عصر عامل‌ها، دیگر با تعداد برنامه‌نویسان، بلکه با کیفیت پرامپت‌های سیستمی و ساختار تیم‌های AI تعریف می‌شود.

منابع

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

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.