تصور کنید اپلیکیشنی در محیط عملیاتی دارید که با ۷ باگ تکراری دست‌وپنجه نرم می‌کند؛ شکست سیستمی که ثابت می‌کند عامل‌های هوش مصنوعی اگرچه در سطح محلی توانمندند، اما در سطح کلی پروژه «کور» هستند. برای حل این مشکل، یک توسعه‌دهنده در ۳۰ اوت ۲۰۲۶ ابزار asdlc را منتشر کرد؛ یک ابزار خط فرمان (CLI) متن‌باز که به‌طور خاص برای جلوگیری از تکرار قوانین تجاری در صفحات مختلف توسط عامل (Agent) — شبیه دستیاری که دستورات را اجرا می‌کند اما تصویر کلی پروژه را نمی‌بیند — طراحی شده است.
این چالش دقیقاً همان دشواری‌هایی است که در پوشش پیشین ما از تجربه‌ی هنک گرین با گردش‌کارهای مبتنی بر AI دیدیم. طبق گزارش وب‌سایت dev.to، وقتی عامل‌های هوش مصنوعی کد می‌نویسند، تکرار را به‌جای یک میان‌بر، به عنوان رفتار پیش‌فرض می‌پذیرند. این اتفاق منجر به «رانش معنایی» (Semantic Drift) می‌شود؛ وضعیتی که در آن یک منطق واحد، چندین بار با تغییرات جزئی و معیوب پیاده‌سازی می‌شود. این مشکل در مقیاس وسیع‌تر، مشابه چالش‌هایی است که در راهکار TormentNexus برای حذف باگ‌های تکراری بررسی کردیم که بر ایجاد یک سیستم ایمنی جمعی تأکید داشت.
بر اساس بررسی‌های نویسنده، اسکنرهای مکانیکی تنها ۱ مورد از ۷ باگ را شناسایی کردند، زیرا مشکل از نوع معنایی بود نه متنی. برای مقابله با این وضعیت، asdlc یک پروتکل حاکمیتی سخت‌گیرانه را اجرا می‌کند:
- رجیستری تحت مالکیت انسان: هر قانون تجاری تنها یک بار در یک مرکز تعریف می‌شود و عامل‌ها مجبورند به آن مراجعه کنند.
- دروازه‌های CI: این ابزار با ترکیب jscpd، dependency-cruiser و Semgrep، از ورود رانش‌های جدید به کدبیس جلوگیری می‌کند.
- قوانین اعتماد: عامل‌های هوش مصنوعی اجازه ندارند میان‌برهای خود را تأیید کنند؛ هرگونه استثنا نیازمند نام یک انسان و ارجاع به تأییدیه است.
- هشدارهای منقضی‌شونده: هشدارهای خاموش‌شده تاریخ انقضای سخت دارند تا بازبینی مجدد مشکل اجباری شود.
به نقل از مستندات پروژه، این ابزار از طریق یک فرآیند تخاصمی ساخته شده است؛ جایی که دو مدل هوش مصنوعی تحت نظارت انسان، کدهای یکدیگر را بازبینی کردند. این متدولوژی توانست ۳ باگ مربوط به یکپارچگی احکام را پیش از انتشار عمومی شناسایی کند. این رویکرد نظارتی برای جبران ضعف‌های ساختاری مدل‌هاست، چرا که پیش‌تر مشاهده شد چگونه بسیاری از عامل‌های کدنویس پیشرفته در مواجهه با آزمون‌های سخت‌افزاری و محیط‌های تخاصمی شکست می‌خورند.
برای برنامه‌نویسان، این ابزار نقش هوش مصنوعی را از یک «خالق مستقل» به یک «مشارکت‌کننده تحت نظارت» تغییر می‌دهد. این موضوع ثابت می‌کند که اگرچه AI می‌تواند با سرعت بالا کد تولید کند، اما بخش‌های حیاتی و ستون‌های یک کدبیس حرفه‌ای باید همچنان مجموعه‌ای از قراردادهای نوشته‌شده توسط انسان باقی بمانند. بدون یک حلقه ممیزی مستمر، کدهای تولیدشده توسط AI به‌طور اجتناب‌ناپذیری به سمت تکه‌تکه شدن پیش می‌روند.
گام بعدی شما
- برای تحلیل شکاف‌های حاکمیتی در مخزن کد خود، دستور
npx asdlc-cli planرا اجرا کنید. - رجیستری مرکزی برای قوانین تجاری تکرارشونده در پروژه خود تعریف کنید.
- ابزارهای Semgrep را برای شناسایی الگوهای تکراری معنایی در خط لوله CI/CD خود بگنجانید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو