یک قطعه کد از نظر فنی بی‌نقص می‌تواند یک شکست کامل باشد، اگر خواسته‌ی اصلی برنامه‌نویس را نادیده گرفته باشد. در ۱۴ اوت ۲۰۲۶، گردش‌کار جدیدی با استفاده از Entire معرفی شد تا مشکل «انحراف از هدف» (Intent Drift) را با دادن دسترسی به کل مسیر خلق کد — و نه فقط نتیجه نهایی — به عامل‌های بازبین حل کند.
بسیاری از توسعه‌دهندگان اکنون از بازبینی‌های متقاطع بین مدل‌ها استفاده می‌کنند؛ مثلاً از Claude Code می‌خواهند ویژگی‌ای را که توسط Codex ساخته شده بازبینی کند تا باگ‌هایی که یک خانواده مدل ممکن است نادیده بگیرند، شناسایی شوند. همان‌طور که در تحلیل قبلی ما درباره‌ی ۱۲ پرسش حیاتی پیش از ادغام کدهای AI اشاره کردیم، این رویکرد یک شکاف سیستمی را آشکار می‌کند: بازبین نهایی فقط تغییرات کد (Diff) را می‌بیند، اما از استدلال‌هایی که درون جلسهٔ عامل رخ داده بی‌خبر است.
شکاف زمینه‌ای
یک بازبینی معمولی کد AI معمولاً شامل کد نهایی، Diff و تاریخچه کامیت‌ها است. طبق گزارش‌های فنی، این داده‌ها می‌گویند «چه چیزی» تغییر کرده، اما در توضیح اینکه «چرا» تغییر کرده است ناتوان هستند. در عصر عامل‌های کدنویس، استدلال‌های حیاتی درون جلسه زندگی می‌کنند؛ این شامل محدودیت‌هایی است که برنامه‌نویس تعیین کرده و تصمیماتی است که در طول مسیر گرفته شده است. این چالش با تغییر رویکرد از بازبینی خط‌به‌خط به مدل‌های مسئولیت‌پذیری که پیش‌تر بررسی کردیم، هم‌راستا است تا تمرکز توسعه‌دهنده از جزئیات سینتکسی به صحت منطقی منتقل شود.
تصور کنید یک آشپز غذایی را می‌چشد که چاشنی‌اش عالی است، اما مشتری ماهی سفارش داده و آشپز استیک پخته است. غذا «خراب» نیست، اما «اشتباه» است. این دقیقاً همان اتفاقی است که وقتی یک عامل (Agent) — شبیه دستیاری که در طول یک پروژه طولانی رشته کلام را گم می‌کند — در جلسات طولانی از پرامپت فاصله می‌گیرد، رخ می‌دهد.
Entire با متصل کردن جلسات عامل به Git از طریق نقطه بازرسی (Checkpoint) این مشکل را حل می‌کند. به‌جای یک Diff ساده، این ابزار موارد زیر را در اختیار بازبین قرار می‌دهد:
- پرامپت‌های اصلی برنامه‌نویس
- پاسخ‌های داخلی و استدلال‌های عامل
- فراخوانی‌های ابزار و دستورات خاص اجرا شده
- فایل‌های بررسی شده و جایگزین‌هایی که مورد بررسی قرار گرفته اما رد شده‌اند
جزئیات پیاده‌سازی
برای اجرای این سیستم، کاربران دستور entire review را اجرا می‌کنند تا یک «پروفایل بازبینی» بسازند. یک پروفایل بازبینی در واقع یک پیکربندی قابل استفاده مجدد است که تعریف می‌کند چه مواردی باید بررسی شوند، کدام عامل‌ها بازبینی را انجام دهند و کدام عامل باید نتایج را تجمیع و نهایی کند.
- بازبینی موازی: Entire چندین بازبین منتخب را به‌طور هم‌زمان اجرا می‌کند تا پوشش حداکثری ایجاد شود و هیچ جنبه‌ای از کد نادیده گرفته نشود.
- عامل داور: یافته‌های تمام بازبین‌ها به یک «عامل داور» ارسال می‌شود. این داور تضادها را حل کرده، موارد تکراری را حذف می‌کند و اولویت‌بندی مسائل را بر اساس شواهدی که در جلسه ثبت شده است، انجام می‌دهد.
- بررسی‌های سفارشی: کاربران می‌توانند با دستور
entire review --editبه‌طور صریح یک بررسی اضافه کنند که کد نهایی را با پرامپت اصلی مقایسه کند.
با افزودن این بررسی، بازبین دیگر محدود به این سؤال نیست که «آیا این کد درست است؟»؛ بلکه اکنون می‌تواند بپرسد آیا عامل همان چیزی را ساخته که درخواست شده بود، آیا نیازمندی‌هایی نادیده گرفته شده‌اند، یا اینکه آیا پیاده‌سازی فعلی رفتاری را اضافه کرده است که هرگز درخواست نشده بود.
زمانی که پروفایل آماده شد، بازبینی پیکربندی شده از طریق دستور entire review general آغاز می‌شود.
در یک تست عملی روی یک ویژگی در Arcade، برنامه‌نویسی درخواست دو کارت تبلیغاتی کرده بود. عامل در نهایت سه کارت ساخت. در یک بازبینی سنتی، هیچ خطایی گزارش نمی‌شد چون کد تمیز بود و تست‌ها را پاس می‌کرد. اما گردش‌کار Entire این مورد را به‌عنوان «انحراف از هدف» شناسایی کرد، زیرا بازبین می‌توانست درخواست اصلی برای «فقط دو کارت» را ببیند.
این تغییر، معیار یک بازبینی «خوب» را از صحت فنی به «همراستایی با نیازمندی‌ها» تغییر می‌دهد. برای شما این یعنی زمان کمتری برای بازبینی دستی خروجی‌های AI جهت یافتن نیازمندی‌های فراموش شده و اعتماد بیشتر به ادغام‌های خودکار.
این رویکرد فرض بنیادی بازبینی کد AI را تغییر می‌دهد: پرامپت دیگر فقط یک نقطه شروع نیست، بلکه بخشی دائمی از مجموعه تست‌ها (Test Suite) است. با تبدیل تاریخچه جلسه به یک شهروند درجه‌یک در فرآیند توسعه، برنامه‌نویسان راه‌کاری برای خودکارسازی سؤال «آیا همان کاری را کرد که خواستم؟» پیدا کردند.
توسعه‌دهندگانی که به دنبال پیاده‌سازی این روش هستند، می‌توانند مستندات بازبینی Entire یا آموزش‌های بازبینی متقاطع (Cross-agent) را برای راه‌اندازی اولین پروفایل داور چندعاملی خود بررسی کنند.
گام بعدی شما
- مستندات بازبینی Entire را برای تعریف اولین پروفایل بازبینی خود بررسی کنید.
- آموزش‌های بازبینی متقاطع (Cross-agent) را مطالعه کنید تا یک پروفایل داور چندعاملی بسازید.
- در پروژه‌های فعلی خود، بررسی کنید چند مورد از باگ‌های شما در واقع «انحراف از هدف» بوده‌اند و نه خطای سینتکسی.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو