تصور کنید بخواهید کل زیرساخت نرم‌افزاری یک پروژه عظیم را به زبانی امن‌تر منتقل کنید، اما به‌جای صرف ماه‌ها زمان و هزاران دلار هزینه، تنها با ۴۰۰ دلار و در زمانی کوتاه این کار را به پایان برسانید. این اتفاق برای توسعه‌دهنده‌ای رخ داد که ۶۵ هزار خط کد C++ را با استفاده از Fable به زبان Rust تبدیل کرد.
بسیاری از برنامه‌نویسان مهاجرت زبانی را مانند یک ترجمه خط‌به‌خط پیش می‌برند؛ یعنی شبیه به کسی که یک کتاب را کلمه به کلمه ترجمه می‌کند و در نهایت معنای کلی را گم می‌کند. این روش معمولاً به توهم (Hallucination) — یعنی وقتی مدل با اطمینان چیزی می‌گوید که اصلاً وجود ندارد، مثل دوستی که خاطره‌ای را اشتباه تعریف می‌کند — و خطاهای منطقی منجر می‌شود که رفع آن‌ها بسیار گران است. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، دقت در لایه‌های زیرین کد، کلید پایداری سیستم است.
به نقل از گزارشی که در ۱ سپتامبر ۲۰۲۶ در iurii.net منتشر شد، این موفقیت مدیون یک سازوکار سه‌مرحله‌ای بود:
- نمایش (Representation): ابتدا مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — کد موجود را به فرمت‌های انتزاعی مثل گراف‌ها، ماشین‌های حالت سلسله‌مراتبی یا نمودارهای UML تبدیل می‌کند.
- عملیات (Operation): توسعه‌دهنده روی این نمایش انتزاععی کار می‌کند تا ماشین‌های حالت را ساده کرده یا کانال‌های ارتباطی پنهان (مثل آدرس‌های مشترک RAM) را حذف کند.
- کدنویسی مجدد (Re-coding): در نهایت، این نمایش پالایش‌شده دوباره به زبان مقصد (در اینجا Rust) تبدیل می‌شود.
برای بهینه‌سازی بیشتر، نویسنده ابزارهای داخلی Claude Code شامل Glob، Grep و WebSearch را در پرامپت‌ها ادغام کرد تا عامل (Agent) بتواند در مرحله بازسازی، به‌طور موثرتری در کل بدنه کد جابه‌جا شود.
این تغییر متدولوژی، این فرض قدیمی را که بازنویسی‌های مقیاس‌بزرگ نیازمند تیم‌های مهندسی عظیم است، به چالش می‌کشد. در این حالت، هوش مصنوعی به‌جای یک ابزار ساده برای تکمیل خودکار کد، مانند یک کامپایلر برای «قصد و نیت سطح بالا» عمل می‌کند.
برای یک توسعه‌دهنده مستقل، این یعنی مانع اصلی برای پذیرش زبان‌های امن از نظر حافظه مثل Rust، دیگر حجم زیاد کدهای قدیمی نیست، بلکه توانایی توصیف آن کدها به‌صورت یک مسئله داده‌ای است.
گام بعدی شما
- پیش از درخواست بازنویسی کد از AI، ابتدا محدودیت‌های سیستم فعلی خود را به یک نمایش رسمی (مثل نمودار جریان داده) تبدیل کنید.
- ابزارهای جست‌وجوی کد (مانند Grep) را به گردش‌کار عامل‌های هوش مصنوعی خود اضافه کنید تا دید جامع‌تری به پروژه داشته باشند.
- روی تبدیل منطق برنامه به ماشین‌های حالت (State Machines) تمرکز کنید تا احتمال توهم مدل در بازنویسی کاهش یابد.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو