تصور کنید یک برنامه‌نویس هستید که باید تغییری را در ده‌ها فایل و چندین سرویس مختلف اعمال کند؛ در این لحظه، پنجرهٔ چتِ هوش مصنوعی از یک دستیار به یک گلوگاه تبدیل می‌شود. IST برای حل این مشکل، به‌جای یک چت‌بات تنها، تیمی از عامل‌ها را به کار می‌گیرد که به‌صورت موازی فعالیت می‌کنند. این رویکرد تیمی در واقع پاسخی به محدودیت‌های ابزارهای تک‌عاملی است، چرا که استفاده از سوارم‌های هماهنگ می‌تواند بهره‌وری تیم‌ها را تا چهار برابر نسبت به Copilotهای انفرادی افزایش دهد.
طبق گزارشی که در ۲۶ سپتامبر ۲۰۲۶ در وب‌سایت dev.to منتشر شد، اکثر توسعه‌دهندگان فعلاً با هوش مصنوعی مانند یک همکار تک‌وظیفه‌ای برخورد می‌کنند که تنها یک رشته تفکر و یک پنجرهٔ زمینه (Context Window) — شبیه به میز کاری که فقط جای چند ورق کاغذ دارد و نمی‌تواند کل کتابخانه را هم‌زمان باز کند — در اختیار دارد. این رویکرد در زمان مهاجرت‌های پیچیده یا ساخت ویژگی‌های گسترده، جایی که حجم کد از ظرفیت یک جلسه (Session) فراتر می‌رود، شکست می‌خورد. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، مدیریت حجم داده‌ها کلید استواری سیستم است؛ IST نیز واحد کار را از «گفتگو» به «تیم مدیریت‌شده» تغییر داده است.
مرکز این سیستم، الگوی عامل بالا به پایین (Top-Down Agent یا TDA) است. بر اساس مستندات این پلتفرم، مسئولیت‌ها بین دو نقش مجزا تقسیم شده است:
- مدیر (Manager): مالک برنامه‌ی کلی و تفویض وظایف است. این عامل کار را خرد کرده و نتایج را بررسی می‌کند، بدون اینکه در جزئیات تغییرات کد (Diffs) غرق شود.
- کارگران (Workers): عامل‌های مستقلی هستند که فضای کاری خودشان را دارند و صرفاً بر روی «چگونگی» اجرای یک وظیفهٔ محدود و مشخص تمرکز می‌کنند.
هماهنگی بین این‌ها از طریق پیام‌رسانی صریح و یک سیستم نظارتی صورت می‌گیرد که هرگاه نیاز به تصمیم‌گیری انسانی بود، کاربر را باخبر می‌کند. این سازوکار از «توقف خاموش» که در عامل‌های (Agents) — شبیه به کارمندانی که بدون گزارش پیش می‌روند و ناگهان متوقف می‌شوند — رایج است، جلوگیری می‌کند. در همین راستا، لایهٔ هماهنگی Pawsly توانسته است نرخ موفقیت کدنویسی در سیستم‌های چندعاملی را به ۹۰٪ برساند تا از خطاهای ناشی از عدم هماهنگی کاسته شود. چون مدیر در سطح کلان باقی می‌ماند، پروژه خواناتر و احتمال صحت آن بیشتر می‌شود.
برای توسعه‌دهنده، این یعنی تغییر در شیوهٔ کار؛ شما دیگر یک پرامپت را مدیریت نمی‌کنید، بلکه یک گردش‌کار (Workflow) را مدیریت می‌کنید. تفکیک مسئولیت‌ها تضمین می‌کند که کارگران با تصویر کلی پروژه گیج نشوند و مدیر هم درگیر جزئیات نحو (Syntax) کد نشود.
این رویکرد تیمی اجازه می‌دهد تا موازی‌سازی واقعی رخ دهد و چندین جبهه از پروژه هم‌زمان پیش بروند. در واقع، کدنویسی با AI از یک دیالوگ متوالی به یک فرآیند مهندسی مقیاس‌پذیر تبدیل می‌شود. این تغییر پارادایم با دیدگاه‌هایی همسو است که عامل‌های هوش مصنوعی را به عنوان اعضای کامل یک تیم در نظر می‌گیرند تا واسطه‌های انسانی حذف شوند.
گام بعدی شما
- برای استقرار اولین ساختار مدیر-کارگر، از راهنمای شروع سریع IST استفاده کنید.
- روند توسعه MicrowiseAI را دنبال کنید که بر اساس همین اصول باز ساخته می‌شود.
- بررسی کنید کدام بخش‌های پروژه شما در حال حاضر به‌دلیل محدودیت پنجره متنی دچار توهم می‌شوند.
اما زیرساخت سخت‌افزاری برای اجرای موازی این عامل‌ها چالش‌های جدیدی ایجاد می‌کند — به تحلیل ما درباره‌ی بهینه‌سازی استنتاج در خوشه‌های GPU مراجعه کنید.
گفتگو