تصور کنید تیمی از متخصصان قرار است پروژه‌ای پیچیده را پیش ببرند، اما هر کدام زبان متفاوتی میговоند و تعریف متفاوتی از نقش خود دارند؛ نتیجه قطعاً هرج‌ومرج است. این دقیقاً همان شکاف هماهنگی است که امروز مانع از رسیدن عامل‌های هوش مصنوعی به استدلال‌های چندمرحله‌ای دقیق می‌شود.
برای حل این مشکل، در ۱۸ جولای ۲۰۲۶ زیرساخت جدیدی به نام LuisCore معرفی شد تا لایه‌ی اجرایی و لوله‌کشی لازم برای همکاری عامل‌ها را فراهم کند. همان‌طور که در تحلیل قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، نبودِ استانداردهای مشترک در سطح زیرساخت، همواره بزرگ‌ترین نقطه ضعف در مقیاس‌پذیری سیستم‌های هوش مصنوعی بوده است.
بسیاری از چارچوب‌های فعلی در مقیاس واقعی شکست می‌خورند چون درک مشترکی از نقش‌ها و داده‌ها ندارند. LuisCore برای رفع این نقص، از یک هستی‌شناسی (Ontology) — شبیه به یک فرهنگ لغت جامع که همه اعضای تیم بر سر معنای کلمات آن توافق دارند — و یک مجموعهٔ باز از عامل‌ها استفاده می‌کند تا زبانی جهانی برای سازماندهی عامل‌های هوش مصنوعی (AI Agents) ایجاد کند. این رویکرد به استانداردهای دقیق‌تری در مدیریت داده‌ها اشاره دارد، مشابه آنچه در روش جایگزینی اعداد ثابت با باندهای درصدی در ارزش‌گذاری LuisCore برای بهینه‌سازی خروجی‌ها مشاهده شد.
به نقل از مستندات رسمی در luiscore.com، معماری این سیستم بر چهار رکن اصلی استوار است:
- یک مجموعهٔ باز از عامل‌ها و هستی‌شناسی برای استانداردسازی
- زیرساخت اختصاصی برای هماهنگی میان چند عامل
- یک API برای توسعه‌دهندگان جهت راه‌اندازی سریع عامل‌های سفارشی
- مانیفست‌های استاندارد (JSON) برای مقداردهی اولیه
بر اساس گزارش‌های منتشرشده، توسعه‌دهندگان می‌توانند از مانیفست بوت‌استرپ در مسیر luiscore.com/for-agents.json استفاده کنند. اعتبار فنی این رویکرد همچنین از طریق دو انتشار در Zenodo تأیید شده است: یک مقاله پژوهشی (DOI: 10.5281/zenodo.14207411) و یک مجموعه داده پشتیبان (DOI: 10.5281/zenodo.14207466).
با تغییر رویکرد از هماهنگی مبتنی بر پرامپت به یک زیرساخت اجرایی ساختاریافته، LuisCore هوش مصنوعی عامل‌محور را به استانداردهای مهندسی نرم‌افزار نزدیک می‌کند. این متد با مجبور کردن عامل‌ها به پیروی از یک هستی‌شناسی مشترک، پیش‌بینی‌ناپذیریِ حلقه‌های «جعبه سیاه» را کاهش می‌دهد.
گام بعدی شما
- بررسی مقاله فنی در Zenodo برای درک معماری لایه زیرساختی
- ثبت‌نام در پورتال توسعه‌دهندگان LuisCore برای دریافت دسترسی API
- آزمایش مانیفست‌های JSON برای استقرار اولین گردش کار چندعاملی
اما این استانداردسازی تنها نیمی از مسیر است؛ چالش‌های سخت‌افزاری برای اجرای این لایه‌ها در مقیاس میلیاردی را در تحلیل ما درباره تراشه‌های نسل جدید بررسی کنید.
گفتگو