اگر هنوز دستورالعمل‌های عامل‌های هوش مصنوعی خود را در تنظیمات ابزارهای مختلف یا فایل‌های متنی پراکنده ذخیره می‌کنید، در واقع در حال مدیریت یک «جعبه سیاه» هستید که هر لحظه ممکن است بدون هیچ ردی از تغییرات، رفتار متفاوتی از خود نشان دهد. باید بدانید که مدیریت رفتار عامل‌ها دیگر نباید به مجموعه‌ای از پرامپت‌های شکننده محدود شود. این رویکرد در راستای ۱۵ قانون مهندسی برای تبدیل عامل‌های هوش مصنوعی به ابزارهای قابل‌اعتماد است که بر ضرورت ساختاریافتگی در طراحی عامل‌ها تأکید دارد.
در ۳ سپتامبر ۲۰۲۶، توسعه‌دهنده‌ای به نام مت پوکاک (Matt Pocock) مخزن mattpocock/skills را منتشر کرد. این چارچوب دستورالعمل‌های عامل (Agent) — که شبیه به دستورالعمل‌های یک دستیار اداری است که دقیقاً می‌داند هر تسک را چگونه پیش ببرد — را از تنظیمات ابزارهای خارجی خارج کرده و مستقیماً وارد کدبیس پروژه می‌کند.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، شفافیت در لایه‌ی اجرایی کلید پایداری سیستم‌های هوش مصنوعی است. در حال حاضر اکثر برنامه‌نویسان دستورالعمل‌های خود را در تنظیمات اختصاصی ابزارها پنهان می‌کنند و همین موضوع باعث می‌شود تغییرات رفتار AI هیچ تاریخچه‌ای (Paper Trail) نداشته باشد.
به نقل از راهنمای dev.to، این سیستم بر سه مکانیزم مهندسی متمرکز است:
- ذخیره‌سازی محلی: مهارت‌ها در پوشه‌ی
.agentsقرار می‌گیرند تا به‌راحتی از طریق Pull Requestها بررسی و مقایسه شوند. - قابلیت جابه‌جایی: دستورالعمل‌ها در هر محیطی که از این قرارداد دایرکتوری پیروی کند، قابل اجرا هستند.
- کدگذاری گردش‌کار: این مخزن قالب‌های ساختاریافته‌ای برای عیب‌یابی، بازبینی کد، تست و برنامه‌ریزی پیاده‌سازی ارائه می‌دهد.
بر اساس مستندات این پروژه، کاربران برای پیاده‌سازی باید مخزن را کلون کرده و با استفاده از rsync پوشه‌ی .agents را به پروژه‌های خود منتقل کنند. این کار به توسعه‌دهندگان اجازه می‌دهد پیش از ثبت تغییرات در مخزن، فایل‌های مهارت را با همان دقتی که کد منبع را می‌خوانند، بازبینی کنند.
این تغییر، فرض بنیادی در سازمان‌دهی هوش مصنوعی را از «پرامپت‌نویسی» به «مدیریت پیکربندی» تغییر می‌دهد. با ایجاد مرز بین فرآیند انسانی و اجرای AI، ریسک «رانش پرامپت» (Prompt Drift) کاهش یافته و تضمین می‌شود که رفتار عامل هم‌گام با کدبیس تکامل یابد.
گام بعدی شما
- بررسی کنید آیا دستورالعمل‌های عامل‌های فعلی شما در تنظیمات UI ابزارها پنهان شده‌اند یا خیر.
- پوشه‌ی
.agentsرا در پروژه‌ی بعدی خود ایجاد کنید تا تاریخچه‌ی تغییرات رفتار AI را ثبت کنید. - از قالب‌های آماده‌ی این مخزن برای استانداردسازی فرآیند Code Review در تیم خود استفاده کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو