پرش به محتوای اصلی
پرش به محتوای مقاله

پروژه nobuzz: فیلتر کردن پاسخ‌های طولانی Claude Code توسط Gemini

·۳۰ مرداد ۱۴۰۵۳ دقیقه مطالعه۱ بازدید
راهنما
صفحه اصلی پروژه nobuzz در گیت‌هاب: ابزاری برای حذف نویز از فایل‌های صوتی با استفاده از هوش مصنوعی.
صفحه اصلی پروژه nobuzz در گیت‌هاب: ابزاری برای حذف نویز از فایل‌های صوتی با استفاده از هوش مصنوعی.
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

جایگزینی پرامپت‌های سیستمی با یک لایه فیلتر خارجی (Model-chaining) برای حذف رفتارهای RLHF مدل؛ به جای دستور دادن به مدل برای «کوتاه نوشتن»، خروجی او توسط مدل دیگری بازنویسی می‌شود.

اگر از پاسخ‌های بیش از حد مودبانه و نمایشی مدل‌های هوش مصنوعی در محیط کدنویسی خسته شده‌اید، ابزار جدیدی برای نجات شما آمده است. توسعه‌دهندگان اکنون می‌توانند بدون تغییر در پرامپت‌ها، لحن «سخنرانی‌های تِد» را از پاسخ‌های فنی حذف کنند.

طبق گزارش منتشر شده در ۲۱ اوت ۲۰۲۶، ابزار متن‌باز nobuzz برای حل یک مشکل خاص در Claude Code ساخته شده است: تمایل این مدل به ارائه پاسخ‌های فنی با تئاتر زیاد. بسیاری از مهندسان متوجه شده‌اند که حتی با مهندسی پرامپت (Prompt Engineering) — که مثل هنر سؤال درست پرسیدن برای گرفتن بهترین جواب از یک مشاور است — نمی‌توان این عادت زبانی را کاملاً از بین برد.

همان‌طور که در تحلیل‌های قبلی ما درباره‌ی رفتارهای مدل‌های زبانی اشاره کردیم، برخی ویژگی‌های شخصیتی مدل‌ها ریشه در آموزش‌های RLHF دارند و با دستورات ساده تغییر نمی‌کنند. این چالش‌ها در حالی رخ می‌دهد که شرکت آنتروپیک همزمان بر روی بهبود شناسایی محتوای تولید شده توسط کلود بدون تغییر در تجربه کاربر متمرکز شده است تا تعادلی میان شفافیت و کیفیت خروجی ایجاد کند. nobuzz در واقع به عنوان یک لایه ترجمه عمل می‌کند؛ یعنی فرض می‌کند لحن مدل یک «بیماری» است که برای درمانش به یک مدل کاملاً متفاوت نیاز داریم.

بر اساس مستندات مخزن گیت‌هاب این پروژه، nobuzz پاسخ قبلی کلود را در یک فایل موقت می‌نویسد و سپس آن را از طریق Gemini CLI با دستورات ساده‌ای برای اصلاح سبک، عبور می‌دهد. برای جلوگیری از اینکه کلود دوباره نتیجه را «مرتب» کند و لحن قدیمی را برگرداند، سیستم خروجی جمینای را عیناً چاپ می‌کند.

پیاده‌سازی فنی و حالت‌های خروجی

این ابزار برای اجرا به نصب Gemini CLI از طریق npm و یک کلید API نیاز دارد. nobuzz سه حالت مخاطب را پشتیبانی می‌کند:

  • همکار (پیش‌فرض): تمام مسیرهای فایل و بلوک‌های کد را حفظ می‌کند اما تمام جملات نمایشی را برای ایجاد لحنی مهندسی و برابر حذف می‌کند.
  • مدیر: پاسخ را به حدود یک‌سوم طول اصلی کاهش می‌دهد و بدون آوردن کد، روی اثرات و گام‌های بعدی تمرکز می‌کند.
  • مدیر ارشد: خروجی را به ۳ تا ۵ جمله محدود می‌کند و با فرض اینکه مخاطب تنها ۳۰ ثانیه زمان دارد، فقط روی نتیجه نهایی تمرکز می‌کند.

فرآیند «زدودن نمایش»

در یک مثال کاربردی از نویسنده ابزار، پاسخی طولانی از کلود درباره منطق تلاش مجدد (retry logic) یک خط لوله همگام‌سازی — که پر از عباراتی مثل «نکته جالب اینجاست» بود — به یک لیست موجز از ۳ باگ مشخص در فایل syncQueue.ts:142 و یک راهکار مستقیم تبدیل شد. این تغییر، ارتباط را از یک «اجرای نمایشی» به یک «مشخصات فنی» تبدیل می‌کند.

این رویکرد نشان‌دهنده ترندی جدید در زنجیره‌سازی مدل‌ها (Model-chaining) برای اصلاح سبک است. توسعه‌دهندگان به جای جنگیدن با شخصیت مدل از طریق پرامپت‌های سیستمی پیچیده، از یک مدل دوم و سبک‌تر به عنوان فیلتر زبانی استفاده می‌کنند. این کار باعث کاهش شدید بار شناختی در هنگام بررسی کدها می‌شود، زیرا سیگنال فنی جایگزین قاب‌بندی‌های اضافی می‌گردد.

گام بعدی شما

  • اگر از Claude Code استفاده می‌کنید، مخزن nobuzz را کلون کرده و مهارت debuzz را به پوشه .claude/skills منتقل کنید.
  • دستور /debuzz را برای تبدیل پاسخ‌های طولانی به فرمت فنی امتحان کنید.
  • برای گزارش‌های مدیریتی، حالت Director را تست کنید تا ببینید چقدر زمان بررسی ایمیل‌های فنی شما کاهش می‌یابد.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این ابزار با کاهش نویز زبانی در ارتباطات فنی، بهره‌وری مهندسان را افزایش می‌دهد. تکیه بر اعتبار Gemini برای اصلاح خروجی Claude، قدرت ترکیب مدل‌های رقیب را برای رسیدن به نتیجه بهینه به رخ می‌کشد.

تأثیر برای ایران

توسعه‌دهندگان ایرانی که از طریق APIهای واسط به Claude و Gemini دسترسی دارند، می‌توانند با نصب این ابزار، سرعت بررسی کدهای تولید شده توسط AI را افزایش دهند.

·نگاه ما
تحریریه دات‌هوش

استفاده از یک مدل زبانی کوچک‌تر یا متفاوت به عنوان «لایه اصلاح سبک»، پذیرش این واقعیت است که همراستاسازی (Alignment) مدل‌های بزرگ گاهی بیش از حد شدید است و منجر به رفتارهای مصنوعی می‌شود. این رویکرد نشان می‌دهد که آینده تعامل با AI نه در یک مدل همه‌فن‌حریف، بلکه در زنجیره‌ای از مدل‌های تخصصی است که هر کدام بخشی از خروجی (مانند منطق یا لحن) را مدیریت می‌کنند.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.