تصور کنید یک بازسازی (Refactor) پیچیده در پروژه خود تعریف کرده‌اید و حالا می‌توانید در حالی که از میز کار دور هستید، جریان زنده اجرای آن را روی آیفون خود رصد کنید. این قابلیت دیگر یک رویای دوردست نیست، بلکه نتیجه‌ی استفاده از لایه‌ای برای مدیریت ابزارهای هوش مصنوعی است.
اکثر ابزارهای کدنویسی، مثل Claude Code یا GitHub Copilot، در محیط‌های بسته و مجزا عمل می‌کنند. Paseo این پراکندگی را از بین می‌برد. این ابزار در واقع یک ارکستراسیون (Orchestration) — مثل یک رهبر ارکستری که به هر نوازنده می‌گوید چه زمانی وارد شود تا یک قطعه هماهنگ خلق شود — برای عامل‌های (Agents) کدنویسی است. طبق مستندات گیت‌هاب Paseo که در ۲ ژوئن ۲۰۲۶ به‌روزرسانی شد، این سیستم نیاز به جابه‌جایی مداوم بین محیط‌های مختلف برای تغییر مدل را حذف می‌کند. همان‌طور که در تحلیل قبلی ما درباره‌ی ابزارهای برنامه‌نویسی عامل‌محور اشاره کردیم، هدف نهایی، کاهش اصطکاک بین تفکر برنامه‌نویس و اجرای کد است.
معماری این ابزار بر پایه یک «دیمون» (Daemon) مرکزی است که فرآیندهای عامل‌ها را مدیریت کرده و از طریق یک API از نوع WebSocket با کاربر ارتباط می‌گیرد. بر اساس بررسی فنی این سیستم، کاربران می‌توانند با اسکن یک کد QR، از طریق iOS، اندروید یا وب به سیستم متصل شوند. این پلتفرم از پنج ارائه‌دهنده اصلی پشتیبانی می‌کند:
- Claude Code
- Codex
- GitHub Copilot
- OpenCode
- Pi
فراتر از اتصال ساده، Paseo «مهارت‌هایی» (Skills) برای خودکارسازی جریان کار معرفی کرده است. برای مثال، دستور /paseo-handoff به شما اجازه می‌دهد برنامه‌ریزی یک قابلیت را با Claude انجام دهید و سپس پیاده‌سازی را به‌طور خودکار به Codex بسپارید. همچنین مهارت /paseo-committee دو عامل متضاد را برای تحلیل ریشه خطا (Root Cause Analysis) فرا می‌خواند تا یک طرح مشترک تنظیم کنند. تمام این زیرساخت تحت مجوز AGPL-3.0 است و هیچ‌گونه ردیابی یا تله‌متری ندارد.
این تحول، کدنویسی با هوش مصنوعی را از «کمک گرفتن از چت‌بات» به «مدیریت فرآیند» تغییر می‌دهد. با ایجاد یک کمیته از عامل‌ها، برنامه‌نویسان می‌توانند سیستمی از نظارت و توازن ایجاد کنند تا توهمات (Hallucinations) — شبیه به دوستی که با اطمینان کامل خاطره‌ای اشتباه تعریف می‌کند — به حداقل برسد.
گام بعدی شما
- رابط خط فرمان (CLI) را با دستور
npm install -g @getpaseo/cliنصب کنید. - مکانیسم انتقال (Hand-off) را بین دو ارائه‌دهنده مختلف مدل تست کنید.
- یک «کمیته» برای بررسی باگ‌های پیچیده در پروژه‌های فعلی خود بسازید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی بهینه‌سازی مصرف GPU در اجرای محلی مدل‌ها مراجعه کنید.
گفتگو