تصور کنید به جای مدیریت تک‌تک مدل‌ها، مانند یک رهبر ارکستر، گروهی از متخصص‌های هوش مصنوعی را در یک اتاق مجازی جمع کنید تا روی یک پروژه بحث کنند یا پیش‌نویس‌ها را به صورت همتا-بازبینی (Peer-review) بررسی کنند. پیش از این، توسعه‌دهندگان مجبور بودند مانند یک رابط انسانی بین عامل‌های هوش مصنوعی عمل کنند، اما حالا دیگر لازم نیست خروجی یک مدل را دستی بردارید و به مدل دیگر بدهید؛ آن‌ها مستقیماً با هم حرف می‌زنند.
طبق اعلام Plasma AI در ۱۴ سپتامبر ۲۰۲۶، ابزار Radio به عنوان یک سطح ارتباطی مشترک معرفی شد تا عامل (Agent) — شبیه به کارمندی دیجیتال که می‌تواند کارهای خاصی را به طور مستقل انجام دهد — از ارائه‌دهندگان مختلف بتوانند در لحظه با هم تعامل کنند.
بیشتر گردش‌کارهای فعلی هوش مصنوعی تکه‌تکه هستند. شما ممکن است از یک عامل برای نوشتن کد و از دیگری برای تست آن استفاده کنید، اما این مدل‌ها نمی‌توانند خروجی‌های یکدیگر را ببینند. همان‌طور که در تحلیل قبلی ما درباره‌ی گسترش قابلیت‌های ساخت سند بومی در Claude اشاره کردیم، صنعت اکنون به سمت ارتباطات بین‌عاملی حرکت می‌کند تا هزینه‌های دستی و کارهای تکراری کاهش یابد.
زمینه و راه‌اندازی
راه‌اندازی این سیستم بسیار ساده و بهینه شده است. کاربران برای شروع تنها به یک نام نمایشی در سایت radio.plasma.ai نیاز دارند و ثبت‌نام کامل اختیاری است. رابط کاربری این ابزار برای ایجاد حس آشنایی طراحی شده است؛ به گونه‌ای که شبیه به واتس‌اپ به نظر می‌رسد اما برای سازماندهی بهتر گفتگوها، از رشته‌گفتگوهای (Threads) سبک اسلک استفاده می‌کند.
ابزار Radio در واقع به عنوان یک فضای جلسه برای عامل‌ها عمل می‌کند. برای شروع، کاربر یک کانال در radio.plasma.ai ایجاد کرده و لینک اشتراک‌گذاری را در جلسه (Session) عامل خود قرار می‌دهد. به نقل از پست معرفی محصول توسط نیکولاس دیائو، اندرو ترنر و کالتون بری، هر عاملی که توانایی فراخوانی یک URL را داشته باشد می‌تواند به این محیط بپیوندد. این شامل مدل‌هایی مثل Claude Code، Codex، Cursor، OpenCode و Grok می‌شود. در این راستا، یکپارچگی Claude Code با محیط‌های طراحی بصری گام مهمی در جهت تبدیل ترمینال به فضایی تعاملی‌تر بود.
جزئیات همکاری
سیستم Radio سه سطح متمایز از تعامل را پشتیبانی می‌کند:
- جلسات تیمی (Team Meetings): در این حالت، تمام عامل‌هایی که روی یک دستگاه واحد اجرا می‌شوند، در یک کانال همکاری می‌کنند تا وظایف را بین خود تقسیم کنند، یک درخواست تغییر کد (PR) را با هم بررسی کنند یا یک مشکل خاص را دیباگ کنند.
- جلسات بین‌وظیفه‌ای (Cross-functional Meetings): عامل‌هایی که در محیط‌های مختلف اجرا می‌شوند — مثلاً یکی روی لپ‌تاپ محلی، یکی در یک عامل ابری و دیگری روی دستگاه یک همکار — مستقیماً با هم ارتباط می‌گیرند. این قابلیت اجازه می‌دهد مدل Claude شما مستقیماً با مدل Codex یا Grok شخص دیگری گفتگو کند.
- جلسات خارجی (External Meetings): یک حالت چندنفره که در آن هر کسی با داشتن لینک می‌تواند محتوای کانال را بخواند و در آن پست بگذارد. این ویژگی به افرادی که خارج از گردش‌کار مستقیم هستند اجازه می‌دهد تا از هر دستگاهی به سوالات پاسخ دهند یا مسیر پیشروی کار را تغییر دهند.
در تست‌های عملی، Claude Code بین یک تا سه دقیقه زمان برد تا تنظیمات اولیه را انجام داده و خود را معرفی کند و سپس در عرض چند ثانیه به اشاره‌ها (Mentions) پاسخ داد. این ساختار از گردش‌کارهای موازی پشتیبانی می‌کند؛ به طور مثال، یک عامل می‌تواند در حال نوشتن کد برای یک آموزش باشد، عامل دوم حقایق پیش‌نویس را چک کند و عامل سوم منابع را جست‌وجو کند. این جلسات می‌توانند یافته‌های خود را در یک کانال به اشتراک بگذارند یا یک بازبینی تقابلی (Adversarial review) روی یک پیش‌نویس اجرا کنند.
این سیستم یک تاریخچه کامل از گفتگوها را نگه می‌دارد که به عنوان یک لاگ دائمی از نحوه تکمیل یک قطعه کد یا پروژه خاص عمل می‌کند.
در واقع، این تحول کاربر را از یک «اپراتور کپی-پیست» به یک «مدیر ارکستر» تبدیل می‌کند. به جای مدیریت تک‌تک پرامپت‌ها، شما یک تیم از مدل‌های تخصصی را هدایت می‌کنید. این امر به طور موثری پشته‌ی هوش مصنوعی را به یک تیم پویا تبدیل می‌کند که در آن یک عامل پژوهشگر می‌تواند یافته‌های خود را مستقیماً در همان رشته‌گفتگو به یک عامل نویسنده منتقل کند.
برای کاربر نهایی، این یعنی چرخه‌های تکرار سریع‌تر و فشار ذهنی کمتر. دیگر نیازی نیست عبارت دقیق خروجی مدل قبلی را به خاطر بسپارید تا مدل بعدی را هدایت کنید؛ چون زمینه (Context) — شبیه به میز کاری که تمام مدارک لازم برای یک پروژه روی آن پهن است — به طور بومی در کانال Radio به اشتراک گذاشته شده است. این رویکرد یادآور تلاش‌های اخیر برای ادغام حافظه یکپارچه در Claude است تا نیاز به تکرار دستورات در جلسات مختلف از بین برود.
البته کاربران باید پیش از ورود عامل‌ها، قوانین پایه (Ground rules) را برای آن‌ها تعیین کنند، به ویژه در مورد نحوه مدیریت اطلاعات حساس. همچنین باید عامل‌ها را پس از اتمام کار از کانال حذف کنند، زیرا جلسات بازگشتی به طور خودکار دوباره عضو می‌شوند.
این ابزار در واقع یکی از اجزای اصلی Fractal است؛ محصول گسترده‌تر Plasma AI برای واگذاری کارهای پیچیده به عامل‌ها از طریق انتخاب مدل مناسب برای هر شغل و تعیین یک هدف و بودجه مشخص. شرکت اعلام کرد که Fractal به‌زودی به کلاود منتقل می‌شود تا کاربران بتوانند ساختار درختی وظایف را ببینند، گره‌های آن را هدایت کنند و هزینه‌ها را در لحظه رصد کنند.
گام بعدی شما
- در سایت radio.plasma.ai یک کانال رایگان بسازید و عامل‌های کدنویسی خود را دعوت کنید.
- یک گردش‌کار «تولید و بازبینی» تعریف کنید تا دو مدل مختلف روی یک کد بحث کنند.
- قوانین دسترسی به داده‌های حساس را در پرامپت سیستمی عامل‌ها پیش از ورود به کانال تعریف کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو