تصور کنید گزارش یک باگ را به هوش مصنوعی می‌دهید و بدون نوشتن حتی یک خط کد، یک پول‌ریکوئست (Pull Request) کاملاً تست‌شده دریافت می‌کنید. این واقعیت جدید با معرفی Foreman محقق شده است؛ «کارخانه نرم‌افزاری» که در ۱۷ اوت ۲۰۲۶ توسط Vercel Labs منتشر شد تا چرخه توسعه را با استقرار عامل (Agent) — شبیه به کارگرانی متخصص در یک خط تولید که هر کدام فقط یک بخش از کار را بلدند — در هر مرحله از خط لوله خودکار کند.
این عرضه در راستای چرخش صنعت به سمت مدل «کارخانه نرم‌افزاری» است. همان‌طور که در تحلیل قبلی ما درباره‌ی بازگشت خطوط تولید ساختاریافته برای کد اشاره کردیم، ابزارهای فعلی بیشتر شبیه به تکمیل‌کننده‌های خودکار برای انسان هستند، اما Foreman نقش یک خط لوله مدیریت‌شده را دارد. در اینجا انسان از مقام نویسنده کد به مقام تصمیم‌گیرنده نهایی درباره پیش‌نویس‌های بازبینی‌شده ارتقا می‌یابد. این رویکرد مدیریت‌شده یادآور راهکارهای GitOps برای پایداری عامل‌های AI است که با حذف انحرافات پیکربندی، ثبات زیرساختی را تضمین می‌کنند.
طبق مستندات GitHub، سامانه Foreman وظایف را از چهار ایستگاه مجزا عبور می‌دهد:
- طبقه‌بندی‌کننده (Classifier): اولویت و پیچیدگی وظیفه را تعیین می‌کند و اگر درخواست برای اجرا عملی نباشد یا مبهم باشد، از کاربر توضیح می‌خواهد.
- تحلیل‌گر (Analyst): با بررسی زنده (Live Checkout) مخزن کد، یک برنامه دقیق همراه با معیارهای پذیرش (Acceptance Criteria) می‌سازد.
- مجری (Implementer): برنامه را در یک محیط ایزوله (Sandbox) خصوصی اجرا کرده و اصلاحات را با استفاده از تست‌های خودِ مخزن تأیید می‌کند.
- بازبین (Reviewer): تغییرات نهایی (Diff) را به‌طور مستقل با برنامه اولیه می‌سنجد و برای هر رای خود دلیل و شواهد می‌آورد.
برای جلوگیری از «نشت استدلال» (Reasoning Leak)، بازبین هرگز به منطق داخلی مجری دسترسی ندارد و فقط کد نهایی را می‌بیند. همچنین Foreman یک «مغز کارخانه» دارد؛ حافظه‌ای دائمی از یادداشت‌های مربوط به هر مخزن که در هر اجرای بعدی به عنوان منبع اطلاعاتی مورد استفاده قرار می‌گیرد.
به گزارش ورسل، این معماری نقش برنامه‌نویس را از سازنده به ویراستار تغییر می‌دهد. این سیستم با اتصال مستقیم به GitHub و Linear، چرخه خسته‌کننده تشخیص خطا و ارسال اصلاحات را در شاخه‌های (Branches) اختصاصی خود مدیریت می‌کند. اگر یک تست در محیط CI روی یک پول‌ریکوئست کارخانه شکست بخورد، Foreman به‌طور خودکار خطا را تشخیص داده و بدون دست زدن به شاخه اصلی، آن را اصلاح می‌کند. این مکانیسم خودکارسازی در محیط‌های توزیع‌شده، مکمل گیره‌های ایمنی گیت‌هاب است که با تعیین آستانه‌های اطمینان، از اجرای اشتباهات احتمالی عامل‌ها جلوگیری می‌کنند.
این ساختار نشان می‌دهد آینده مهندسی نرم‌افزار نه در یک «مدل خدای‌گونه» واحد، بلکه در مجموعه‌ای از عامل‌های محدود و متخصص با محیط‌های ایزوله است. ورسل با جداسازی مجری از بازبین، سعی دارد مشکل توهم (Hallucination) — وقتی مدل با اطمینان چیزی می‌گوید که وجود ندارد، شبیه به دوستی که خاطره‌ای را اشتباه تعریف می‌کند — را از طریق بررسی‌های متقابل و ساختارهای خصمانه (Adversarial Checks) حل کند. این استراتژی مشابه رویکرد کامپایل دو مرحله‌ای WaveMaker AI است که برای حذف توهمات مدل‌های زبانی از یک لایه بازبینی مجزا استفاده می‌کند.
برای شروع کار، می‌توانید Foreman را از طریق جریان استقرار Vercel فعال کنید. این فرآیند اتصال‌های لازم به GitHub و Linear و همچنین ذخیره‌ساز Blob را پیکربندی می‌کند. برای راه‌اندازی، باید متغیرهای محیطی FACTORY_REPO و FACTORY_LABEL را در تنظیمات خود تعریف کنید.
گام بعدی شما
- Foreman را از طریق جریان استقرار Vercel فعال کنید و اتصال‌های GitHub و Linear را برقرار سازید.
- متغیرهای محیطی
FACTORY_REPOوFACTORY_LABELرا برای تعریف مخزن و برچسب کارخانه تنظیم کنید. - ابتدا روی باگ‌های کوچک و تکراری تست کنید تا دقت عامل بازبین را بسنجید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو