پرش به محتوای اصلی
پرش به محتوای مقاله

تغییر نقش عامل‌های هوش مصنوعی در VS Code 1.120: از دستیار به رابط اصلی

·۲۵ اردیبهشت ۱۴۰۵۲ دقیقه مطالعه۲ بازدید
تغییر نقش عامل‌های هوش مصنوعی در VS Code 1.120: از دستیار به رابط اصلی
اشتراک‌گذاری

اگر هنوز با عامل‌های هوش مصنوعی (Agent) — مثل کارآموزی که نه تنها کد می‌زند، بلکه می‌تواند مراحل اجرای پروژه را برنامه‌ریزی کند — مانند یک چت‌بات ساده در حاشیه صفحه برخورد می‌کنید، استانداردهای جدید توسعه نرم‌افزار را از دست داده‌اید.

طبق اعلام مایکروسافت در ۱۳ مه ۲۰۲۶، نسخه ۱.۱۲۰ VS Code یک چرخش استراتژیک را رقم زده است؛ جایی که عامل‌ها دیگر صرفاً یک «قابلیت» نیستند، بلکه به رابط کاربری اصلی ویرایشگر تبدیل شده‌اند.

این تغییر در حالی رخ می‌دهد که مایکروسافت از ماه آوریل سرعت انتشار نسخه‌های پایدار خود را افزایش داده است. به گزارش وب‌سایت dev.to، معماری این ابزار اکنون به بلوغ کافی رسیده تا پیش‌نیازم‌های عمیق عامل‌محور را بدون به خطر انداختن پایداری سیستم پیاده کند. همان‌طور که در تحلیل‌های پیشین ما درباره‌ی آینده‌ی محیط‌های توسعه (IDE) اشاره کردیم، هدف نهایی تبدیل ویرایشگر از یک ابزار متنی به محیطی است که جریان‌های کاری پیچیده را به‌طور خودکار مدیریت می‌کند.

در این به‌روزرسانی، چندین قابلیت فنی کلیدی اضافه شده است:

  • برنامه‌ریزی کامل در Claude: عامل‌های مدل Claude اکنون وظایف پیچیده را به گام‌های کوچک تقسیم می‌کنند. کاربر می‌تواند پیش از اجرا، هر گام را به‌صورت مجزا ویرایش یا اصلاح کند.
  • انتخابگر حجم پنجره متنی: در منوی مدل‌ها، کاربر می‌تواند به‌طور مستقیم بین پنجره‌های متنی (Context Window) — که شبیه میز کاری است که تعیین می‌کند مدل هم‌زمان چه مقدار اطلاعات را در ذهن نگه دارد — با اندازه‌های ۸ هزار، ۳۲ هزار، ۱۲۸ هزار یا ۱ میلیون توکن (Token) جابه‌جا شود.
  • تنظیم تلاش برای استدلال: کاربران مدل‌های BYOK (استفاده از کلید شخصی) می‌توانند سطح «تلاش برای استدلال» را برای هر درخواست تنظیم کنند تا بین پاسخ‌های سریع و استدلال‌های عمیق توازن بگیرند.
  • امنیت در ترمینال: سیستم تشخیص رمزهای محرمانه اکنون درخواست‌های sudo و ssh را شناسایی می‌کند تا از نشت اطلاعات حساس به تاریخچه چت‌ها جلوگیری شود.

این نسخه ثابت می‌کند که مایکروسافت برای آینده‌ای آماده می‌شود که در آن سازمان‌ها مدل‌های خاص خود را به ویرایشگر متصل می‌کنند. با اضافه کردن تنظیم chat.tools.compressOutput.enabled برای فشرده‌سازی خروجی، توسعه‌دهندگان اکنون اهرم‌های لازم برای مدیریت هزینه و عملکرد استنتاج (Inference) — یعنی همان لحظه تولید جواب توسط مدل — را در اختیار دارند.

گام بعدی شما

  • پنجره متنی ۱ میلیون توکنی را روی بزرگ‌ترین ماژول‌های قدیمی پروژه خود تست کنید تا ببینید آیا نیاز به تقسیم دستی فایل‌ها حذف می‌شود یا خیر.
  • برای بازبینی کدهای پیچیده، از قابلیت برنامه‌ریزی گام‌به‌گام Claude استفاده کنید تا کنترل دقیق‌تری روی خروجی داشته باشید.
  • تنظیمات فشرده‌سازی خروجی را فعال کنید تا هزینه‌های مصرف API خود را کاهش دهید.

اما این تغییرات تنها بخشی از یک نقشه بزرگ‌تر است؛ اثر این معماری بر ابزارهای سنتی بازبینی کد را در گزارش بعدی بررسی خواهیم کرد.

چرا این موضوع مهم است؟

این به‌روزرسانی با انتقال کنترل استدلال و پنجره متنی به دست کاربر، تخصص توسعه‌دهنده را از «نوشتن کد» به «مدیریت عامل‌ها» تغییر می‌دهد. این یعنی کاهش چشمگیر هزینه‌های عملیاتی برای شرکت‌هایی که از مدل‌های گران‌قیمت با استدلال عمیق استفاده می‌کنند.

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.