تلاش برای «باهوش‌تر کردن» مدل‌های زبانی برای رفع باگ‌های کدنویسی، یک بن‌بست است. اگر هنوز فکر می‌کنید مشکل از قدرت استنتاج مدل است، سخت در اشتباهید؛ گلوگاه واقعی، زیرساختی است که مدل در آن فعالیت می‌کند.
به نقل از گزارشی در dev.to که در ۲۹ آوریل ۲۰۲۶ منتشر شد، تیمی از OpenAI موفق شد یک میلیون خط کد را در قالب ۱,۵۰۰ درخواست تغییر (Pull Request) تولید کند، بدون اینکه حتی یک خط کد توسط انسان نوشته شده باشد. آن‌ها این موفقیت را نه با مهندسی پرامپت، بلکه با خلق یک محیط عملیاتی ایده‌آل برای عامل (Agent) به دست آوردند.
این رویکرد که اکنون «مهندسی هارنس» (Harness Engineering) نامیده می‌شود، بر چهار ستون اصلی استوار است:
- هارنس: لایه‌ای محیطی که ابزارهای در دسترس، منابع دانش و متدهای اعتبارسنجی را تعریف می‌کند و مانند یک نرده حفاظتی، عامل را در مسیر درست نگه می‌دارد.
- افشای تدریجی (Progressive Disclosure): به جای استفاده از فایل‌های قوانین حجیم که تمرکز مدل را پراکنده می‌کند، سیستم از یک نقشه‌ی فشرده استفاده می‌کند که به پوشه‌های ساختاریافته‌ی حاوی مستندات طراحی و برنامه‌های اجرایی اشاره دارد.
- سیستم ثبت (System of Record): در این مدل، مخزن کد تنها منبع حقیقت است. تمام قوانین معماری و لیست ویژگی‌ها باید به صورت متنی در مخزن ثبت شوند تا از توهم (Hallucination) مدل جلوگیری شود.
- حلقه‌های بازخورد مشاهده‌پذیری (Observability Feedback Loops): محیط از لینترها (Linters) و تست‌های ساختاری استفاده می‌کند تا کدهایی که معماری را می‌شکنند، فوراً رد کند و عامل را مجبور به اصلاح خودکار بر اساس پیام‌های خطای صریح نماید.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی عامل‌های هوشمند اشاره کردیم، اتکای صرف به مدل‌های استدلالی بدون محیط کنترل‌شده، منجر به شکست در پروژه‌های پیچیده می‌شود. اکنون نقش توسعه‌دهنده در حال تغییر است؛ شما کمتر کد تایپ خواهید کرد و بیشتر روی معماری محیط متمرکز می‌شوید.
هدف نهایی، خلق مستنداتی است که برای ربات‌ها قابل پیمایش باشد و خط لوله‌هایی برای ارزیابی مستمر خودکار ایجاد شود. اما این تحول در کدنویسی تنها بخشی از یک تصویر بزرگ‌تر است؛ اثر این رویکرد بر مدیریت پروژه‌های نرم‌افزاری عظیم را در گزارش بعدی بررسی خواهیم کرد.
گام بعدی شما
- تمرکز بر طراحی ساختار پوشه‌بندی پروژه برای دسترسی بهینه عامل‌ها.
- پیاده‌سازی تست‌های ساختاری سخت‌گیرانه برای ایجاد حلقه‌های بازخورد سریع.
- تبدیل مستندات متنی به فرمت‌های قابل پیمایش برای هوش مصنوعی زاینده (Generative AI).
گفتگو