پروژه‌ی jev-leftpad؛ استفاده از مدل هوش مصنوعی برای افزودن فاصله به متن

تصور کنید برای انجام کاری که در یک چشم‌به‌هم‌زدن و رایگان انجام می‌شود، بخواهید یک درخواست اینترنتی ارسال کنید و منتظر جواب بمانید. این دقیقاً همان کاری است که پروژه‌ی jev-leftpad انجام می‌دهد تا به ما یادآوری کند هر جا «می‌توانیم» از هوش مصنوعی استفاده کنیم، لزوماً «نباید» این کار را بکنیم.

این بسته که در ۲۱ سپتامبر ۲۰۲۶ در گیت‌هاب منتشر شد، متد استاندارد padStart() در جاوااسکریپت را حذف کرده و آن را با یک فراخوانی API از مدل Jev متعلق به شرکت TypeSafe AI جایگزین کرده است. این مدل که پیش از این با کاهش تأخیر تصمیم‌گیری به ۷۰ میلی‌ثانیه مورد توجه قرار گرفته بود، حالا در این پروژه برای کاری به خدمت گرفته شده که یک خط کد ساده به راحتی انجام می‌دهد. در واقع این ابزار، مدل زبانی بزرگ (LLM) — که شبیه کتابخانه‌داری است که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — را برای این منظور به کار می‌گیرد.

همان‌طور که در بحث‌های گذشته‌ی ما درباره‌ی بهینه‌سازی هزینه‌های استنتاج اشاره کردیم، جایگزینی توابع محلی با APIها معمولاً یک گناه کبیره در برنامه‌نویسی است. طبق مستندات این پروژه در github.com، سازوکار این ابزار به شرح زیر است:

• استفاده از @typesafe-ai/sdk و نیاز به Node.js نسخه ۲۰ یا جدیدتر.
• مدل Jev باید از بین گزینه‌های space_0 تا space_10 یکی را انتخاب کند.
• برای مثال، اگر بخواهید برای کلمه‌ی 'jev' تعداد ۸ کاراکتر تعیین کنید، مدل باید space_5 را انتخاب کند تا ۵ فاصله به ابتدای آن اضافه شود.
• سقف سیستم ۱۰ فاصله است و هر درخواستی فراتر از آن توسط مدل نادیده گرفته می‌شود.

به گزارش توسعه‌دهندگان، این پروژه یک نمونه‌ی کلاسیک از «بدهی فنی» (Technical Debt) عمدی است. با این کار، نقاط شکست متعددی ایجاد شده است؛ از قطع شدن اینترنت و انقضای کلید API گرفته تا احتمال توهم (Hallucination) — یعنی وقتی مدل با اطمینان چیزی می‌گوید که اصلاً وجود ندارد، شبیه دوستی که خاطره‌ای را اشتباه تعریف می‌کند — و انتخاب تعداد اشتباه فاصله. این رویکرد در تضاد با بازنگری‌های ساختاری در JevChat است که سعی داشت پیش‌فرض‌های مدل‌های زبانی را برای کاربردی‌تر شدن تغییر دهد.

برای کاربر، این یعنی پرداخت هزینه برای اعتبارهای TypeSafe جهت انجام کاری که در حالت عادی صفر دلار هزینه دارد و صفر میلی‌ثانیه زمان می‌برد. این یک هشدار تند و تیز است که نشان می‌دهد ابزارهای پیچیده نباید جایگزین راهکارهای ساده و بهینه شوند.

گام بعدی شما

• کد منبع این پروژه را در گیت‌هاب بررسی کنید تا با مفهوم بیش‌مهندسی آشنا شوید.
• در پروژه‌های خود بررسی کنید آیا جایی هست که از LLM برای کارهای ساده‌ی منطقی استفاده کرده باشید.
• به یاد داشته باشید: هرگز از این بسته در محیط عملیاتی (Production) استفاده نکنید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.