حلقه در راه: چگونه مهندسی مهار (Harness Engineering) هوش مصنوعی، کدنویسی را تغییر می‌دهد

بزرگ‌ترین تحول در کدنویسی با هوش مصنوعی، مربوط به مدل‌های بهتر نیست؛ بلکه مربوط به «حلقه» (loop) است.

توسعه نرم‌افزار در حال ورود به مرحله جدیدی به نام Harness Engineering (مهندسی مهار) است. این مرحله فراتر از پرامپت‌های ساده می‌رود و بر ساخت سیستم‌هایی تمرکز دارد که عامل‌های هوش مصنوعی (AI agents) را کنترل می‌کنند.

یک مهار (harness) عالی، بر یک مدل عالی برتری دارد.

مهار شامل تمام موارد پیرامون مدل است:

  • پرامپت‌های سیستم و ابزارها
  • دسترسی به سیستم فایل
  • محیط‌های ایزوله اجرا (Execution sandboxes)
  • منطق تأیید (Verification logic)

اکثر تیم‌ها بر «حلقه داخلی» (inner loop) تمرکز می‌کنند. این زمانی است که هوش مصنوعی یک ابزار را فراخوانی می‌کند، فایلی را ویرایش می‌کند و یک تست را اجرا می‌نماید.

ارزش واقعی در «حلقه بیرونی» (outer loop) نهفته است. این یک لایه ارکستراسیون (orchestration layer) است که وظایف را صف‌بندی می‌کند، اتمام کار را ارزیابی می‌کند و کل فرآیند را مدیریت می‌نماید. در اینجا، وظیفه فراتر از یک جلسه چت واحد است.

تکامل توسعه هوش مصنوعی:

  1. مهندسی پرامپت (Prompt Engineering) (۲۰۲۲-۲۳): نوشتن پرامپت‌های تک‌مرحله‌ای برای قطعه‌کدها (snippets).
  2. مهندسی بافت (Context Engineering) (۲۰۲۴-۲۵): مدیریت حافظه و فایل‌ها برای قابلیت‌های جدید.
  3. مهندسی مهار (Harness Engineering) (۲۰۲۶): ساخت سیستم‌های کنترل خودگردان.

گلوگاه تغییر کرده است. دیگر بحث بر سر این نیست که آیا هوش مصنوعی می‌تواند کد بنویسد یا خیر؛ بلکه بحث بر سر این است که آیا شما می‌توانید مشخصاتی (spec) بنویسید که هوش مصنوعی بتواند از آن پیروی کند.

جاهایی که حلقه‌ها به خوبی عمل می‌کنند:

  • انتقال کد از یک زبان به زبان دیگر.
  • اجرای بنچمارک‌های عملکرد (performance benchmarks).
  • اسکن امنیتی.
  • تحقیق و ساخت نمونه‌های اولیه سریع.

جاهایی که حلقه‌ها شکست می‌خورند:

  • کدهایی که نیاز به قضاوت عمیق انسانی دارند.
  • سیستم‌هایی که به قوانین معماری سخت‌گیرانه نیاز دارند.
  • طراحی سطح بالا و قابلیت نگهداری.

ما شاهد ریسک‌های جدیدی مانند «بدهی درک» (Comprehension Debt) هستیم. این زمانی رخ می‌دهد که هوش مصنوعی سریع‌تر از توانایی انسان در بازبینی، کد تولید می‌کند. در نهایت، تیم‌ها با پایگاه‌های کدی (codebases) مواجه می‌شوند که درک درستی از آن‌ها ندارند.

این تغییر به سه دلیل اجتناب‌ناپذیر است:

  • امنیت: مهاجمان از حلقه‌ها استفاده می‌کنند؛ مدافعان نیز باید از آن‌ها استفاده کنند.
  • اقتصاد: تیم‌های کوچک اکنون می‌توانند کار گروه‌های بسیار بزرگ‌تر را انجام دهند.
  • بدهی فنی: پایگاه‌های کد آینده برای کار با هوش مصنوعی ساخته خواهند شد.

شغل شما در حال تغییر است. شما از کدنویسی، به سمت نوشتن حلقه‌هایی حرکت می‌کنید که کد می‌نویسند.

منبع: https://dev.to/tekmag/the-coming-loop-how-ai-harness-engineering-is-quietly-rewriting-software-development-4ejd

جامعه یادگیری اختیاری: https://t.me/GyaanSetuAi