پایشِ روزانهٔ اینکه دنیا چطور دارد ایجنت را به توسعه‌دهندهٔ مسئولِ نرم‌افزار تبدیل می‌کند
آخرین ساخت: 2026-10-25 13:30 UTC · هستهٔ ویرایش‌شده: 2026-09-01زیرساختِ کانتکست، نه کیفیتِ مدل، تعیین‌کنندهٔ سقفِ خودمختاری ایجنت است.
ولی کانتکست فقط نیمهٔ ورودی است. آنچه در عمل سقف خودمختاری را تعیین می‌کند «اثبات‌پذیریِ خروجی» است: هر قدر بتوانی ارزان‌تر ثابت کنی کارِ ایجنت درست بوده، می‌توانی اختیار بیشتری بدهی. خودمختاری تابعِ verifiability است، نه تابعِ هوشِ مدل.
آیتم‌هایی که در اجرای امروز برای اولین بار دیده شدند.
اگر با اصطلاحِ اشتباه جست‌وجو کنی، ادبیاتِ روز را پیدا نمی‌کنی. ترتیبِ زیر ترتیبِ تاریخی است.
| اصطلاح | دوره | دامنه | نکته |
|---|---|---|---|
| Prompt Engineering | ۲۰۲۲–۲۰۲۴ | متنِ ورودی | مرده نیست ولی دیگر واحدِ کار نیست. |
| Context Engineering | ۲۰۲۴–۲۰۲۶ | کلِ پنجرهٔ کانتکست: بازیابی، حافظه، ابزار، state | «مهارتِ تعریف‌کنندهٔ ۲۰۲۶». معماریِ محیطِ اطلاعاتی، نه نوشتنِ پرامپت. |
| Harness Engineering | ۲۰۲۶ به بعد | همه‌چیز به‌جز مدل — کانتکست + ابزار + محدودیت‌ها + حلقهٔ بازخورد + محیط اجرا | استعارهٔ رایج: مدل = CPU، هارنس = سیستم‌عامل. اصطلاح چترِ فعلی. |
| Agentic SDLC | ۲۰۲۶ | چرخهٔ توسعه وقتی ایجنت‌ها مجری‌اند و انسان مالکِ سیستم | spec → issue → اساین به ایجنت → PR → review → deploy → تله‌متری → spec بعدی. |
| Closed-Loop / Observability-Driven | ۲۰۲۶ | تله‌متریِ تولید که به ورودیِ ایجنت برمی‌گردد | چرخهٔ investigate → fix → verify. گران‌ترین قدم، verify، در حال خودکارشدن است. |
ستونِ «چرا» مهم‌تر از اسم است. اینها کسانی‌اند که حرفِ تازه می‌زنند، نه بازنشرکنندگان.
نویسندهٔ «12-Factor Agents» — نزدیک‌ترین چیز به مانیفستِ این حوزه. از تحلیل ۱۰۰٬۰۰۰ سشن توسعه‌دهنده مفهوم «dumb zone» را استخراج کرد: میانهٔ ۴۰–۶۰٪ پنجرهٔ کانتکست که در آن recall مدل افت می‌کند. چارچوب RPI (Research → Plan → Implement) را برای کدبیس‌های brownfield ساخت.
اول این را بخوان: 12-Factor Agents + تاکِ Advanced Context Engineering
12-Factor Agents · تاک AI Engineer (ویدیو) · مصاحبه با Pragmatic Engineer
جدی‌ترین صدای مهندسیِ نرم‌افزار در این حوزه — نه هایپ، نه فروش. سریِ «Exploring Gen AI» روی martinfowler.com را می‌نویسد و اصطلاح harness engineering را برای مخاطبِ مهندسیِ سنتی صورت‌بندی کرد. اگر فقط یک نفر را دنبال می‌کنی، این.
اول این را بخوان: Harness engineering for coding agent users
Harness engineering (مقاله) · Harness Engineering — first thoughts · نقشِ مهارتِ توسعه‌دهنده در agentic coding · سریِ کامل Exploring Gen AI · سایت شخصی
دقیق‌ترین راویِ روزبه‌روزِ این حوزه. هر تغییر ابزار/مدل را همان روز تست و مستند می‌کند. موضعش: خروجیِ ایجنت «کدی است که باید ریویو شود»، نه محصولِ نهایی. بلاگش عملاً نقشِ خبرگزاریِ حوزه را دارد.
اول این را بخوان: Agentic Engineering Patterns
بلاگ · Agentic Engineering Patterns · تاک: Engineering practices that make coding agents work
عمیق‌ترین نگاه به «طراحیِ ابزار برای ایجنت». اصلِ معروفش: «ابزار باید در برابر یک LLM که مثل chaos monkey اشتباه استفاده‌اش می‌کند مقاوم باشد.» اگر MCP یا tool می‌سازی، این آدم را بخوان.
اول این را بخوان: Agentic Coding: The Future of Software Development
لایهٔ سازمانی: چطور تیم و نقش‌ها و استخدام با ایجنت‌ها عوض می‌شود. پوششِ AI او عملاً یک کتابِ در حال به‌روزرسانی دربارهٔ طراحیِ سازمانِ AI-native است. برای سؤالِ «هر فیچر یک مسئول» لایهٔ انسانی‌اش اینجاست.
اول این را بخوان: The Pragmatic Engineer — AI coverage
جمع‌بندی‌کنندهٔ خوبِ الگوها برای مخاطبِ گسترده؛ نوشتهٔ Agent Harness Engineering او نقطهٔ ورودِ خوبی است اگر می‌خواهی سریع به تیم توضیح بدهی.
اول این را بخوان: Agent Harness Engineering
منبعِ شواهدِ ضدجهت. گروهِ Gloaguen و همکاران نشان دادند AGENTS.md به‌طور کلی نرخ موفقیت را بالا نمی‌برد و بیش از ۲۰٪ هزینهٔ inference اضافه می‌کند. برای اینکه اسیرِ هایپ نشوی، این آزمایشگاه را دنبال کن.
اول این را بخوان: Evaluating AGENTS.md
مقالهٔ ICLR 2026 «Agentic Context Engineering»: کانتکست را به‌جای پرامپتِ ثابت، «playbook در حال تکامل» می‌بیند با سه نقشِ Generator / Reflector / Curator. دو آسیبِ کلیدی را نام‌گذاری کرد: brevity bias و context collapse. کد بازمتن است.
اول این را بخوان: Agentic Context Engineering (arXiv 2510.04618)
نوشتهٔ ۱۱ فوریهٔ ۲۰۲۶ او اصطلاح harness engineering را رسمی کرد — بر پایهٔ تجربهٔ عرضهٔ یک اپلیکیشن تولیدی بدون یک خط کدِ دستی.
اول این را بخوان: نوشتهٔ harness engineering
پیشروترین پیاده‌سازیِ تجاریِ «حلقهٔ بسته با تله‌متریِ تولید». ادعای متمایزکننده‌شان: تشخیص‌هایی که با تحلیلِ ایستای کد ممکن نیست، و خودکارکردنِ قدمِ verify. MCP server دارند تا ایجنتِ محلی‌ات به همان حلقه وصل شود.
اول این را بخوان: Seer: debug with AI at every stage
تنها منبعِ سنجشِ سازمانیِ بزرگ‌مقیاس. یافتهٔ محوری: AI «تقویت‌کننده» است — روی تیمِ قوی چندبرابر می‌کند و روی فرایندِ شکسته ضعف را بزرگ. هر ادعایی دربارهٔ ROI را با گزارشِ اینها بسنج.
اول این را بخوان: ROI of AI-assisted Software Development
هیچ استانداردِ رسمیِ ISO/IEEE وجود ندارد. آنچه هست، هم‌گراییِ عملیِ ابزارسازان است.
یک فایل مارک‌داون در ریشهٔ ریپو که به ایجنت می‌گوید چطور بیلد/تست/ولیدیت کند.
هشدار: شواهدِ تجربی می‌گوید به‌تنهایی نرخ موفقیت را بالا نمی‌برد و هزینه را +۲۰٪ می‌کند. ارزشش در «قابلِ اجرا بودن» است نه در «توصیفی بودن».
استانداردِ اتصالِ ابزار و منبعِ داده به ایجنت. لایهٔ «دسترسی» در معماریِ تو.
هشدار: پروتکل استاندارد است ولی طراحیِ خودِ ابزار نیست — «chaos monkey safety» کارِ توست.
قراردادِ نام‌گذاریِ متریک و trace برای ایجنت‌ها: توکن، هزینه، tool call، approval، latency.
هشدار: این ستونِ فقراتِ «سنجشِ ایجنت» است. اگر ایجنتت OTel نمی‌دهد، کور پرواز می‌کنی.
قبل از کد، سه مصنوعِ نسخه‌بندی‌شده: requirements → design → tasks، به‌علاوهٔ یک constitution.md برای قوانینِ تغییرناپذیرِ پروژه.
هشدار: خطرِ اصلی: تبدیل‌شدن به مراسمِ اداری. spec باید executable باشد نه تزئینی.
۱۲ الگو برای تبدیلِ دموی ایجنت به سیستمِ تولیدی. سه اصلِ محوری: پرامپت‌هایت را مالک باش، پنجرهٔ کانتکستت را مالک باش، control flow را مالک باش.
هشدار: برای ایجنت‌های LLM عمومی نوشته شده، نه اختصاصاً coding agent — ولی نزدیک‌ترین چیز به قانون‌نامه است.
ستاره‌دارها بیشترین ربط را به معماریِ «لاگِ تولید ← ایجنت» دارند.
★ نزدیک‌ترین مقاله به کاری که تو داری می‌کنی. حلقهٔ بسته‌ای که خودِ هارنس را با مشاهده‌پذیری تکامل می‌دهد. اگر یکی را می‌خوانی، این.
★ شواهدِ ضدجهت. قبل از اینکه روی نوشتنِ فایل کانتکست وقت بگذاری بخوانش.
نتیجهٔ عملی: فایلِ کانتکست را «توصیف‌نامه» نکن؛ «قرارداد اجرایی» کن — دستور بیلد، دستور تست، شرطِ پذیرش. چیزی که ایجنت می‌تواند اجرا کند و شکستش قابل‌مشاهده است.
پایهٔ تجربیِ اینکه بقیهٔ دنیا واقعاً چطور ایجنت‌ها را کانفیگ می‌کند.
الگوی Generator/Reflector/Curator را می‌شود مستقیم روی حلقهٔ لاگ‌های تو پیاده کرد.
معماریِ «تله‌متریِ تولید → MCP → ایجنت» که تو ساختی، اینجا الگوی نام‌گذاری‌شده دارد.
نقدِ مفیدی بر تعریفِ سادهٔ «خودمختاری» — ایجنتی که فقط دستور اجرا می‌کند کافی نیست.
این بخش عمداً شاملِ چیزهایی است که ادعای رایج را نقض می‌کند.
| ابزار | لایه | نکته |
|---|---|---|
| GitHub Spec Kit | کانتکست / spec | ~۱۱۵ هزار ستاره در حدود چهار ماه. constitution.md + requirements/design/tasks. MIT. |
| AWS Kiro | کانتکست / spec | Specها با نُتاسیونِ EARS و سندِ طراحیِ خودتولید. |
| GitHub Copilot coding agent | مالکیت | issue را مستقیم به ایجنت اساین می‌کنی، PR تحویل می‌گیری. عملیاتی‌ترین شکلِ «هر فیچر یک مسئول». |
| Sentry Seer | حلقهٔ بسته | investigate → fix → verify روی تله‌متریِ واقعیِ تولید + MCP server برای ایجنتِ محلی. |
| Google CodeMender (DeepMind) | حلقهٔ بسته / امنیت | بازنویسیِ خودکارِ کدِ آسیب‌پذیر؛ ۷۲ فیکسِ امنیتی upstream در شش ماه. |
| Amazon CloudWatch Coding Agent Insights | سنجش | از ۲۰ ژوئیهٔ ۲۰۲۶. داشبوردِ آمادهٔ OTel برای Claude Code / Codex / Copilot: مصرف، هزینه، latency، tool call، approval — و right-sizing بودجهٔ توکن. |
| ACE (Agentic Context Engineering) | کانتکستِ خودبهبود | پیاده‌سازیِ بازمتنِ Generator/Reflector/Curator با اسکریپت‌های آمادهٔ بنچمارک. |
| AHE (Agentic Harness Engineering) | هارنسِ خودبهبود | کدِ رسمیِ مقالهٔ ۲۶۰۴٫۲۵۸۵۰ — تکاملِ خودکارِ هارنس با سیگنالِ مشاهده‌پذیری. |
| مرجع | نوع | چرا |
|---|---|---|
| AGENT 2026 — International Workshop on Agentic Engineering (در ICSE 2026) | آکادمیک | تنها جاییست که این حوزه دارد به‌عنوان رشتهٔ مهندسی رسمیت پیدا می‌کند. |
| AI Engineer World's Fair | کنفرانسِ صنعتی | بزرگ‌ترین گردهماییِ فنی؛ تاکِ 12-Factor Agents از همین‌جا آمد. |
| Agentic AI Summit — UC Berkeley RDI | دانشگاهی/صنعتی | پیوستهٔ MOOC با جامعهٔ نزدیک به ۴۰٬۰۰۰ نفری. |
| Latent Space | خبرنامه + دیسکورد | فرهنگِ مهندسیِ AI کاربردی — ایجنت، eval، RAG. سیگنالِ خوب. |
| Anthropic Discord | دیسکورد | کانال‌های Claude Code و computer-use؛ کوچک‌تر و کم‌سروصداتر از OpenAI ولی سیگنالِ بالاتر برای این حوزه. |
| MLOps Community / Agents in Production | جامعه + ویدیو | آرشیوِ تاک‌های تولیدی؛ ویدیوی اصلیِ 12-Factor Agents اینجاست. |
| awesome-agentic-engineering-resources | فهرستِ گیت‌هاب | فهرستِ نگهداری‌شدهٔ منابع؛ نقطهٔ شروعِ خوب برای کشفِ اسم‌های تازه. |
چک‌لیستِ عملی. هر بند یک «سنجه» دارد که می‌شود همین امروز جوابش را داد.
AGENTS.md / constitution.md بنویس ولی طبقِ یافتهٔ ETH، محتوایش باید «اجراشدنی» باشد: دستور بیلد، دستور تست، شرطِ پذیرش، و مرزهای غیرقابل‌عبور. متنِ توصیفی فقط هزینه اضافه می‌کند.
سنجه: اگر خطی از فایل را نمی‌شود به یک دستورِ shell یا یک تستِ شکست‌خور نگاشت، حذفش کن.
گران‌ترین قدمِ حلقه. هر باگی که ایجنت ساخت باید بلافاصله به یک eval دائمی تبدیل شود (الگوی «evals from your own failures»). eval باید روی traceهای واقعیِ تولید اجرا شود، نه فقط تستِ واحد.
سنجه: تعدادِ evalهایی که از شکستِ واقعی متولد شده‌اند — اگر صفر است، حلقه بسته نیست.
متریکِ استانداردِ نوظهور cost-per-completed-task است. بدونش نمی‌توانی دو ایجنت را مقایسه کنی یا سقف بگذاری. CloudWatch Coding Agent Insights همین را از OTel می‌سازد.
سنجه: آیا می‌توانی بگویی فیچرِ X چند دلار خرج برداشت؟
در ادبیاتِ AHE این «component observability» است: هر جزءِ قابل‌ویرایش باید revertible باشد. الگوی release-based deploy با rollback سه‌ثانیه‌ای که در widaco داری دقیقاً همین است — به این فیچر هم ببرش.
سنجه: بدترین کارِ ممکنِ ایجنت، در چند ثانیه برمی‌گردد؟
الگوی Agent Registry: هویتِ مستقل، مالکیتِ سرویسِ مشخص، سقفِ توکن، و ردِ حسابرسی. اکانتِ deploy که از root قفل شده الگوی درستی است — همان را برای ایجنت تکرار کن.
سنجه: اگر ایجنت compromise شود، حداکثر خسارت چیست؟
ابتکارِ اصلیِ AHE: «decision observability» — ایجنت پیش از هر ویرایش پیش‌بینی می‌کند چه اثری خواهد داشت، و دورِ بعد آن پیش‌بینی با نتیجهٔ واقعی مقایسه می‌شود. این تنها راهِ attribution است.
سنجه: می‌توانی بگویی کدام تغییرِ هارنس باعثِ بهبود شد؟ اگر نه، داری کور تیونینگ می‌کنی.
دو آسیبِ نام‌گذاری‌شدهٔ ACE: brevity bias و context collapse. راه‌حلشان delta update موضعی به‌جای بازنویسیِ کاملِ کانتکست. حافظهٔ ایجنتِ تو نباید هر بار از نو خلاصه شود.
سنجه: آیا جزئیاتی که سه ماه پیش یاد گرفتی هنوز در کانتکست هست؟
یافتهٔ Horthy از ۱۰۰٬۰۰۰ سشن: میانهٔ ۴۰–۶۰٪ پنجرهٔ کانتکست منطقه‌ای است که recall افت می‌کند. پر کردنِ پنجره با «همهٔ لاگ‌ها» ضدِ هدف است — انتخابِ هوشمندانه لازم است نه انباشت.
سنجه: آیا کانتکست را پر می‌کنی یا انتخاب می‌کنی؟
آخرین 45 آیتمِ مرتبط از arXiv و بلاگ‌های تحتِ پایش. روزانه تازه می‌شود.