مهندسی سریع مرده است: عصر معماری عامل

آثار درگذشت: کوتاه‌مدت‌ترین شغل فنی

در اواخر سال 2022 و در سراسر سال 2023، "مهندس سریع" به عنوان داغ ترین شغل جدید در فناوری معرفی شد. مقالات ادعا می‌کردند که توانایی نوشتن پاراگراف‌های فوق خاص و ۵۰۰ کلمه‌ای که به ChatGPT در مورد نحوه رفتار کردن آموزش می‌دهد، مهارت تعیین‌کننده دهه خواهد بود. مردم دوره‌هایی درباره «جادوی سریع» خریدند و الگوهای متنی پیچیده مانند طلسم‌های مخفی را به اشتراک گذاشتند.

امروز، در سال 2026، مهندسی سریع رسماً حرفه ای مرده

است.

تکامل سریع مدل‌های زبان بزرگ (LLM) باعث منسوخ شدن درخواست‌های دستی شده است. مدل‌های مدرن مانند Claude 3.5 Sonnet و GPT-4o در استنباط هدف فوق‌العاده خوب هستند. مهمتر از آن، پارادایم تعامل انسان و رایانه تغییر کرده است. ما دیگر هوش مصنوعی را به عنوان یک موتور جستجوی هوشمند در نظر نمی گیریم که در آن درخواستی را تایپ می کنیم و منتظر پاسخ هستیم.

ما اکنون با هوش مصنوعی به عنوان یک نیروی کار رفتار می کنیم. ما تلقین نمی کنیم؛ ما معمار هستیم

زمینه: چرا درخواست بزرگ‌سازی نشد

نقص اساسی Prompt Engineering این بود که ذاتا مقیاس ناپذیر بود.

یک مهندس اعلان باید به صورت دستی یک اعلان را تایپ می‌کرد، منتظر تولید می‌شد، خروجی را ارزیابی می‌کرد، دستور را تغییر می‌داد و دوباره امتحان می‌کرد. این یک تعامل 1:1 بود. اگر یک آژانس بازاریابی به 500 توضیح محصول نیاز داشت، یک انسان هنوز باید آنجا می نشست و 500 دستور را اجرا می کرد، یا یک اسکریپت پایتون سفت و سخت برای حلقه زدن آنها می نوشت، که اغلب با ظاهر شدن موارد لبه شکسته می شد.

علاوه بر این، درخواست بدون تابعیت است. هنگامی که پنجره چت بسته می شود، هوش مصنوعی همه چیز را فراموش می کند. نمی تواند به طور فعال ایمیل شما را بررسی کند، نمی تواند CRM شما را هنگام خواب به روز کند، و نمی تواند با سایر مدل های هوش مصنوعی برای حل یک مشکل پیچیده همکاری کند. درخواست، هوش مصنوعی را در یک جعبه واکنشی به دام انداخت.

غواصی عمیق: ظهور معماری عامل

جایگزین مهندس سریع، معمار عامل است.

به جای نوشتن یک پاراگراف برای به دست آوردن یک خروجی واحد، یک معمار Agent سیستم های مستقل طراحی می کند. "Agent" یک LLM است که در نرم افزار پیچیده شده است که به آن سه چیز می دهد: حافظه، ابزار، و Autonomy.

در اینجا نحوه عملکرد یک سیستم عامل مدرن در مقایسه با اعلان اولیه آمده است:

روش قدیم (تشویق): تایپ می‌کنید، "یک گزارش هفتگی بر اساس این سه فایل PDF بنویسید." شما پی دی اف ها را آپلود می کنید. شما خروجی را کپی کرده و در ایمیلی برای رئیس خود جای‌گذاری می‌کنید.
راه جدید (معماری عامل): شما یک "گزارش دهنده" می سازید. شما به آن API دسترسی به Google Drive (ابزار) شرکت خود را می دهید و به آن دستور می دهید: "هر جمعه ساعت 4 بعدازظهر، آخرین فایل های PDF مالی (Autonomy) را پیدا کنید، آنها را خلاصه کنید، آنها را با خلاصه هفته گذشته مقایسه کنید (Memory) و نتیجه را برای تیم مدیریت ایمیل کنید."

شما هرگز دوباره دستوری را تایپ نمی کنید. مامور هر جمعه از خواب بیدار می شود، کار را انجام می دهد و دوباره می خوابد.

قدرت واقعی با سیستم های چند عاملی ظاهر می شود. یک معمار می تواند یک "عامل پژوهشی" طراحی کند که وب را خراش می دهد، یافته های خود را به یک "عامل استراتژیست" که طرحی را تدوین می کند، منتقل می کند، و سپس وظایف را به یک "عامل نویسنده" و یک "عامل کدگذار" محول می کند. آنها با یکدیگر گفتگو می کنند، اشتباهات یکدیگر را تصحیح می کنند و یک پروژه تمام شده را به سرانجام می رسانند، در حالی که سرپرست انسانی روی استراتژی سطح بالا تمرکز می کند.

پیام‌ها: تفکر در سیستم‌ها، نه جملات

این تغییر پیامدهای عمیقی بر نحوه استخدام و عملکرد کسب و کارها دارد.

دانستن "کلمات جادویی" برای نوشتن نسخه بهتر یک LLM دیگر مزیت رقابتی نیست. مزیت رقابتی در درک طراحی سیستم نهفته است.

رهبران کسب و کار باید از این سوال که "چگونه می توانیم از ChatGPT برای نوشتن سریعتر استفاده کنیم؟" در عوض، آنها باید بپرسند: "چگونه می توانیم یک گردش کار Agentic طراحی کنیم تا خط لوله داده بین بخش های فروش و تدارکات خود را به طور کامل خودکار کنیم؟"

حرفه ای هایی که در دهه آینده پیشرفت خواهند کرد، واژه ساز نیستند. آنها متفکران سیستمی هستند. آنها مسیریابی API، پایگاه‌های داده برداری (RAG)، گیت‌های منطقی و چگونگی تعریف مرزهای عملیاتی برای مدل‌های مستقل را می‌دانند تا توهم نداشته باشند یا اقدامات مخرب را انجام ندهند.

مواد آماده: لوله کشی عملیاتی خود را ارتقا دهید

اگر شرکت شما همچنان برای اشتراک‌های ChatGPT Plus برای کارمندان شما پرداخت می‌کند و به آن‌ها می‌گوید "بهتر درخواست کنید"، شما در حال انجام یک بازی بازنده هستید.

شما با هوش مصنوعی مانند یک ماشین حساب رفتار می کنید در حالی که باید با آن مانند یک مزرعه سرور رفتار کنید.

دوران تایپ جملات در جعبه چت در حال پایان است. دوران استقرار عوامل هوش مصنوعی مستقل و به هم پیوسته برای اجرای گردش های کاری پیچیده و چند مرحله ای در پس زمینه آغاز شده است. ذهنیت خود را از مهندسی سریع به معماری عامل تغییر دهید، یا تماشا کنید رقبایتان شما را خودکار می کنند.

آماده ای برای جایگزینی درخواست های دستی خود با نمایندگان مستقل؟

معماری نماینده خود را طراحی کنید

سؤالات متداول

آیا برای اینکه یک معمار نماینده باشم باید بدانم چگونه کدنویسی کنم؟

به طور فزاینده، نه. در حالی که پیشینه در پایتون کمک می کند، ظهور پلتفرم های سازنده عامل "No-Code" (مانند ادغام های هوش مصنوعی Make.com، n8n، یا ابزارهای تخصصی مانند Flowise و LangFlow) به کاربران اجازه می دهد تا با استفاده از یک رابط بصری کشیدن و رها کردن، سیستم های پیچیده چند عاملی بسازند.

آیا یک نماینده مستقل می تواند اشتباه خطرناکی مانند حذف پایگاه داده ما مرتکب شود؟

بله، اگر معماری ضعیفی داشته باشد. به همین دلیل است که Agent Architecture به شدت بر روی "حفاظ ها" تمرکز می کند. ما هرگز به یک Agent مجوزهای "حذف" مستقیم و بدون فیلتر را به یک پایگاه داده حیاتی نمی دهیم. ما از راه‌اندازهای "Human-in-the-Loop" (HITL) استفاده می‌کنیم، جایی که Agent اقدام را آماده می‌کند اما قبل از اجرای وظایف پرخطر، یک انسان را برای یک کلیک ساده "تأیید/رد کردن" روی Slack پینگ می‌کند.