توسعه نرم‌افزارهای مبتنی بر ایجنت در پروداکشن

خلاصه

این جلسه گفت‌وگویی فنی میان مدیران و متخصصان شرکت‌های مختلف فناوری درباره استقرار و استفاده از ایجنت‌های هوش مصنوعی (AI Agents) در محیط واقعی (Production) است. موضوعات اصلی بحث شامل تفاوت‌های توسعه نرم‌افزار کلاسیک با سیستم‌های ایجنتیک، مدیریت هزینه‌های دلاری و مصرف توکن، معماری‌های مبتنی بر گراف و ورک‌فلو، استقرار گاردریل‌ها و پالایش محتوا، نقش کنترل کیفیت (QC) و روش‌های ترکیب ارزیابی خودکار با بازبینی انسانی (Human-in-the-loop) بود.

نکات کلیدی

• گوینده ۱ به تغییرات چشمگیر چند ماه اخیر در توانایی‌های ایجنت‌ها اشاره کرد و تأکید نمود که چالش‌های runtime پروداکشن بیشتر از جنس مباحث کلاسیک نرم‌افزار (مانند circuit breaker و retry) است که نیازمند بازتعریف در لایه معنایی (semantic) هستند.

گوینده ۱: «در نرم‌افزارهای Agent-based بیزینس از روز اول هزینه را جلوی چشمش دارد؛ شما نمی‌توانید یک softwareِ Agent-based را هک کنید، بلکه باید آن را مهندسی‌شده طراحی کنید.»

• گوینده ۳ دغدغه اصلی شرکت خود را قابلیت مشاهده‌پذیری و کنترل‌پذیری تصمیمات ایجنت‌ها به منظور کاهش شعاع خطا (blast radius) دانست و اعلام کرد برای این کار از فایل‌های Markdown به عنوان artifact استفاده می‌کنند.
• گوینده ۴ بر لزوم حل چالش‌های صنعتی و داده‌ای به جای محدود ماندن در سطح فنی نرم‌افزار تأکید کرد و نمونه‌هایی از کیفیت پایین داده در صنایع سنگین را برشمرد.
• گوینده ۵ تجربیات متعددی از جمله کاهش مصرف توکن با تکنیک Distilled Memory، معماری‌های Graph-based در بیت‌پین و استفاده از ایجنت‌ها در تولید سناریوهای تست و پذیرش بر اساس PRD را تشریح کرد.

گوینده ۵: «ما یک جمله خیلی معروفی در مدیریت محصول داریم که می‌گوید اصالت روی مسئله‌ای است که می‌خواهی حل کنی، نه روی راهکاری که می‌خواهی با آن این کار را انجام دهی.»

• گوینده ۶ بر تفاوت ماهوی خطای سامانه‌های هوش مصنوعی و اهمیت آزمون‌های پیوسته و گاردریل‌های بهینه تأکید کرد و پیشنهاد نمود از ابزارهایی نظیر LangFuse برای ثبت نسخه و ردگیری پرامپت‌ها استفاده شود.
• گوینده ۷ یادآور شد که پیش از به‌کارگیری ایجنت‌ها، مسائلی چون حکمرانی داده (Data Governance) و مدیریت ریسک باید در سازمان به دقت تبیین و شفاف شوند.
• اختلاف نظر پیرامون توجیه اقتصادی مدل‌های زبانی: برخی گویندگان مانند گوینده ۵ به دلیل هزینه‌های ارزی مصرف توکن در برابر درآمدهای ریالی استفاده از هوش مصنوعی را در برخی سناریوها غیراقتصادی دانستند؛ در مقابل، گوینده ۶ با اشاره به تجربه بازبینی آگهی‌ها در دیوار تأکید کرد سرعت، دقت و دسترسی ۲۴ ساعته ارزش افزوده‌ای ایجاد می‌کند که فراتر از مقایسه صرف هزینه‌هاست.