مهندسی حلقه (Loop Engineering)
اکثر ما هوش مصنوعی را مثل یک ماشینحساب هوشمند به کار میبریم: سؤال میپرسیم، جواب میگیریم، دوباره سؤال میپرسیم. این چرخه هرچقدر هم سریع باشد، سقف مشخصی دارد — سقف آن، سرعت تایپ کردن ماست. مهندسی حلقه (Loop Engineering) رویکردی است که این سقف را برمیدارد: بهجای اینکه هر بار دستور بدهید، سیستمی طراحی میکنید که خودش دستور میگیرد، خودش اجرا میکند و خودش خطایش را اصلاح میکند.
در این رویکرد، نقش شما از «پرامپتنویس» به «معمار سیستم» تغییر میکند.
🎧🎬 این پست نسخه پادکست و ویدئو هم دارد؛ هر دو در انتهای همین صفحه در دسترساند.
مهندسی حلقه چیست؟
مهندسی حلقه یعنی طراحی یک چرخه بسته از کار که بدون دخالت لحظهبهلحظه انسان میچرخد. در این چرخه، ایجنت هوش مصنوعی وظیفهای را برمیدارد، آن را اجرا میکند، نتیجه را میسنجد، اشکالات را برطرف میکند و به سراغ وظیفه بعدی میرود.
تفاوت بنیادی با مهندسی پرامپت در همینجاست:
اگر پارسر سایتت افزونه جدول را فعال دارد، این نسخه کار میکند. نکته مهم: باید یک خط خالی قبل و بعد از جدول باشد و هیچ فاصلهای ابتدای خطوط نباشد.
| مهندسی پرامپت | مهندسی حلقه |
|---|---|
| واحد کار: یک پیام | واحد کار: یک گردش کار کامل |
| انسان محرک هر گام است | زمانبندی یا رویداد، محرک است |
| کیفیت با بازخوانی انسان کنترل میشود | کیفیت با بازرس خودکار کنترل میشود |
| خروجی: پاسخ | خروجی: تغییر واقعی در سیستم |
| مقیاسپذیری خطی | مقیاسپذیری موازی |
شش مؤلفه اصلی مهندسی حلقه
یک حلقه پایدار روی شش ستون بنا میشود. حذف هرکدام، حلقه را به یک اسباببازی نمایشی تبدیل میکند.
۱. زمانبندی خودکار (Automated Schedules)
حلقه باید محرکی داشته باشد که انسان نباشد. این محرک میتواند یک زمانبندی دورهای باشد (هر شب ساعت ۲ بامداد) یا یک رویداد (باز شدن یک تیکت، رسیدن یک فایل، ثبت یک کامیت).
در عمل: یک جاب شبانه که گزارش خطاهای روز را جمع میکند، دستهبندی میکند و برای موارد تکراری، اصلاحیه پیشنهادی مینویسد.
۲. مسیرهای کاری ایزوله (Isolated Work Lanes)
وقتی چند ایجنت همزمان کار میکنند، بزرگترین خطر، برخورد آنها با یکدیگر است. هر ایجنت باید در فضای کاری جدا کار کند: شاخه (branch) جداگانه، دایرکتوری جداگانه، محیط اجرایی جداگانه.
در عمل: استفاده از worktree های مجزا در Git یا کانتینرهای ایزوله، بهطوریکه شکست یک ایجنت، کار بقیه را خراب نکند.
۳. پلیبوکهای مهارتی استاندارد (Standardized Skill Playbooks)
ایجنت نباید هر بار روش انجام کار را از نو کشف کند. دانش تکرارشونده باید در قالب پلیبوکهای مکتوب و نسخهدار ذخیره شود: چطور یک مهاجرت دیتابیس انجام میشود، چطور یک سند به فرمت سازمانی درمیآید، چطور یک تست نوشته میشود.
در عمل: فایلهای دستورالعمل قابل فراخوانی که ایجنت پیش از شروع کار میخواند — همان چیزی که کیفیت خروجی را از «تصادفی» به «قابل پیشبینی» میرساند.
۴. کانکتورهای نرمافزاری (Software Connectors)
حلقهای که فقط متن تولید میکند، حلقه نیست. ایجنت باید بتواند با ابزارهای واقعی کار کند: مخزن کد، سیستم تیکتینگ، پایگاه داده، سرویس ایمیل، فضای ذخیرهسازی ابری.
در عمل: پروتکلهایی مثل MCP یا API های مستقیم که دست ایجنت را به ابزارهای حرفهای میرسانند و اجازه میدهند خروجی، یک «اقدام» باشد نه یک «پیشنهاد».
۵. بازرسهای مستقل (Separate Checkers)
این مؤلفه، تفاوت میان یک حلقه مفید و یک حلقه خطرناک است. ایجنتی که کار را انجام داده، داور خوبی برای کار خودش نیست. باید یک ایجنت یا فرآیند مستقل خروجی را بسنجد: تستها را اجرا کند، معیارها را چک کند و در صورت رد شدن، کار را به حلقه بازگرداند.
در عمل: جداسازی نقش «سازنده» از نقش «بازرس»؛ بازرس فقط معیار را میبیند، نه استدلال سازنده را.
۶. حافظه ماندگار (Persistent Memory)
بدون حافظه، هر اجرای حلقه از صفر شروع میشود و همان اشتباهات را تکرار میکند. حافظه ماندگار یعنی تصمیمها، محدودیتها، ترجیحات و درسهای گذشته جایی ذخیره شوند که چرخههای بعدی به آن دسترسی داشته باشند.
در عمل: یک سند زنده از قراردادهای پروژه، بهعلاوه ثبت خطاهای رخداده و راهحل پذیرفتهشده هرکدام.
اسلایدر خودمختاری: چقدر آزادی به سیستم بدهیم؟
خودمختاری یک کلید روشن/خاموش نیست؛ یک اسلایدر است. کار معمار سیستم، تنظیم موقعیت این اسلایدر برای هر نوع وظیفه است:
- سطح ۱ — پیشنهاد: ایجنت فقط پیشنهاد میدهد، اجرا با انسان است.
- سطح ۲ — اجرا با تأیید: ایجنت کار را آماده میکند و منتظر تأیید میماند.
- سطح ۳ — اجرا با گزارش: ایجنت اجرا میکند و گزارش میدهد؛ انسان میتواند برگرداند.
- سطح ۴ — اجرای کامل: ایجنت اجرا میکند و فقط در موارد استثنایی انسان را صدا میزند. قانون ساده: هرچه هزینه برگشتپذیری یک خطا بالاتر باشد، اسلایدر باید پایینتر بماند. تغییر یک فایل مستندات با سطح ۴ مشکلی ندارد؛ تغییر ساختار پایگاه داده تولیدی، حتی با بهترین بازرسها، جای سطح ۲ است.
«پوسیدگی دانش» و چرا نظارت انسانی حذفشدنی نیست
بزرگترین ریسک مهندسی حلقه، خطای فنی آشکار نیست — خطای آشکار را تست میگیرد. ریسک واقعی پوسیدگی دانش (Knowledge Rot) است: وقتی سیستم با سرعت بالا کد و سند تولید میکند، اما هیچ انسانی دیگر منطق پشت آن را نمیفهمد.
نشانههای پوسیدگی دانش:
- کدی که کار میکند اما هیچکس نمیداند چرا نوشته شده است.
- مستنداتی که با یکدیگر تناقض دارند و همه هم بهظاهر معتبرند.
- الگوهای معماری متناقض در بخشهای مختلف پروژه.
- تصمیمهایی که تاریخچهشان گم شده و بازبینیشان غیرممکن است. راهکار، کند کردن حلقه نیست؛ نگه داشتن انسان در جایگاه مرجع نهایی است. سیستم سرعت میدهد، انسان جهت و منطق را تعیین میکند. بازبینی دورهای معماری، حذف مستندات مرده و مالکیت انسانی بر تصمیمهای بنیادی، سه سد اصلی در برابر پوسیدگی دانش هستند.
نقشه راه عملی برای شروع
۱. یک وظیفه تکراری و کمریسک انتخاب کنید — مثلاً تولید گزارش هفتگی یا بهروزرسانی مستندات. ۲. پلیبوک آن را بنویسید — قبل از هر اتوماسیونی، روش درست انجام کار را مکتوب کنید. ۳. یک بار دستی اجرا کنید — کالیبراسیون قبل از خودکارسازی، جلوی هدررفت دهها چرخه اشتباه را میگیرد. ۴. بازرس را اضافه کنید — معیار پذیرش را روشن و ماشینخوان تعریف کنید. ۵. زمانبندی را وصل کنید — و اسلایدر خودمختاری را روی سطح ۲ بگذارید. ۶. حافظه را فعال کنید — هر خطا و راهحلش را ثبت کنید. ۷. بهتدریج اسلایدر را بالا ببرید — فقط وقتی چند چرخه متوالی بدون مداخله موفق بودهاند.
جمعبندی
مهندسی حلقه، جایگزین مهارت انسانی نیست؛ جای اعمال آن را تغییر میدهد. بهجای صرف انرژی برای تکرار دستورها، انرژی صرف طراحی سیستمی میشود که آن دستورها را خودش تولید و اجرا میکند. خروجی این تغییر، سرعت بالاتر است — اما ارزش پایدار آن زمانی حفظ میشود که سازنده، همچنان مرجع نهایی کیفیت و منطق کار باقی بماند.
پرسشهای متداول
مهندسی حلقه با مهندسی پرامپت چه فرقی دارد؟
مهندسی پرامپت روی بهینهسازی یک پیام تمرکز دارد؛ مهندسی حلقه روی طراحی یک گردش کار کامل و خودگردان که بدون دخالت انسان در هر گام اجرا میشود.
آیا مهندسی حلقه فقط برای برنامهنویسان است؟
خیر. هر کار تکراری با معیار کیفیت روشن — تولید گزارش، پردازش اسناد، پایش داده، آمادهسازی محتوا — قابل تبدیل به حلقه است. حوزه توسعه نرمافزار فقط زودتر به آن رسیده است.
خطرناکترین اشتباه در پیادهسازی حلقه چیست؟
حذف بازرس مستقل. وقتی همان ایجنتی که کار را انجام داده، کیفیت آن را هم تأیید کند، خطاها با سرعت بالا تکثیر میشوند.
پوسیدگی دانش دقیقاً یعنی چه؟
وضعیتی که در آن سیستم به تولید خروجی ادامه میدهد، اما درک انسانی از منطق و تاریخچه تصمیمها از بین رفته و بازبینی یا اصلاح آن عملاً ناممکن میشود.
آیا این مطلب نسخه صوتی یا ویدئویی دارد؟
بله. هم پادکست این پست در دسترس است و هم یک ارائه ویدئویی که شش مؤلفه مهندسی حلقه را بهصورت تصویری توضیح میدهد؛ لینک هر دو در انتهای همین صفحه آمده است.
از کجا شروع کنم؟
از یک وظیفه کمریسک با معیار پذیرش روشن، با اسلایدر خودمختاری روی حالت «اجرا با تأیید».