پایان عصر «مهندسی پرامپت‌نویسی»؟ توسعه‌دهندگان به «مهندسی حلقه‌نویسی» روی آورده‌اند
به گزارش ایتنا
با پیشرفت عامل‌های هوش مصنوعی، توسعه‌دهندگان به‌جای نوشتن پرامپت‌های متعدد، به سراغ Loop Engineering رفته‌اند؛ رویکردی که به AI اجازه می‌دهد با حداقل دخالت انسان، وظایف را تا رسیدن به نتیجه نهایی به‌صورت خودکار مدیریت کند.
با گسترش استفاده از عامل‌های هوش مصنوعی (AI Agent ها)، بسیاری از توسعه‌دهندگان معتقدند دوران Prompt Engineering (مهندسی پرامپت‌نویسی) یا نوشتن مداوم دستورات برای هوش مصنوعی به پایان خود نزدیک شده است. اکنون رویکرد تازه‌ای با عنوان Loop Engineering (مهندسی حلقه‌نویسی) در حال تبدیل شدن به یکی از مهم‌ترین ترندهای توسعه سیستم‌های هوش مصنوعی است؛ روشی که به جای نوشتن دستورهای پی‌درپی، یک چرخه یا حلقهطراحی می‌شود تا عامل هوش مصنوعی به‌صورت خودکار تا رسیدن به هدف به کار خود ادامه دهد.
به گزارش ایتنا به نقل از TechSpot، مهندسان شرکت‌های بزرگ از جمله OpenAI و آنتروپیک به‌طور فزاینده‌ای از این روش استفاده می‌کنند. OpenAI و آنتروپیک به جای وابستگی به یک «پرامپت» ثابت، سیستم‌هایی طراحی می‌کنند که خودشان وظیفه تولید، اصلاح و ارسال دستورات بعدی را بر عهده بگیرند. این رویکرد باعث می‌شود عامل هوش مصنوعی با حداقل دخالت انسان، یک پروژه را از ابتدا تا انتها مدیریت کند.
به گفته پیتر اشتاینبرگر، توسعه‌دهندگان دیگر نباید وقت خود را صرف نوشتن پرامپت برای عامل‌های هوش مصنوعی کنند، بلکه باید «لوپ‌هایی» طراحی کنند که این عامل‌ها را هدایت کنند. همچنین بوریس چری، خالق Claude Code، می‌گوید اکنون خود کلاود پرامپت‌های لازم را تولید می‌کند و او تنها هدف نهایی را مشخص می‌کند.
به گزارش ایتنا به نقل از TechSpot، مهندسان شرکت‌های بزرگ از جمله OpenAI و آنتروپیک به‌طور فزاینده‌ای از این روش استفاده می‌کنند. OpenAI و آنتروپیک به جای وابستگی به یک «پرامپت» ثابت، سیستم‌هایی طراحی می‌کنند که خودشان وظیفه تولید، اصلاح و ارسال دستورات بعدی را بر عهده بگیرند. این رویکرد باعث می‌شود عامل هوش مصنوعی با حداقل دخالت انسان، یک پروژه را از ابتدا تا انتها مدیریت کند.
به گفته پیتر اشتاینبرگر، توسعه‌دهندگان دیگر نباید وقت خود را صرف نوشتن پرامپت برای عامل‌های هوش مصنوعی کنند، بلکه باید «لوپ‌هایی» طراحی کنند که این عامل‌ها را هدایت کنند. همچنین بوریس چری، خالق Claude Code، می‌گوید اکنون خود کلاود پرامپت‌های لازم را تولید می‌کند و او تنها هدف نهایی را مشخص می‌کند.
در عمل، Loop Engineering به معنای ایجاد یک چارچوب کاری است که عامل هوش مصنوعی بتواند به‌طور مداوم وظایف را اجرا، نتایج را بررسی، خطاها را اصلاح و در صورت نیاز مراحل را تکرار کند. قابلیت‌هایی مانند دستور /goal در ابزارهایی نظیر Claude Code یا Codex نیز بر همین اساس طراحی شده‌اند و به عامل اجازه می‌دهند تا زمان تکمیل پروژه به فعالیت ادامه دهد.
البته این روش بدون چالش نیست. اجرای هم‌زمان چندین عامل هوش مصنوعی و حلقه‌های پردازشی، مصرف توکن‌های AI و هزینه پردازش را به‌طور چشمگیری افزایش می‌دهد. به همین دلیل، شرکت‌ها به دنبال طراحی لوپ‌های بهینه هستند تا ضمن حفظ کارایی، هزینه استفاده از مدل‌های زبانی نیز کنترل شود.
کارشناسان معتقدند با رشد عامل‌های هوشمند، مهندسی حلقه‌نویسی به‌تدریج به مهارتی کلیدی برای توسعه‌دهندگان تبدیل خواهد شد و می‌تواند نحوه تعامل انسان با هوش مصنوعی را برای همیشه تغییر دهد.
بـرچـسب هـا:
اخبار مرتبط:
- بازدهی Palantir نشان‌دهنده نقطه عطف مهمی در هوش مصنوعی است
- اعلام جنگ ولنتینا دی لیشیا به خسیس‌بازی موسسات فرهنگی
- اینتروپیک از استفاده AI برای کپی‌سازی بازی‌های ویدئویی جلوگیری می‌کند
- ۵۰ دستیار هوش مصنوعی سعی کردند تمدن‌های موفق Minecraft ایجاد کنند – نتیجه خوبی نداشتند
- بیماران Athenahealth می‌توانند حالا از Claude در مورد سوابق پزشکی خود سوال کنند
- Utopai Studios انتخاب کرد هانس کی رهبر سابق AI شرکت دیزنی به عنوان مدیر محصول اصلی
- آیا بازی‌ها توسط هوش مصنوعی دزدیده می‌شوند؟ وضعیت وخیم‌تر خواهد شد
- پشت افزایش درآمد 1,127 درصدی شرکت Anthropic و صورتحساب محاسباتی که سود آن را از بین برد
- چگونه هوش مصنوعی هدف‌گیری انتخاباتی را آسان‌تر از همیشه کرده است
- آنتروپیک در حال رسیدن به IPO با رشد قابل توجه درآمد در فصل سوم اعلان کرد
شمـا اولیـن نفـر هستـید کـه نظـر خـود را ثبـت مـی کنیـد.
🗩ثبـت نظر: