عمق ۱ · ۱۵۸ ثانیه
سیصد عکس
یک دستیارِ گفتوگو به لیلا میگوید ۳۰۰ عکس را چطور تغییرِ نام بدهد؛ یک عامل خودش انجامش میدهد. عاملِ هوش مصنوعی چیست، یعنی مدلِ زبانی با ابزار، حلقه و هدف که هر قدم را خودش انتخاب میکند، و چه فرقی با گردشکار دارد.
درباره‌ی این ویدیو
لیلا ۳۰۰ عکس از یک مهمانیِ شرکت دارد با نام‌هایی مثلِ IMG_4471.jpg، و می‌خواهد بر اساسِ تاریخِ گرفته شدنشان نام‌گذاری شوند. یک دستیارِ گفتوگو راهنمای روشنی به او میدهد: یازده قدم و یک اسکریپتِ کوچک برای اجرا. یک عامل خودش انجامش میدهد، و یک دقیقه بعد عکس‌ها نامِ تازه دارند. هر دو از یک جور مدل استفاده می‌کنند. پس فرق از کجا آمد؟
مدل هنوز فقط متن می‌نویسد. ولی برنامه‌ی عامل به آن گفته که می‌تواند با قالبی خاص کاری را بخواهد و برنامه انجامش میدهد. پس مدل می‌خواهد فایل‌ها فهرست شوند، و فهرست برمی‌گردد. می‌خواهد مشخصاتِ یک عکس خوانده شود و تاریخِ گرفته شدنش را پیدا میکند. می‌خواهد همه تغییرِ نام بدهند، و بعد دوباره فهرست شوند تا بررسی کند. هر بار نتیجه‌ی قدمِ قبل را می‌بیند و قدمِ بعد را تصمیم می‌گیرد.
عاملِ هوش مصنوعی یک مدلِ زبانی است در برنامه‌ای که سه چیز به آن میدهد. ابزار: کارهایی که می‌تواند بخواهد، مثلِ خواندنِ فایل، اجرای دستور، جست‌وجو در وب یا ویرایشِ سند؛ مدل درخواست را می‌نویسد و برنامه کار را انجام میدهد. حلقه: بعد از هر کار نتیجه به مدل برمی‌گردد و مدل تصمیم می‌گیرد بعد چه کند، تا وقتی تصمیم بگیرد کار تمام است. و هدف: درخواستِ شما، که مدل در چندین قدم به سویش می‌رود و هر قدم را خودش انتخاب میکند.
همین بخشِ آخر عامل را از گردشکار جدا میکند. در گردشکار، آدمی قدم‌ها را از پیش ثابت کرده: هر ایمیلِ تازه را بگیر، از مدل بپرس مالِ کدام یک از پنج پوشه است، به آن‌جا ببرش. مدل در یک قدم کمک میکند ولی تصمیم نمی‌گیرد بعد چه شود. در عامل هیچ‌کس ننوشته «اول فایل‌ها را فهرست کن»؛ مدل خودش به آن رسیده. همین عامل‌ها را قدرتمند میکند، و پیش‌بینی‌شان را سخت‌تر. عامل‌های برنامه‌نویسی مثلِ Claude Code و Codex و Cursor و Gemini CLI، عامل‌های مرورگر و عامل‌های اداری در ابزارهایشان فرق دارند، ولی درونشان همه همین‌طور کار می‌کنند. نتیجه را بخواهید، نه قدم‌ها را؛ چند کارِ اول را نگاه کنید؛ و وقتی قدم‌ها هیچ‌وقت عوض نمی‌شوند گردشکار به کار ببرید.
این ویدیو عمق ۱ از «عامل هوش مصنوعی» را نشان میدهد.
یادگیری عامل هوش مصنوعیمتن گفتار
- ۰:۰۰لیلا سیصد عکس دارد، همه با نام‌هایی مثلِ IMG 4471. می‌خواهد بر اساسِ تاریخ نام‌گذاری شوند. یک دستیارِ گفتوگو یازده قدم به او میدهد. یک عامل خودش انجامش میدهد، و یک دقیقه بعد کار تمام است. یک جور مدل. فرق از کجا آمد؟
- ۰:۲۲مدل هنوز فقط متن می‌نویسد. ولی بخشی از این متن کاری را می‌خواهد. عکس‌ها را فهرست کن. برنامه انجامش میدهد و فهرست برمی‌گردد. تاریخِ یک عکس را بخوان. همه را تغییرِ نام بده. دوباره فهرست کن تا بررسی کنی. هر بار نتیجه را می‌بیند و قدمِ بعد را تصمیم می‌گیرد.
- ۰:۵۰این یک عاملِ هوش مصنوعی است. مدلی زبانی در برنامه‌ای که سه چیز به آن میدهد. ابزار، یعنی کارهایی که می‌تواند بخواهد. حلقه، تا هر نتیجه برگردد و تصمیم بگیرد بعد چه کند. و هدف، یعنی درخواستِ شما، که در چندین قدم به سویش می‌رود.
- ۱:۱۸نکته‌ی مهم این است که مدل قدم‌ها را انتخاب میکند. در گردشکار، آدمی آن‌ها را از پیش ثابت کرده. هر ایمیلِ تازه را بگیر، از مدل بپرس کدام پوشه، به آن‌جا ببر. در عامل، هیچ‌کس ننوشته اول فایل‌ها را فهرست کن. مدل خودش به آن رسید، و برای فایل‌های دیگر کارِ دیگری می‌کرد. قدرتش همین است، و پیش‌بینی‌اش هم برای همین سخت‌تر است.
- ۱:۴۸ممکن است عامل‌های برنامه‌نویسی را ببینید که در پوشه‌ای از فایل‌ها کار می‌کنند. عامل‌های مرورگر، که در وب‌سایت‌ها کلیک می‌کنند. و عامل‌های اداری، برای سند و ایمیل. ابزارهایشان فرق دارد. درونشان همه همین‌طور کار می‌کنند.
- ۲:۱۰پس نتیجه را بخواهید، نه قدم‌ها را. چند کارِ اول را نگاه کنید، و اگر راهِ اشتباه رفت، متوقفش کنید و بگویید. و وقتی قدم‌های کاری هیچ‌وقت عوض نمی‌شود، گردشکار سریع‌تر، ارزان‌تر و قابلِ پیش‌بینی‌تر است.
- ۲:۳۰یک مدلِ زبانی، با دست.