Agentic coding — نسل جدید کدنویسی

کدنویسی با AI در چند سال گذشته سه مرحله داشته. اول autocomplete بود — GitHub Copilot تابع رو کامل می‌کرد. بعد chat-based coding اومد — از ChatGPT می‌پرسیدی و کد می‌گرفتی. حالا نسل سوم اومده: agentic coding. و تفاوتش با دو نسل قبل بنیادیه.

agentic coding یعنی چی؟

در کدنویسی معمولی با AI، تو یه سؤال می‌پرسی و AI جواب می‌ده. در agentic coding، تو یه هدف می‌دی و AI خودش مسیر رو طی می‌کنه:

• فایل‌های مرتبط رو پیدا می‌کنه
• کد رو می‌خونه و می‌فهمه
• تغییرات لازم رو تشخیص می‌ده
• پیاده‌سازی می‌کنه
• تست اجرا می‌کنه
• اگه تست fail شد، خودش debugکنه

این loop — برنامه‌ریزی، اجرا، ارزیابی، تنظیم — چیزیه که یه توسعه‌دهنده در طول روز هزاران بار انجام می‌ده. agentic coding این loop رو برای مسائل تعریف‌شده خودکار می‌کنه.

چه ابزارهایی این کار رو می‌کنن؟

Devin

اولین ادعای «اولین ایجنت برنامه‌نویس» رو Devin شرکت Cognition در اوایل ۲۰۲۴ کرد. Devin یه محیط کامل داره — ترمینال، مرورگر، ویرایشگر — و می‌تونه وظایف چندساعته رو مستقل انجام بده. اما گران‌قیمته و هنوز برای کارهای پیچیدهٔ واقعی نیاز به نظارت داره.

Claude Code

ابزار Anthropic برای agentic coding. مستقیماً توی ترمینال کار می‌کنه، کل مخزن رو می‌خونه، و با git تعامل داره. نقطهٔ قوتش کیفیت استدلال Claude 3.5 Sonnet در مسائل پیچیده‌ست. نقطهٔ ضعفش: هر session از صفر شروع می‌شه مگر اینکه خودت کانتکست بدی.

Cursor Agent Mode

Cursor که قبلاً فقط یه ویرایشگر باهوش بود، در ۲۰۲۴ agent mode معرفی کرد. خیلی روون داخل ویرایشگر کار می‌کنه. برای توسعه‌دهنده‌ای که می‌خواد IDE و ایجنت یکی باشن، گزینهٔ خوبیه.

AiraCode

AiraCode ایجنت کدنویسی ایرانیه که برای توسعه‌دهندهٔ ایران‌مستقر ساخته شده. تفاوت اصلیش اینه که پروژه رو در طول زمان می‌شناسه — معماری، تصمیم‌های قبلی، ترجیحاتت. این شناخت پیوسته یعنی هر session از صفر نمی‌شه.

چه مسائلی رو به ایجنت بده؟

agentic coding همه‌جا خوب نیست. اینجا یه راهنمای واقع‌بینانه‌ست:

خوب کار می‌کنه:

• ری‌فکتورینگ کد با معیار مشخص («این سرویس رو به ریپازیتوری پترن تبدیل کن»)
• نوشتن تست‌های unit برای توابع موجود
• پیاده‌سازی endpoint جدید با الگوی مشابه موجود
• باگ‌فیکس با پیغام خطای مشخص
• بوایلرپلیت و کد تکراری

هنوز ضعیفه:

• معماری از صفر برای سیستم‌های پیچیده
• تصمیم‌های trade-off که نیاز به درک کسب‌وکار داره
• مسائل performance عمیق
• امنیت و cryptography

تغییر ذهنیت: از کپایلت به مدیریت

وقتی از autocomplete به agentic coding می‌ری، ذهنیتت باید عوض بشه. دیگه خودت خط‌به‌خط نمی‌نویسی — مثل یه tech lead فکر می‌کنی که وظایف واضح تعریف می‌کنه، خروجی رو review می‌کنه، و روی کیفیت نهایی تمرکز داره.

این مهارت جدیدیه. «اینتفیس انسان-ایجنت» مهارتیه که باید یاد گرفت:

• وظایف رو به بخش‌های قابل تأیید تقسیم کن
• معیار موفقیت واضح تعریف کن («تست باید پاس بشه» بهتر از «درستش کن»)
• هر مرحله رو review کن — اعتماد کورکورانه نکن
• خروجی‌های ایجنت رو commit کن و log داشته باش

واقعیت سرعت

تجربهٔ توسعه‌دهنده‌هایی که agentic coding رو جدی گرفتن نشون می‌ده برای کارهای «مناسب» سرعت ۳ تا ۵ برابر بالاتره. ولی برای کارهای نامناسب، ایجنت می‌تونه وقتت رو هدر بده — چون بعداً باید خروجی اشتباهش رو درست کنی.

انتخاب درست وظیفه مهم‌ترین مهارته.

همچنین بخوان

• کدنویسی با هوش مصنوعی چیست؟
• GitHub Copilot — راهنمای کامل
• Cursor — ویرایشگر کدنویس هوشمند
• شناخت پیوسته در هوش مصنوعی
• Plan mode چیست و چرا اهمیت دارد