ایجنت کدنویسی (Coding Agent) چیست؟ از حلقه ایجنت تا محدودیتهاش

ایجنت کدنویسی چتباتی نیست که کد بدهد و شما کپی کنید. خودش فایلها را میخواند، تغییر میدهد، اجرا میکند و از نتیجه تصمیم بعدی را میگیرد. در این درس میبینیم این حلقه چطور کار میکند، چرا مهندسی اصلی بیرون از مدل است و کجا نباید به آن اعتماد کرد.
در هشت درس قبل بارها اسم Claude Code را آوردیم و گفتیم «ایجنت»، بیآنکه دقیق بگوییم ایجنت چیست. این درس همان بدهی را صاف میکند. اول میبینیم ایجنت کدنویسی چه فرقی با دستیار تکمیل خودکار و با چتباتی دارد که کدش را کپیپیست میکنید. بعد حلقهای را باز میکنیم که قلب هر ایجنت است و میبینیم چرا این حلقه ساده است و سختی کار جای دیگری است. بعد سراغ چهار محدودیتی میرویم که هر کس با ایجنت کار میکند دیر یا زود با آنها روبهرو میشود، و در آخر گزینهها را معرفی میکنیم. نکته غافلگیرکننده این درس این است که اگر بخواهید یک ایجنت را از ایجنت دیگر بهتر بدانید، معمولا باید به همان چیزهایی نگاه کنید که دور مدل ساخته شده است، نه به خود مدل.
یک نکته جالب و یک نکته مهم
درباره ایجنتهای کدنویسی یک نکته جالب و یک نکته مهم وجود دارد.
نکته جالب این است که قلب یک ایجنت، یعنی همان چیزی که باعث میشود Claude Code بتواند ده فایل را بخواند، یک باگ را پیدا کند و تست بگیرد، در سادهترین شکلش یک حلقه چندخطی است. آنقدر ساده که برنامهنویسهای زیادی در یک عصر نسخه اسباببازیاش را برای خودشان نوشتهاند. Anthropic هم در یکی از معروفترین نوشتههایش درباره ایجنتها تقریبا همین را میگوید:
ایجنتها معمولا چیزی نیستند جز مدلهای زبانی که در یک حلقه، بر اساس بازخوردی که از محیط میگیرند، از ابزارها استفاده میکنند.
نکته مهم این است که همین سادگی گولزننده است. اگر حلقه اینقدر ساده است، چرا یک ایجنت با همان مدل، کار را تمیز تحویل میدهد و ایجنت دیگری وسط کار گم میشود؟ جواب در چیزهایی است که دور این حلقه ساخته میشود و ما در این درس اسمش را، مثل درس سوم، هارنس (Harness) میگذاریم.
خانم مهندس صدری مدیر فنی یک استارتاپ کوچک در تهران است که برای کلینیکهای دندانپزشکی سامانه نوبتدهی آنلاین میسازد. تیمش سه برنامهنویس دارد و هر سه هر روز با هوش مصنوعی کار میکنند، اما به همان شکل قدیمی: سؤال را در چت میپرسند، کد را کپی میکنند و در پروژه میچسبانند. هفته پیش یکی از اعضای تیم پیشنهاد داده اشتراک یک ایجنت کدنویسی بخرند. صدری مخالف نیست، ولی دو سؤال دارد که جواب روشنی برایش نگرفته است:

خانم مهندس صدری
«یعنی چی که خودش کد رو اجرا میکنه؟ یعنی به سرور ما هم دست میزنه؟»
خانم مهندس صدری
«تازه اگه خودش بگه تموم شد، من از کجا بفهمم واقعا تموم شده؟»
هر دو سؤال دقیقا همان جاهایی است که این درس میخواهد روشن کند.
ایجنت کدنویسی چیست؟
اول تعریف، در یک جمله:
ایجنت کدنویسی یعنی یک مدل زبانی داخل یک هارنس که به ابزار دسترسی دارد (خواندن و نوشتن فایل، اجرای دستور در ترمینال) و در یک حلقه کار میکند: برنامه میریزد، اقدام میکند، نتیجه را میبیند و دوباره تصمیم میگیرد.
سه جزء این تعریف را جدا ببینید. مدل همان موتوری است که فکر میکند و متن مینویسد. ابزارها دستوپای مدلاند: بدون آنها مدل فقط میتواند حرف بزند. حلقه هم چیزی است که این دو را به هم وصل میکند و اجازه میدهد مدل بعد از هر کار، نتیجه را ببیند و قدم بعدی را انتخاب کند. هر کدام از این سه را بردارید، دیگر ایجنت ندارید.
البته کلمه «ایجنت» این روزها روی هر محصولی چسبانده میشود که کمی هوش مصنوعی دارد. پس بهتر است سه چیزی را که معمولا با هم قاطی میشوند کنار هم بگذاریم:
| دستیار تکمیل خودکار | چتبات و کپیپیست | ایجنت کدنویسی | |
|---|---|---|---|
| چه چیزی میبیند | فایلی که باز است و چند خط اطرافش | فقط چیزی که شما در چت میچسبانید | کل پروژه، هر جا که لازم بداند |
| چه کسی تغییر را اعمال میکند | شما، با زدن Tab | شما، با کپی و پیست | خودش |
| کد را اجرا میکند؟ | نه | نه | بله، در ترمینال |
| بعد از خطا چه میشود | هیچ، خبر ندارد | شما خطا را برایش کپی میکنید | خودش خطا را میبیند و دوباره امتحان میکند |
| واحد کار | یک خط یا یک تابع | یک جواب | یک تسک کامل |
دستیار تکمیل خودکار، مثل نسخههای اول GitHub Copilot، شبیه کسی است که جمله شما را تمام میکند. شما تایپ میکنید، او چند کلمه بعدی را حدس میزند و شما قبول یا رد میکنید. تصمیم در هر لحظه با شماست و او هیچ حلقهای ندارد، فقط یک حدس دارد. این ابزارها هنوز به درد میخورند، بهخصوص برای کسی که خودش کد مینویسد، اما وقتی کسی میگوید «ایجنت»، منظورش این نیست.
فرقش با کپیپیست از چتبات
اینجا جایی است که سؤال صدری جواب میگیرد. یک باگ واقعی را دو بار حل میکنیم.
فرض کنید چند کلینیک شکایت کردهاند که پیامک یادآوری نوبت با ساعت اشتباه میرسد: به بیمار گفته شده نوبتش ساعت ۵ است، در حالی که نوبت ساعت ۴ بوده. علت واقعی، که هنوز کسی خبر ندارد، این است که یکی از کتابخانههای پروژه اطلاعات منطقه زمانی قدیمی دارد و هنوز فکر میکند ایران ساعت تابستانی دارد. ساعت تابستانی در ایران سالهاست حذف شده، اما این کتابخانه خبر ندارد.
روش اول، روش فعلی تیم: برنامهنویس تابع ساختن متن پیامک را کپی میکند و در چت میپرسد چرا ساعت یک ساعت جلوتر است. چتبات فقط همان بیست خط را میبیند و حدس معقولی میزند: «احتمالا تبدیل منطقه زمانی را انجام ندادهاید.» یک خط تبدیل اضافه میکند. برنامهنویس کپی میکند و دیپلوی میکند. حالا ساعت پیامکها درست است، اما ساعتی که در پنل خود کلینیک نمایش داده میشود یک ساعت عقب افتاده، چون همان تبدیل جای دیگری هم انجام میشد و چتبات آنجا را ندیده بود. دوباره کپی، دوباره چت، دوباره حدس. در هر رفتوبرگشت، کسی که فایلها را جابهجا میکند، خطا را منتقل میکند و تصمیم میگیرد چه چیزی را نشان بدهد، شمایید. شما نامهرسان بین پروژه و مدل شدهاید و مدل فقط همان چیزی را میداند که در نامه گذاشتهاید.
روش دوم، با ایجنت: برنامهنویس همان شکایت را با یک جمله به ایجنت میدهد. ایجنت در پروژه جستوجو میکند، فایل پیامک، فایل ذخیره نوبت و تنظیمات سرور را میخواند و میبیند تبدیل ساعت در دو جای مختلف و با دو روش متفاوت انجام شده. یک تست کوچک مینویسد که نوبت ساعت ۴ را تبدیل کند، اجرایش میکند و تست شکست میخورد. حالا با یک دستور نسخه کتابخانه را چک میکند، به ریشه میرسد، آن را بهروز میکند، تست را دوباره اجرا میکند و این بار تست پاس میشود.
فرق اصلی در هوش مدل نیست. ممکن است هر دو روش از یک مدل استفاده کنند. فرق این است که در روش دوم مدل خودش میتواند نگاه کند.
پس جواب سؤال اول صدری این است: بله، ایجنت خودش کد را اجرا میکند، اما روی همان کامپیوتری که رویش نصب شده و با همان دسترسیهایی که به آن دادهاید. اینکه به سرور واقعی هم دست بزند یا نه، دست خود شماست، و چند بخش بعد دقیقا سراغش میرویم.
حلقه ایجنت: برنامه، اقدام، نتیجه، تصمیم دوباره
حالا خود حلقه. اگر کد نمیخوانید، نگران نباشید. همین چند خط کل ماجراست و توضیحش زیرش آمده:
ماجرا این است: مدل تسک را میخواند و به جای جواب نهایی، یک درخواست میدهد، مثلا «فایل reminder.ts را بخوان». هارنس آن فایل را میخواند و محتوایش را به مدل برمیگرداند. مدل حالا چیز تازهای میداند و درخواست بعدی را میدهد: «تستها را اجرا کن». خروجی تست برمیگردد، مدل میبیند یک تست شکسته و فایل را ویرایش میکند. این دور آنقدر تکرار میشود تا مدل دیگر ابزاری نخواهد و بگوید کار تمام است.

هر دور حلقه یک نگاه تازه به واقعیت است، نه یک حدس تازه.
دقت کنید که در این حلقه هیچجا نوشته نشده مدل باید کارش را تست کند. اگر تست میکند، یا چون مدل خوب آموزش دیده، یا چون شما خواستهاید، یا چون هارنس او را به سمتش هل داده است. همین نکته کوچک در بخش محدودیتها دوباره پیدایش میشود.
مهندسی اصلی در هارنس است
اگر حلقه اینقدر ساده است، شرکتها روی چه چیزی این همه کار میکنند؟ روی همه چیزهایی که در آن چند خط کد پنهان شدهاند. چند نمونه:
- ابزارها: یک ایجنت فقط «اجرای دستور» دارد و مدل باید برای هر کار، از جستوجو تا ویرایش یک خط، خودش دستور ترمینال بسازد. ایجنت دیگر ابزار جستوجوی سریع، ویرایش دقیق یک بخش از فایل و خواندن تکهای از فایلهای بزرگ دارد. همان مدل در دومی خطای کمتری میکند.
- مدیریت کانتکست: وقتی گفتوگو طولانی میشود، هارنس تصمیم میگیرد چه چیزی بماند و چه چیزی خلاصه شود. خلاصه بد یعنی ایجنت تصمیمهای اول کار را فراموش کند.
- دسترسیها: کدام دستورها بدون اجازه اجرا شوند و کدام قبلش از شما بپرسند.
- قوانین دائمی پروژه: فایلی مثل
CLAUDE.mdکه هر بار اول کار خوانده میشود، همان «قوانین دائمی» که در درس دوم از پرامپت لحظهای جدایش کردیم. - زیرایجنتها: ایجنت اصلی یک کار جانبی، مثلا گشتن در صد فایل، را به یک ایجنت دیگر میسپارد تا کانتکست خودش شلوغ نشود.
در درس سوم با مثال پژو ۴۰۵ و سمند گفتیم مدل موتور است و هارنس ماشین. اینجا میتوانیم دقیقتر بگوییم ماشین از چه ساخته شده: از همین تصمیمهای کوچک. هیچکدامشان به تنهایی چشمگیر نیست، اما جمعشان فرق ایجنتی است که یک تسک بیستقدمی را تمیز تمام میکند با ایجنتی که در قدم دوازدهم یادش میرود اصلا قرار بود چه کار کند.
چهار محدودیتی که باید بشناسید
۱. پنجره کانتکست محدود است
مدل همه چیز را با هم در حافظه نگه نمیدارد. هر فایلی که میخواند، هر خروجی تستی که میبیند و هر پیامی که شما میدهید، از یک ظرف محدود سهم برمیدارد. در درس ششم دیدیم که چرخه «این را درست کن، آن یکی خراب شد» معمولا از همین پر شدن کانتکست میآید. در ایجنتها این ظرف سریعتر پر میشود، چون خود ایجنت هم دارد فایل میخواند و خروجی جمع میکند. هارنسهای خوب وقتی ظرف پر میشود گفتوگو را خلاصه میکنند، ولی هر خلاصهای چیزی را جا میاندازد. راه عملیاش همان است که قبلا گفتیم: یک تسک در هر گفتوگو، و قانونهای دائمی در فایل قوانین پروژه، نه وسط چت.
۲. «تمام شد» یعنی ایجنت فکر میکند تمام شد
یادتان هست که در حلقه، کار وقتی تمام میشود که مدل دیگر ابزاری نخواهد؟ یعنی «تمام شد» یک ادعاست، نه یک گزارش. ایجنت ممکن است کد را نوشته باشد و هیچوقت اجرایش نکرده باشد. ممکن است تستی نوشته باشد که هر حالتی پاس میشود. و در بدترین حالت، که کم هم پیش نمیآید، ممکن است دیده باشد تستی شکسته و به جای درست کردن کد، تست را عوض کرده باشد تا پاس شود. این دروغ عمدی نیست. مدل یاد گرفته کار را به جایی برساند که شبیه «تمام شده» باشد.
جواب سؤال دوم صدری همینجاست: شما از حرف ایجنت نمیفهمید کار تمام شده، از معیاری میفهمید که از اول تعیین کردهاید.
پیامک یادآوری نوبت را درست کن. کار وقتی تمام است که:
۱. یک تست برای نوبت ساعت ۱۶ به وقت تهران نوشته باشی که قبل از تغییر تو شکست بخورد و بعدش پاس شود.
۲. کل تستهای پروژه را اجرا کرده باشی و خروجیاش را به من نشان بدهی.
۳. هیچ تست موجودی را عوض یا حذف نکرده باشی. اگر لازم شد، اول از من بپرس.
بند سوم را دستکم نگیرید. همین یک جمله جلوی رایجترین میانبر ایجنتها را میگیرد.
۳. دسترسیها میتوانند خطرناک باشند
ایجنتی که میتواند npm test اجرا کند، از نظر فنی میتواند rm -rf هم اجرا کند. میتواند فایل .env را بخواند که رمز دیتابیس در آن است، میتواند روی شاخه اصلی گیت push کند، و اگر رمز سرور را جایی در پروژه پیدا کند، میتواند به آن وصل شود. هیچکدام از اینها از بدجنسی نیست. ایجنتی که مصمم است تست را پاس کند، گاهی کوتاهترین راه را انتخاب میکند و کوتاهترین راه همیشه امنترین نیست.
رمز سرور واقعی را به ایجنت ندهید
ایجنت را روی کپی محلی پروژه و یک شاخه جدای گیت اجرا کنید، با دیتابیس آزمایشی. رمز دیتابیس اصلی و دسترسی SSH سرور را در پوشهای که ایجنت میبیند نگذارید. حالت پیشفرض بیشتر ایجنتها این است که قبل از اجرای دستور یا ویرایش فایل اجازه بگیرند. این حالت را تا وقتی ابزار را خوب نشناختهاید خاموش نکنید، حتی اگر تأیید کردنهای پشت سر هم کلافهتان کند.
۴. تنها چیزی که کار را تأیید میکند، اجرا شدنش است
سه محدودیت قبلی به یک نتیجه میرسند: ایجنت کد را سریعتر از هر آدمی مینویسد، ولی اینکه کد درست است را نه حرف ایجنت ثابت میکند، نه تمیز بودن کد. تستهایی که پاس میشوند ثابت میکنند، بهعلاوه یک بار نگاه خود شما به تغییرها، یعنی همان diff گیت. پروژهای که تست ندارد برای ایجنت مثل جادهای بیتابلو است: ایجنت میرود، با اعتمادبهنفس هم میرود، اما هیچکس نمیداند به کجا. اگر پروژهتان تست ندارد، اولین تسکی که به ایجنت میدهید میتواند نوشتن تست برای مهمترین مسیرهای پروژه باشد، مثلا برای ثبت نوبت و فرستادن پیامک.
کدام ایجنت را انتخاب کنیم؟
در درس سوم مفصل درباره انتخاب مدل و ابزار حرف زدیم، پس اینجا فقط ایجنتها را کوتاه کنار هم میگذاریم. وضعیت این جدول مربوط به پاییز ۱۴۰۵ است و قیمتها و سقفهای رایگان مدام عوض میشوند.
| ایجنت | شکل کار | مناسب برای | ضعف اصلی |
|---|---|---|---|
| Claude Code | ترمینال، افزونه ادیتور، دسکتاپ | کار جدی و تسکهای چندمرحلهای | پولی است و پرداخت ارزی میخواهد |
| Qoder | ادیتور و ایجنت | شروع رایگان | سقف رایگانش قابل پیشبینی نیست |
| Cursor | ادیتور با حالت ایجنت | کسی که خودش هم کد مینویسد | برای کار جدی پولی است |
| Codex | ترمینال، افزونه، اپ | کسی که اشتراک ChatGPT دارد | عملا به مدلهای OpenAI محدود است |
| OpenCode | ترمینال، متنباز | کسی که میخواهد مدل را خودش انتخاب کند | راهاندازی بیشتری میخواهد |
بهترین گزینه به نظر ما Claude Code است، و دلیلش دقیقا همان بخش هارنس است: مدیریت کانتکست، سیستم دسترسی، زیرایجنتها و فایل قوانین پروژهاش از پختهترینها در بازار است. ضعفش را هم باید گفت. پولی است، پرداختش برای ما ارزی است و با تحریم و VPN دردسر دارد. اگر اشتراک Claude ندارید، همان راهی که در درس سوم گفتیم باز است: میشود یک مدل ارزانتر مثل DeepSeek یا Kimi را روی همین هارنس گذاشت.
بهترین گزینه رایگان Qoder است. هارنس قابلقبولی دارد و سقف استفاده رایگانش، دستکم تا امروز، برای یاد گرفتن و پروژههای کوچک کافی است. فقط روی سقف رایگان هیچ ابزاری برنامه بلندمدت نچینید.
بقیه هم هر کدام جای خودشان را دارند. Cursor برای کسی که نمیخواهد ادیتورش را عوض کند و دوست دارد کد را خودش هم بنویسد طبیعیترین انتخاب است. Codex از OpenAI است و اگر اشتراک ChatGPT دارید، عملا آن را هم دارید. OpenCode متنباز است و تقریبا با هر مدلی کار میکند، که برای تیمی مثل تیم صدری که میخواهد هزینه را کنترل کند جذاب است، به شرط اینکه یک نفر حوصله راهاندازیاش را داشته باشد.
صدری آخر هفته تصمیمش را گرفت. اول یک ماه Claude Code برای یک نفر از تیم، روی یک شاخه جدا و با دیتابیس آزمایشی. دو نفر دیگر هم با Qoder امتحان میکنند. شرطش برای همه یکی بود:

خانم مهندس صدری
«هر کی گفت تموم شد، خروجی تستشم بفرسته. بدون اون، تموم نشده.»
سؤالات متداول
ایجنت کدنویسی یک مدل زبانی است که داخل یک هارنس به ابزارهایی مثل خواندن و نوشتن فایل و اجرای دستور در ترمینال دسترسی دارد و در یک حلقه کار میکند: برنامه میریزد، اقدام میکند، نتیجه را میبیند و دوباره تصمیم میگیرد. Claude Code، Qoder، Codex، Cursor و OpenCode نمونههایش هستند.
در چتبات، شما کد را کپی میکنید، خطا را برایش میفرستید و جوابش را در پروژه میچسبانید، و مدل فقط همان چیزی را میبیند که خودتان نشانش دادهاید. ایجنت خودش در پروژه میگردد، فایلها را ویرایش میکند و تستها را اجرا میکند. در مثال این درس، باگ ساعت پیامک با چتبات چند بار رفتوبرگشت لازم داشت، ولی ایجنت خودش ریشه را در یک کتابخانه قدیمی پیدا کرد.
تا پاییز ۱۴۰۵، Qoder به نظر ما بهترین گزینه رایگان است، چون هارنس قابلقبولی دارد و سقف رایگانش برای یاد گرفتن و پروژههای کوچک کافی است. Codex و OpenCode هم گزینههای خوبیاند. سقفهای رایگان مدام عوض میشوند، پس قبل از تکیه کردن، شرایط فعلی را چک کنید.
اگر درست تنظیمش کنید، بله. ایجنت را روی کپی محلی پروژه و یک شاخه جدای گیت با دیتابیس آزمایشی اجرا کنید، رمز سرور و دیتابیس اصلی را جایی که ایجنت میبیند نگذارید و حالتی را که قبل از اجرای دستور اجازه میگیرد خاموش نکنید. خطر اصلی بدجنسی ایجنت نیست، کوتاهترین راهی است که برای رسیدن به هدف انتخاب میکند.
تمرین درس
آخرین باگی را که با کپیپیست از یک چتبات حل کردید به یاد بیاورید. چند بار رفتوبرگشت لازم شد و در هر بار، چه چیزی را خودتان برای مدل فرستادید که اگر مدل خودش میتوانست نگاه کند، لازم نبود؟ -همان باگ (یا یکی شبیه آن) را روی یک شاخه جدای گیت به یک ایجنت بدهید، همراه با معیار تمام شدن به سبک باکس پرامپت همین درس. -بعد از اینکه گفت تمام شد، فقط یک چیز را چک کنید: آیا واقعا تستها را اجرا کرد، یا فقط گفت که درست شد؟
درسهای مهندسی نرم افزار و وایب کدینگ
۰ از ۹ دیده شده- ۱مهندسی نرم افزار با هوش مصنوعی چیست؟ تعریف، کاربردها و تفاوتش با برنامهنویسی سنتی
- ۲پرامپت نویسی برای برنامهنویسی: چطور از هوش مصنوعی، کد درست بگیریم؟
- ۳بهترین ابزارها و مدلهای هوش مصنوعی برای برنامهنویسی
- ۴وایب کدینگ یعنی چیست؟ از توییت کارپاتی تا کاربردها و محدودیتها
- ۵آموزش وایب کدینگ: ساخت اولین اپ با هوش مصنوعی قدمبهقدم
- ۶وقتی وایب کدینگ گیر میکند: دیباگ، ریست و برگشت به نسخه سالم
- ۷توسعه مبتنی بر مشخصات (SDD) چیست؟ چرا قبل از کد باید مشخصات بنویسی
- ۸آموزش عملی GitHub Spec Kit و Open Spec برای SDD
- ۹ایجنت کدنویسی (Coding Agent) چیست؟ از حلقه ایجنت تا محدودیتهاش