برای آخرین به روزرسانی ها و مطالب اختصاصی در مورد پوشش هوش مصنوعی پیشرو در صنعت ، به خبرنامه های روزانه و هفتگی ما بپیوندید. بیشتر بدانید
Zencoder امروز از راه اندازی Zen Agents خبر داد ، بستری که باعث ایجاد سازمان و به اشتراک گذاری ابزارهای تخصصی AI برای توسعه نرم افزار می شود. این نسخه شامل یک بازار منبع باز است که در آن توسعه دهندگان می توانند نمایندگان سفارشی را همکاری و کشف کنند ، و این نشان دهنده تغییر قابل توجهی در چگونگی بهره گیری از تیم های توسعه از هوش مصنوعی است.
در حالی که دستیاران کد نویسی هوش مصنوعی موجود در درجه اول روی تقویت بهره وری توسعه دهنده فردی متمرکز شده اند ، رویکرد Zencoder به واقعیت مشترک مهندسی نرم افزار مدرن می پردازد ، جایی که تأخیرها اغلب بین حلقه های کدگذاری و بازخورد اتفاق می افتد.
Andrew FileV ، مدیر عامل و بنیانگذار Zencoder ، در مصاحبه اختصاصی با VentureBeat گفت: “اگر به ابزارهایی که امروزه برای AI واقعی در مهندسی استفاده می شود ، نگاه کنید ، اساساً عوامل برنامه نویسی با IDE هستند.” “و اگر حتی یک لایه عمیق تر حفر کنید ، می فهمید که آنها معمولاً روی توسعه دهنده فردی متمرکز هستند. همه اینها کاملاً منطقی است ، زیرا همه اینها با توسعه دهنده شروع می شود ، درست است؟”
اما FileV به یک شکاف مهم در راه حل های فعلی اشاره می کند: “این لایه کل کارها وجود دارد که می توانید فراتر از مهندسان فردی انجام دهید ، زیرا مهندسان به تنهایی کار نمی کنند. در هر تجارت نرم افزاری موفق ، توسعه در تیم ها اتفاق می افتد.”
چگونه عوامل ذن با اتوماسیون مراحل بین المللی چرخه های توسعه را کاهش می دهند
پلت فرم جدید با این امکان که تیم ها بتوانند عوامل سفارشی متناسب با چارچوب های خاص ، گردش کار یا کد های کد را ایجاد و مستقر کنند ، این شکاف را برطرف می کند. این عوامل را می توان در بین سازمان ها به اشتراک گذاشت و ضمن از بین بردن وظایف تکراری ، از شیوه های مداوم اطمینان حاصل کرد.
آنچه عوامل ذن را از نظر فنی متمایز می کند ، اجرای آن از پروتکل زمینه مدل (MCP) است ، استانداردی که توسط انسان شناسی سرچشمه گرفته و توسط OpenAI پشتیبانی می شود و به مدل های بزرگ زبان اجازه می دهد تا با ابزارهای خارجی تعامل داشته باشند.
FileV توضیح داد: “به عنوان بخشی از این پرتاب ، ما رجیستری خودمان را معرفی می کنیم که دارای بیش از 100 سرور MCP است.” “ما این مسئله را ایجاد کردیم زیرا هنوز رجیستری استاندارد در دسترس نیست. اگر یک رجیستری استاندارد وجود داشته باشد ، ما به سادگی به آن متصل می شویم ، زیرا ارزش واقعی ما از طرف نمایندگان و ابزارهای تخصصی ما حاصل می شود.”
تحلیلگران صنعت این را به عنوان یک پیشرفت طبیعی در ابزارهای توسعه می دانند. موج اولیه دستیاران برنامه نویسی هوش مصنوعی باعث افزایش بهره وری فوری برای کارهای فردی می شود ، اما در پرداختن به ماهیت مشترک توسعه نرم افزار سازمانی ، جایی که اغلب اوقات در دستگیری بین اعضای تیم از بین می رود ، کوتاه شد.
مأمورین ذن قصد دارند با اجازه دادن به مأمورین تخصصی برای اتوماسیون بخش هایی از چرخه عمر توسعه ، از بررسی کد تا آزمایش ، این دستاوردها را برطرف کنند. FileV گفت: “به عنوان مثال ، بیایید بگوییم شما یک عامل دارید که بررسی کد را انجام می دهد.” “تصور کنید که یک عامل وجود دارد که به آن اعتماد دارید. عامل حتی لزوماً نباید به اندازه یک انسان خوب باشد ، زیرا اگر این مسئله را پیدا کند و بلافاصله بازخورد را ارائه دهد ، می توانید بلافاصله آن مشکلات را برطرف کنید.”
این پلتفرم به گونه ای طراحی شده است که با استفاده از ISO 27001 ، SOC 2 Type II ، و ISO 42001 برای سیستم های مدیریت مسئول AI-اعتبار لازم برای پذیرش در سازمان های آگاه امنیتی را انتخاب کند.
شاید متمایزترین جنبه پرتاب ، بازار منبع باز باشد که به جامعه توسعه دهنده گسترده تر اجازه می دهد تا نمایندگان تخصصی را در آن شرکت کنند. این رویکرد آینه اکوسیستم های منبع باز موفق مانند پسوند کد ویژوال استودیو یا بسته های NPM را نشان می دهد ، که در آن مشارکت های جامعه به شدت قابلیت های فراتر از آنچه که هر فروشنده واحد می تواند توسعه دهد ، گسترش می دهد.
FileV گفت: “من یک مؤمن بزرگ به اطلاعات جمعی هستم.” “موارد استفاده زیادی وجود دارد که ما حتی به آن فکر نکرده ایم ، و حتی اگر همه آنها را تصور کنیم ، هرگز منابع لازم برای پوشاندن آنها را نخواهیم داشت.”
پذیرندگان اولیه قبلاً در ایجاد عوامل تخصصی ارزش پیدا کرده اند. FileV به اشتراک گذاشت: “من از مثالهایی که چندین مرحله در گردش کار آنها را ادغام می کند ، تحت تأثیر قرار گرفته ام.” “به عنوان مثال ، می توانید یک فریم سیم را از FIGMA بکشید ، به طور خودکار کد را بر اساس آن تولید کنید و سپس یک درخواست کشش را ارسال کنید – همه به عنوان یک فرآیند یکپارچه.”
مثال قابل توجه دیگر نیاز به نیازهای دسترسی دارد – منطقه ای که اغلب در مهلت های تنگ به عنوان مهم اما غالباً مورد تحقیر قرار می گیرد. FileV گفت: “مدافع توسعه دهنده ما نماینده ای را ایجاد کرده است که دسترسی به کد را بهبود می بخشد.” “همه افراد در نرم افزار موافق هستند که دسترسی بسیار مهم است ، اما در واقعیت ، تیم ها همیشه وقت لازم برای رفع صحیح این نیازها را ندارند.”
به گفته مت واکر ، بنیانگذار و CTO از Simon Data ، که در بیانیه مطبوعاتی نقل شده است ، این تأثیر قابل اندازه گیری بوده است: “عوامل ذن نشان دهنده تکامل مهم در توسعه AI-Alian است. عوامل تیمی به همراه ادغام MCP به ما اجازه می دهد تا ابزارهای تخصصی AI را بسازند که واقعاً در مورد کارآیی های توسعه منحصر به فرد ما در تمام زمینه های توسعه یافته و زیرساخت های ما را درک کرده ایم.
فراتر از برنامه نویسی: مسابقه به سمت وضعیت جریان توسعه دهنده AI-Enhed
قیمت گذاری برای عوامل ذن در حال حاضر از یک ساختار ساده و ساده پیروی می کند. FileV گفت: “برنامه های قیمت گذاری ما ساده است: ما یک ردیف رایگان به همراه گزینه های ماهانه 20 دلار و 40 دلار ارائه می دهیم.” “راهی که من در مورد آن فکر می کنم ساده است – هرچه بیشتر از آن استفاده کنید ، پول بیشتری پس انداز خواهید کرد.”
با نگاهی به آینده ، FileV می بیند که عوامل ذن به سمت استقلال بیشتر در حال تحول هستند ، نه جایگزین مهندسین بلکه باعث می شوند که آنها به طرز چشمگیری تولید کنند. وی گفت: “ما به سمت استقلال می رویم – نه با هدف تعویض مهندسین ، بلکه با این دیدگاه این که مهندسین 10 برابر تولید کنند.”
این چشم انداز فراتر از نوشتن کد فقط برای حفظ آنچه توسعه دهندگان “وضعیت جریان” می نامند – دوره های کار بی وقفه و بسیار مولد است. FileV توضیح داد: “شرکت ما ذن را به نام خود دارد ، و شروع به کار روی چیزی نیست ، سپس به چیز دیگری پرش می کند ، فقط برای بازگشت به کار اصلی.” “اگر ما بتوانیم شما را در آن حالت جریان نگه داریم ، پس مأموریت انجام شد ، درست است؟”
در حالی که Zencoder در ابتدا روی برنامه های مهندسی نرم افزار متمرکز شده است ، FileV با پتانسیل گسترده تر اشاره کرد. وی گفت: “بسیاری از دوستان فناوری من در حال حاضر از این فناوری برای اهداف غیر مهندسی استفاده می کنند.” “من کنجکاو هستم که ببینم جامعه با آن چه چیزی را ایجاد می کند – یک احتمال واقعی وجود دارد که می تواند در یک زمینه بسیار گسترده تر کشش را به دست آورد.”
با توجه به اینکه ابزارهای هوش مصنوعی در فضای توسعه نرم افزار بالغ می شوند ، عوامل ذن به آینده ای اشاره می کنند که این فناوری در مورد جایگزین کردن وظایف فردی کمتر می شود و بیشتر در مورد ارکستر کردن کل چرخه توسعه توسعه می یابد. با تمرکز روی فضاهای بین توسعه دهندگان – به جای اینکه فقط خود توسعه دهندگان باشد – ممکن است Zencoder مسیری را برای آن بیان کند که “ذن” گریزان از هر رمزگذار تلاش می کند: ساخت نرم افزاری که احساس می کند عملاً خود را می نویسد.