آمازون نرم‌افزاری معرفی کرد که هوش مصنوعی آن را نوشته است

آمازون روز ۱۱ نوامبر ۲۰۲۶ ابزار تازه‌ای به نام AWS Emulator منتشر کرد که به برنامه‌نویسان اجازه می‌دهد بسیاری از خدمات رایانش ابری Amazon Web Services را بدون اتصال به زیرساخت واقعی این شرکت، روی رایانه شخصی خود شبیه‌سازی و آزمایش کنند. ویژگی متفاوت این ابزار آن است که به گفته آمازون، تمام کد آن را ایجنت‌های خودکار هوش مصنوعی نوشته‌اند و مهندسان انسانی حتی یک خط از کد نهایی را به‌صورت دستی ننوشته یا بازبینی نکرده‌اند.

AWS Emulator به شکل رایگان و متن‌باز عرضه شده و می‌تواند درخواست‌های بسیاری از سرویس‌های شناخته‌شده آمازون را با استفاده از همان رابط‌های برنامه‌نویسی رسمی دریافت و پردازش کند. به این ترتیب، توسعه‌دهندگان می‌توانند پیش از استقرار نرم‌افزار روی سرورهای واقعی، بخش مهمی از رفتار آن را در محیطی محلی بررسی کنند.

آمازون می‌گوید هزاران ایجنت هوش مصنوعی در فرایند توسعه این محصول مشارکت داشته‌اند. این ایجنت‌ها وظایف مختلفی مانند طراحی آزمون، شناسایی خطا، اصلاح برنامه و کنترل کیفیت تغییرات را انجام داده‌اند. فرایند توسعه نیز ادامه دارد و شرکت قصد دارد با استفاده از همین ساختار، پشتیبانی از قابلیت‌های بیشتر را به‌تدریج تکمیل کند.

با این حال، AWS Emulator جایگزین کامل زیرساخت ابری آمازون نیست. این ابزار هنوز از تمام عملیات پشتیبانی نمی‌کند و برای ارزیابی امنیت، مجوزهای دسترسی و بعضی رفتارهای عملیاتی خدمات واقعی محدودیت دارد. آمازون تأکید کرده است که آزمایش نهایی نرم‌افزار در محیط واقعی AWS همچنان ضروری خواهد بود.

برنامه‌نویسان چرا به شبیه‌ساز خدمات ابری نیاز دارند؟

بسیاری از نرم‌افزارهای امروزی فقط روی یک رایانه اجرا نمی‌شوند. این برنامه‌ها ممکن است برای ذخیره اطلاعات، مدیریت کاربران، پردازش درخواست‌ها و ارتباط میان بخش‌های مختلف خود به خدمات رایانش ابری وابسته باشند.

برای مثال، یک فروشگاه اینترنتی می‌تواند تصاویر محصولات را در فضای ذخیره‌سازی ابری نگه دارد، سفارش‌ها را در پایگاه داده ثبت کند و بعضی فعالیت‌ها مانند ارسال پیام یا پردازش پرداخت را از طریق سرویس‌های جداگانه انجام دهد.

Amazon Web Services مجموعه گسترده‌ای از این خدمات را ارائه می‌کند. برنامه‌نویسان می‌توانند با استفاده از رابط‌های برنامه‌نویسی یا API، امکانات موردنیاز خود را به نرم‌افزار متصل کنند.

اما هنگام توسعه یک برنامه، لازم است عملکرد این ارتباطات بارها آزمایش شود.

فرض کنیم برنامه‌نویس می‌خواهد مطمئن شود نرم‌افزار هنگام ثبت سفارش جدید، اطلاعات را به‌درستی در پایگاه داده ذخیره می‌کند. برای بررسی این موضوع می‌تواند از یک سرویس واقعی ابری استفاده کند.

این روش نتیجه‌ای نزدیک به محیط عملیاتی ارائه می‌دهد، اما همیشه بهترین گزینه برای مراحل اولیه توسعه نیست.

ساخت منابع ابری، ارسال درخواست و پاک‌سازی اطلاعات آزمایشی زمان می‌برد. بعضی خدمات نیز هزینه مصرف دارند و ممکن است توسعه‌دهنده هنگام انجام آزمون‌های مکرر با هزینه‌های اضافی روبه‌رو شود.

مشکل دیگری هم وجود دارد. اگر اتصال اینترنت قطع شود یا دسترسی به حساب ابری امکان‌پذیر نباشد، بخشی از آزمایش‌ها متوقف خواهند شد.

AWS Emulator برای کاهش همین وابستگی‌ها طراحی شده است.

این ابزار تلاش می‌کند رفتار بسیاری از خدمات AWS را روی رایانه توسعه‌دهنده بازسازی کند تا برنامه بدون نیاز به ساخت منابع واقعی ابری مورد آزمایش قرار گیرد.

AWS Emulator چگونه کار می‌کند؟

در حالت معمول، وقتی یک برنامه از طریق AWS SDK یا AWS CLI درخواستی ارسال می‌کند، آن درخواست به یکی از سرویس‌های واقعی آمازون می‌رسد.

AWS SDK مجموعه‌ای از کتابخانه‌های برنامه‌نویسی است که ارتباط نرم‌افزار با خدمات ابری را آسان می‌کند. AWS CLI نیز ابزاری مبتنی بر خط فرمان است که برای مدیریت منابع و اجرای عملیات AWS استفاده می‌شود.

در AWS Emulator توسعه‌دهنده می‌تواند مسیر این درخواست‌ها را تغییر دهد تا به جای اینترنت و سرورهای واقعی آمازون، به یک نشانی محلی روی رایانه ارسال شوند.

این ابزار درخواست را دریافت می‌کند، عملیات موردنظر را در محدوده امکانات پشتیبانی‌شده شبیه‌سازی می‌کند و نتیجه‌ای متناسب با رفتار سرویس اصلی برمی‌گرداند.

برای مثال، برنامه‌نویس می‌تواند یک جدول در سرویس شبیه‌سازی‌شده Amazon DynamoDB ایجاد کند، داده‌هایی در آن ثبت کند و سپس نتیجه خواندن اطلاعات را بررسی کند.

در چنین آزمایشی، لازم نیست جدول واقعی در حساب AWS ساخته شود.

به گفته آمازون، درخواست‌هایی که ابزار از آن‌ها پشتیبانی می‌کند، معمولاً در چند میلی‌ثانیه پاسخ دریافت می‌کنند.

البته سرعت پاسخ محلی را نباید با سرعت اجرای تمام خدمات در زیرساخت واقعی برابر دانست.

در محیط عملیاتی، عواملی مانند فاصله شبکه، تعداد درخواست‌های هم‌زمان و ظرفیت منابع ابری بر عملکرد تأثیر می‌گذارند؛ عواملی که ممکن است شبیه‌ساز به همان شکل بازسازی نکند.

هدف اصلی AWS Emulator آزمایش رفتار برنامه است، نه پیش‌بینی دقیق سرعت تمام سرویس‌های ابری در شرایط واقعی.

پروژه‌ای که با یک آزمایش آخر هفته شروع شد

داستان ساخت AWS Emulator از نظر روش توسعه نرم‌افزار نیز قابل‌توجه است.

مت گلدبرگ، مهندس ارشد آمازون که درباره این پروژه توضیح داده، می‌گوید ایده اولیه از یک آزمایش کوچک با ایجنت برنامه‌نویسی Kiro شکل گرفت.

او از ایجنت خواست نمونه‌ای از سرویس Amazon SQS را شبیه‌سازی کند.

SQS یکی از سرویس‌های مدیریت صف پیام در AWS است که به بخش‌های مختلف نرم‌افزار اجازه می‌دهد پیام‌ها و وظایف را بدون نیاز به اجرای هم‌زمان مستقیم با یکدیگر مبادله کنند.

بر اساس روایت گلدبرگ، ایجنت در حدود ۱۵ دقیقه توانست نسخه‌ای اولیه و قابل‌آزمایش از این سرویس ایجاد کند.

این نتیجه باعث شد پروژه از آزمایش یک سرویس فراتر برود.

تا پایان همان آخر هفته، نسخه‌ای بسیار ابتدایی از شبیه‌ساز خدمات گسترده‌تر AWS ساخته شده بود.

این نسخه کامل و بدون خطا نبود، اما نشان داد که استفاده از ایجنت‌های برنامه‌نویسی برای تولید حجم زیادی از کد در یک ساختار مشخص امکان‌پذیر است.

پس از آن، تیم توسعه به جای نوشتن دستی تمام اجزای ابزار، روی طراحی فرایندی تمرکز کرد که ایجنت‌ها بتوانند در آن به‌صورت سازمان‌یافته کار کنند.

نتیجه این تصمیم، ایجاد مجموعه‌ای از ایجنت‌های تخصصی بود که هر گروه مسئول بخش مشخصی از چرخه توسعه نرم‌افزار است.

هزاران ایجنت هوش مصنوعی چگونه همکاری می‌کنند؟

آمازون برای توسعه AWS Emulator از ساختاری متشکل از سه گروه اصلی ایجنت استفاده کرده است.

گروه نخست وظیفه طراحی آزمون‌ها را بر عهده دارد.

این ایجنت‌ها با استفاده از مشخصات رسمی رابط‌های برنامه‌نویسی AWS، شرایطی را طراحی می‌کنند که رفتار سرویس‌های مختلف را بررسی کند.

برای نمونه، یک آزمون ممکن است شامل ساخت صف پیام، ارسال یک پیام، خواندن آن و حذف صف باشد.

ایجنت‌ها سپس همین عملیات را در محیط واقعی AWS اجرا می‌کنند تا مشخص شود پاسخ صحیح چه ویژگی‌هایی دارد.

در مرحله دوم، گروه دیگری از ایجنت‌ها آزمون‌های آماده‌شده را روی AWS Emulator اجرا می‌کند.

اگر نتیجه شبیه‌ساز با رفتار سرویس واقعی تفاوت داشته باشد، این اختلاف به‌عنوان یک مشکل ثبت می‌شود.

گروه سوم مسئول اصلاح مشکلات شناسایی‌شده است.

هر ایجنت اصلاح‌کننده می‌تواند یک مسئله مشخص را دریافت کند، بخش مربوط از کد را بررسی کند و تغییرات لازم را انجام دهد.

این تقسیم وظایف باعث می‌شود تعداد زیادی از مشکلات به‌صورت موازی بررسی شوند.

اما کار به همین‌جا ختم نمی‌شود.

هر تغییری که ایجنت پیشنهاد می‌کند باید از مجموعه‌ای از کنترل‌های خودکار عبور کند. این کنترل‌ها شامل بررسی امکان کامپایل، رعایت استانداردهای کدنویسی، آزمون‌های امنیتی و سنجش هماهنگی رفتار نرم‌افزار با AWS واقعی هستند.

اگر تغییر از این مراحل عبور نکند، برای اصلاح دوباره به ایجنت بازگردانده می‌شود.

به گفته آمازون، صدها ایجنت می‌توانند به‌طور هم‌زمان کار کنند و روزانه هزاران مشکل در این فرایند بررسی و اصلاح می‌شود.

وقتی انسان حتی یک خط کد را بازبینی نمی‌کند

یکی از بحث‌برانگیزترین بخش‌های این خبر، ادعای آمازون درباره نقش مهندسان انسانی در توسعه نرم‌افزار است.

این شرکت اعلام کرده هیچ‌یک از کدهای AWS Emulator توسط مهندسان انسانی نوشته یا به‌صورت خط‌به‌خط بازبینی نشده است.

با این حال، این موضوع به معنای توسعه بدون دخالت انسان نیست.

انسان‌ها همچنان در طراحی ساختار پروژه، تعیین استانداردهای پذیرش کد و ساخت فرایندهای کنترل کیفیت نقش دارند.

تفاوت اصلی در شیوه انجام فعالیت‌هاست.

به جای اینکه یک برنامه‌نویس تمام خطاها را به‌صورت دستی پیدا و برطرف کند، مهندسان شرایطی ایجاد کرده‌اند که ایجنت‌ها بتوانند مشکلات را شناسایی کنند و راه‌حل‌های پیشنهادی را از مجموعه‌ای از آزمون‌های خودکار عبور دهند.

این رویکرد نوعی تغییر در نقش برنامه‌نویس محسوب می‌شود.

در روش سنتی، بخش زیادی از زمان مهندس صرف نوشتن و اصلاح مستقیم کد می‌شود. در روش جدید، تمرکز بیشتری بر طراحی معیارهای درست‌بودن، مدیریت فرایند توسعه و ارزیابی خروجی‌ها قرار می‌گیرد.

البته نمی‌توان نتیجه گرفت که چنین روشی برای همه نرم‌افزارها مناسب است.

موفقیت AWS Emulator تا حدی به ویژگی خاص مسئله آن وابسته است: خدمات AWS دارای مشخصات رسمی و رفتارهایی هستند که می‌توان بخش زیادی از آن‌ها را با آزمون‌های خودکار بررسی کرد.

در پروژه‌هایی که معیارهای موفقیت مبهم‌تر هستند، استفاده از همین روش ممکن است دشوارتر باشد.

چرا وجود مشخصات رسمی API اهمیت دارد؟

یکی از دلایل امکان‌پذیرشدن توسعه AWS Emulator، دسترسی به مدل‌های رسمی رابط‌های برنامه‌نویسی خدمات آمازون است.

این مدل‌ها توضیح می‌دهند هر سرویس چه عملیاتی ارائه می‌کند، درخواست‌ها باید چه ساختاری داشته باشند و پاسخ‌ها چگونه بازگردانده شوند.

برای مثال، مشخصات یک سرویس پایگاه داده می‌تواند تعیین کند که هنگام ایجاد جدول چه پارامترهایی لازم هستند و در صورت ارسال درخواست نامعتبر چه خطایی باید تولید شود.

وقتی این اطلاعات در قالبی ساختاریافته در دسترس باشند، ایجنت‌ها می‌توانند از آن‌ها برای تولید کد و طراحی آزمون استفاده کنند.

AWS Emulator بر اساس صدها مدل API توسعه یافته که در مجموع بیش از ۲۰۰ سرویس AWS را پوشش می‌دهند.

اما پوشش یک سرویس به معنی پیاده‌سازی کامل تمام قابلیت‌های آن نیست.

ممکن است شبیه‌ساز نام و ساختار یک عملیات را بشناسد، اما هنوز منطق کامل اجرای آن پیاده‌سازی نشده باشد.

آمازون اعلام کرده وقتی درخواستی مربوط به یک قابلیت پشتیبانی‌نشده ارسال شود، ابزار می‌تواند خطای 501 Not Implemented برگرداند.

این خطا نشان می‌دهد عملیات موردنظر هنوز در شبیه‌ساز اجرا نشده است.

چنین رفتاری بهتر از ارائه نتیجه ساختگی و ظاهراً موفق است، زیرا به توسعه‌دهنده هشدار می‌دهد آزمون او نمی‌تواند عملکرد واقعی آن قابلیت را تأیید کند.

تفاوت AWS Emulator با سرویس‌های واقعی آمازون

یکی از مهم‌ترین محدودیت‌های ابزار جدید، تفاوت میان شبیه‌سازی رفتار یک سرویس و اجرای کامل آن در زیرساخت واقعی است.

برای مثال، ایجاد یک پایگاه داده در AWS Emulator می‌تواند از نظر ساختار درخواست و پاسخ مشابه سرویس اصلی باشد.

اما این موضوع الزاماً به معنی بازسازی تمام رفتارهای مرتبط با توزیع داده، تأخیر شبکه، مدیریت ظرفیت یا دسترسی هم‌زمان کاربران نیست.

شبیه‌ساز در مراحل اولیه توسعه می‌تواند خطاهای رایج برنامه‌نویسی را آشکار کند.

با این حال، هنگام استقرار واقعی، نرم‌افزار ممکن است با شرایطی روبه‌رو شود که در محیط محلی وجود نداشته است.

بر اساس بررسی‌های منتشرشده، AWS Emulator هنوز برخی رفتارها مانند محدودسازی نرخ درخواست‌ها، اختلال‌های زیرساختی و تفاوت امکانات میان مناطق جغرافیایی AWS را به‌طور کامل بازسازی نمی‌کند.

این محدودیت‌ها برای نرم‌افزارهایی که باید در مقیاس بزرگ کار کنند اهمیت دارند.

برای مثال، برنامه‌ای ممکن است در محیط محلی به‌درستی پاسخ دهد، اما هنگام ارسال تعداد بسیار زیادی درخواست به سرویس واقعی با محدودیت نرخ یا تأخیر روبه‌رو شود.

در نتیجه، استفاده از AWS Emulator باید بخشی از فرایند آزمایش باشد، نه جایگزین همه آزمون‌های عملیاتی.

یک محدودیت مهم در آزمایش امنیت

آمازون به‌طور مشخص هشدار داده است که AWS Emulator برای ارزیابی امنیت نهایی برنامه مناسب نیست.

در محیط واقعی AWS، سازوکارهایی مانند IAM تعیین می‌کنند چه کاربر یا سرویسی مجاز است عملیات مشخصی را انجام دهد.

برای مثال، ممکن است یک برنامه اجازه خواندن اطلاعات از یک فضای ذخیره‌سازی را داشته باشد، اما امکان حذف فایل‌های آن را نداشته باشد.

اجرای درست چنین محدودیت‌هایی برای حفاظت از اطلاعات ضروری است.

AWS Emulator هنوز سیاست‌های IAM و مجوزهای مبتنی بر منابع را به همان شکل سرویس واقعی ارزیابی نمی‌کند.

بنابراین ممکن است عملیاتی در شبیه‌ساز موفق باشد، در حالی که AWS واقعی به دلیل نداشتن مجوز مناسب آن را رد کند.

این تفاوت می‌تواند خطرناک باشد، اگر توسعه‌دهنده نتیجه آزمایش محلی را نشانه امن‌بودن تنظیمات دسترسی بداند.

به همین دلیل، آمازون توصیه می‌کند بررسی نهایی مجوزها و دیگر تنظیمات امنیتی در محیط واقعی انجام شود.

همچنین بهتر است اطلاعات محرمانه و کلیدهای دسترسی واقعی در محیط آزمایش محلی استفاده نشوند.

AWS Emulator هنگام اجرا اعتبارنامه‌های مخصوص خود را ایجاد می‌کند و به‌طور پیش‌فرض فقط روی رایانه محلی به درخواست‌ها پاسخ می‌دهد.

این طراحی به کاهش بعضی خطرها کمک می‌کند، اما جایگزین رعایت اصول امنیتی در کل پروژه نیست.

هر ایجنت محیط آزمایشی مستقل خود را دارد

یکی از قابلیت‌های مهم AWS Emulator برای توسعه نرم‌افزار با هوش مصنوعی، امکان اجرای چند نمونه مستقل از شبیه‌ساز است.

در چنین حالتی، هر نمونه می‌تواند درگاه ارتباطی، اعتبارنامه‌ها و وضعیت داخلی جداگانه داشته باشد.

این ویژگی برای تیم‌هایی اهمیت دارد که چندین آزمون را به‌طور هم‌زمان اجرا می‌کنند.

برای مثال، فرض کنیم دو ایجنت برنامه‌نویسی روی بخش‌های مختلف یک نرم‌افزار کار می‌کنند.

اگر هر دو از یک محیط آزمایشی مشترک استفاده کنند، ممکن است ساخت یا حذف منابع توسط یکی از آن‌ها بر نتیجه آزمون دیگری اثر بگذارد.

اما با ایجاد نمونه‌های مستقل، هر ایجنت می‌تواند منابع موردنیاز خود را بدون تداخل با دیگران شبیه‌سازی کند.

آمازون اعلام کرده وضعیت منابع در حافظه هر نمونه نگهداری می‌شود و با توقف آن از بین می‌رود.

این موضوع برای آزمون‌های موقت مفید است، زیرا می‌توان محیط تازه‌ای ایجاد کرد و پس از پایان آزمایش آن را کنار گذاشت.

در مقابل، اگر برنامه‌نویس بخواهد وضعیت منابع برای مدت طولانی باقی بماند، باید بداند شبیه‌ساز به‌صورت پیش‌فرض مانند یک سرویس ذخیره‌سازی دائمی عمل نمی‌کند.

بنابراین طراحی آزمون‌ها باید با این ویژگی هماهنگ باشد.

ابزار جدید چه تأثیری بر هزینه توسعه دارد؟

استفاده از خدمات واقعی رایانش ابری هنگام توسعه می‌تواند هزینه‌هایی ایجاد کند.

میزان این هزینه به سرویس، تعداد درخواست‌ها و نوع منابع مصرفی بستگی دارد.

AWS Emulator برای اجرای محلی خود هزینه خدمات اضافی دریافت نمی‌کند.

آمازون همچنین کد منبع ابزار را با مجوز CC0 منتشر کرده است؛ مجوزی که امکان استفاده، تغییر و توزیع مجدد را با محدودیت بسیار کم فراهم می‌کند.

این ویژگی به توسعه‌دهندگان اجازه می‌دهد ابزار را بررسی کنند یا در صورت نیاز نسخه‌های تغییر‌یافته خود را بسازند.

البته رایگان‌بودن نرم‌افزار به معنی بدون‌هزینه بودن تمام فرایند توسعه نیست.

اجرای شبیه‌ساز از منابع سخت‌افزاری رایانه استفاده می‌کند و نگهداری محیط‌های آزمایشی نیز ممکن است به زمان و فعالیت مهندسی نیاز داشته باشد.

همچنین توسعه‌دهنده برای آزمایش نهایی در زیرساخت واقعی AWS ممکن است همچنان هزینه خدمات ابری پرداخت کند.

با این حال، کاهش تعداد استقرارهای آزمایشی و امکان شناسایی بخشی از خطاها در محیط محلی می‌تواند در بعضی پروژه‌ها به صرفه‌جویی کمک کند.

میزان این صرفه‌جویی به نوع برنامه و شیوه استفاده از خدمات ابری بستگی دارد و آمازون عددی را به‌عنوان کاهش تضمین‌شده هزینه تمام پروژه‌ها اعلام نکرده است.

AWS Emulator روی چه سیستم‌عامل‌هایی اجرا می‌شود؟

آمازون امکان استفاده از AWS Emulator را برای محیط‌های مختلف توسعه فراهم کرده است.

کاربران لینوکس می‌توانند بسته‌های نرم‌افزاری متناسب با توزیع خود، از جمله RPM یا Debian، را نصب کنند.

در سیستم‌عامل‌های Windows و macOS نیز امکان اجرای ابزار از طریق Docker وجود دارد.

Docker محیطی برای اجرای نرم‌افزار در قالب کانتینر فراهم می‌کند. این روش به توسعه‌دهنده اجازه می‌دهد برنامه را همراه با بخش مهمی از وابستگی‌های نرم‌افزاری آن در محیطی مشخص اجرا کند.

AWS Emulator با زبان Rust توسعه یافته است؛ زبانی که به دلیل ویژگی‌های مرتبط با مدیریت حافظه و عملکرد، در ساخت برخی ابزارهای سیستمی کاربرد دارد.

پس از اجرای شبیه‌ساز، برنامه‌نویس می‌تواند ابزارهای AWS CLI یا SDK را برای ارسال درخواست به نشانی محلی تنظیم کند.

از نظر مفهومی، توسعه‌دهنده به جای فرستادن درخواست به سرویس واقعی آمازون، همان عملیات را در محیط آزمایشی انجام می‌دهد.

این سازگاری با ابزارهای رایج اهمیت دارد، زیرا نیاز به بازنویسی کامل روش ارتباط برنامه با خدمات ابری را کاهش می‌دهد.

با این حال، قابلیت‌های دقیق قابل استفاده به میزان پشتیبانی شبیه‌ساز از هر عملیات بستگی دارد.

تفاوت محصول آمازون با LocalStack چیست؟

AWS Emulator نخستین ابزار شبیه‌سازی محلی خدمات AWS نیست.

پیش از آن، پروژه‌هایی مانند LocalStack امکان آزمایش بسیاری از خدمات ابری را روی رایانه شخصی فراهم کرده بودند.

LocalStack در میان توسعه‌دهندگان نرم‌افزارهای مبتنی بر AWS شناخته شده است و برای اجرای آزمون‌های محلی و یکپارچه‌سازی مورد استفاده قرار می‌گیرد.

اما محصول جدید آمازون از دو جهت توجه زیادی جلب کرده است.

نخست، توسعه مستقیم آن در مجموعه AWS و استفاده از مدل‌های رسمی API این شرکت است.

دوم، انتشار عمومی ابزار با مجوز CC0 و اعلام استفاده کامل از ایجنت‌های هوش مصنوعی در تولید کد آن است.

البته این تفاوت‌ها به معنی برتری قطعی AWS Emulator در تمام کاربردها نیست.

میزان پشتیبانی از سرویس‌ها، دقت رفتار شبیه‌سازی‌شده و امکانات جانبی باید برای هر پروژه بررسی شوند.

ممکن است ابزار دیگری در یک سرویس خاص قابلیت‌های کامل‌تری داشته باشد یا برای نیازهای یک تیم مناسب‌تر باشد.

بنابراین توسعه‌دهندگان باید پیش از انتخاب ابزار، عملیات موردنیاز خود را آزمایش کنند.

گزارش GeekWire نیز به همین موضوع اشاره کرده و تأکید کرده است که با وجود گستردگی خدمات معرفی‌شده، شبیه‌ساز جدید هنوز محدودیت‌هایی دارد.

هوش مصنوعی چگونه فرایند تولید نرم‌افزار را تغییر می‌دهد؟

مهم‌ترین بخش خبر شاید خود شبیه‌ساز نباشد، بلکه روشی باشد که آمازون برای ساخت آن به کار گرفته است.

در سال‌های اخیر ابزارهای هوش مصنوعی برنامه‌نویسی از پیشنهاد چند خط کد به سمت اجرای فعالیت‌های طولانی‌تر حرکت کرده‌اند.

ایجنت‌های جدید می‌توانند فایل‌ها را بررسی کنند، آزمون اجرا کنند، نتیجه خطاها را بخوانند و نسخه اصلاح‌شده کد را پیشنهاد دهند.

اما یکی از مشکلات این روش، امکان تولید حجم زیادی از کد نادرست است.

اگر ایجنت بر اساس فرض اشتباهی کار کند، ممکن است همان خطا را در بخش‌های مختلف پروژه تکرار کند.

آمازون برای کنترل این خطر، به جای اعتماد کامل به خروجی مستقیم ایجنت، مجموعه‌ای از آزمون‌ها و مراحل پذیرش خودکار طراحی کرده است.

در این ساختار، یک ایجنت نمی‌تواند صرفاً با اعلام موفقیت کار خود، تغییر را وارد نسخه اصلی نرم‌افزار کند.

کد باید از معیارهای مشخص عبور کند.

همین موضوع باعث شده AWS Emulator به نمونه‌ای قابل‌توجه از توسعه نرم‌افزار مبتنی بر ایجنت‌ها تبدیل شود.

با این حال، موفقیت چنین رویکردی در یک پروژه مشخص به معنی حذف نیاز به مهندسان نرم‌افزار نیست.

طراحی معیارهای پذیرش، شناسایی نیازهای واقعی کاربران و تصمیم‌گیری درباره معماری کلی همچنان فعالیت‌هایی مهم هستند.

آینده AWS Emulator به چه عواملی بستگی دارد؟

AWS Emulator اکنون به‌صورت عمومی منتشر شده و کد آن در GitHub در دسترس قرار دارد.

آمازون اعلام کرده فعالیت ایجنت‌های توسعه‌دهنده ادامه خواهد داشت و بخش‌هایی از ابزار که هنوز رفتار کامل خدمات AWS را بازسازی نمی‌کنند، به‌تدریج اصلاح خواهند شد.

انتشار عمومی کد امکان بررسی مستقل پروژه را نیز فراهم می‌کند.

توسعه‌دهندگان می‌توانند تغییرات انجام‌شده را مشاهده کنند، مشکلات را گزارش دهند و عملکرد شبیه‌ساز را با خدمات واقعی مقایسه کنند.

با این حال، موفقیت بلندمدت محصول به چند عامل بستگی خواهد داشت.

یکی از آن‌ها میزان دقت شبیه‌سازی است. اگر رفتار ابزار با خدمات واقعی تفاوت زیادی داشته باشد، نتیجه آزمون‌ها ممکن است گمراه‌کننده باشد.

عامل دیگر سرعت پشتیبانی از تغییرات AWS است. خدمات ابری دائماً قابلیت‌های تازه دریافت می‌کنند و شبیه‌ساز باید بتواند با این تغییرات هماهنگ بماند.

موضوع سوم، حفظ امنیت و کیفیت کدی است که به‌صورت خودکار تولید می‌شود.

استفاده از ایجنت‌ها می‌تواند سرعت توسعه را افزایش دهد، اما اعتبار ابزار همچنان به نتیجه آزمون‌های مستقل و عملکرد واقعی آن وابسته است.

در حال حاضر، خبر ۱۱ نوامبر آمازون دو تغییر مهم را نشان می‌دهد: فراهم‌شدن ابزاری رایگان برای آزمایش محلی خدمات AWS و نمایش روشی که در آن ایجنت‌های هوش مصنوعی تقریباً تمام فعالیت‌های مستقیم کدنویسی را بر عهده گرفته‌اند.

این دستاورد هنوز به معنی توانایی هوش مصنوعی برای ساخت بی‌نقص هر نوع نرم‌افزار نیست. اما نشان می‌دهد اگر مشخصات فنی دقیق، آزمون‌های قابل‌اندازه‌گیری و سازوکار پذیرش مناسب وجود داشته باشند، می‌توان بخشی بزرگ از فرایند توسعه را به سامانه‌های خودکار واگذار کرد.

برای برنامه‌نویسان، نتیجه عملی این تحول می‌تواند آزمایش سریع‌تر و کم‌هزینه‌تر نرم‌افزار باشد؛ و برای صنعت فناوری، پرسش مهم‌تری مطرح می‌شود: در آینده‌ای که ایجنت‌ها بخش بزرگی از کد را می‌نویسند، نقش اصلی مهندس بیشتر به طراحی و نظارت بر فرایند تولید نرم‌افزار تغییر خواهد کرد یا خیر؟

منبع: AWS News Blog، Amazon News، GeekWire

مشاهده بیشتر

نوشته های مشابه

دکمه بازگشت به بالا