عصر برنامه‌نویسی خودمختار هوش مصنوعی: از Code with Claude تا دنیایی که ماشین‌ها کد می‌نویسند

دست بلندشده‌ای که همه چیز را عوض کرد

در رویداد Code with Claude انتروپیک در لندن، ۱۹ می ۲۰۲۶، مهندس Jeremy Hadfield از اتاق پرجمعیت یک سوال دو بخشی پرسید که لحظه‌ای را ثبت کرد که مهندسی نرم‌افزار وارد عصر جدیدی شد:

“چه کسی اینجا در هفته گذشته یک pull request تحویل داده که کاملاً توسط Claude نوشته شده؟”

نزدیک به نیمی از اتاق دست بلند کردند.

بعد سوال بعدی: “چه کسی اینجا یک PR کاملاً نوشته‌شده توسط Claude را تحویل داده بدون اینکه کد را اصلاً بخواند؟”

خنده عصبی. بیشتر دست‌ها بالا ماند.

pie title "Code with Claude — نظرسنجی توسعه‌دهندگان"
    "کد هوش مصنوعی را خوانده و بررسی کرده" : 25
    "کد هوش مصنوعی را بدون خواندن تحویل داده" : 45
    "هنوز دستی کد می‌نویسد" : 30

داده‌های تصویری بر اساس نظرسنجی دست‌بلندکردنی در Code with Claude، لندن، می ۲۰۲۶.

این یک گروه حاشیه‌ای از علاقه‌مندان “vibe coding” نبود. این یک اتاق پر از مهندسان نرم‌افزار حرفه‌ای در یک رویداد صنعتی شاخص بود که به راحتی اعتراف می‌کردند عمل اصلی حرفه‌شان—خواندن و فهمیدن کدی که تحویل می‌دهند—اختیاری شده.

از “به Claude پرامپت بده” تا “بگذار خودش پرامپت بدهد”

تغییر فلسفی در انتروپیک عمیق‌تر از تولید کد است. Boris Cherny، رئیس Claude Code، یک تغییر بنیادی در نحوه تعامل توسعه‌دهندگان با هوش مصنوعی توصیف کرد:

“پیش‌فرض دیگر ‘می‌خواهم به Claude پرامپت بدهم’ نیست—پیش‌فرض حالا ‘می‌خواهم Claude به خودش پرامپت بدهد’ است.”

این اغراق بازاریابی نیست. فلسفه مهندسی انتروپیک حول یک شعار ساده جمع شده: “بگذار بپزد.”

Ravi Trivedi، یک مهندس انتروپیک، اصل را توضیح داد: “اصل کلیدی این است که از سر راه Claude کنار برویم.” در این پارادایم جدید، توسعه‌دهندگان انسانی حتی نباید پیام‌های خطا را ببینند. Claude حلقه کامل را مدیریت می‌کند—تولید، تست، شکست، رفع، دوباره تست—تا همه چیز کار کند.

sequenceDiagram
    participant H as توسعه‌دهنده انسانی
    participant C as Claude Code
    participant R as Runtime/Compiler

    H->>C: Task را توضیح بده
    C->>C: برنامه‌ریزی رویکرد (self-prompt)
    C->>R: تولید کد
    R-->>C: خطا: type mismatch
    C->>C: تحلیل خطا، رفع
    C->>R: تولید کد اصلاح‌شده
    R-->>C: تست‌ها پاس شدند ✓
    C->>C: خود-بررسی و بهبود
    C-->>H: PR آماده بررسی
    Note over H,C: انسان فقط نتیجه نهایی را می‌بیند

قابلیت Dreaming

شاید گویاترین قابلیت اعلام‌شده در این رویداد Dreaming باشد—سیستمی که عامل‌های Claude Code برای خودشان یادداشت می‌نویسند، اطلاعات مفید درباره taskهای خاص را ثبت می‌کنند. وقتی یک عامل کدنویس دیگر بعداً روی همان codebase کار می‌کند، این یادداشت‌ها را می‌خواند، الگوها را تشخیص می‌دهد و از خطاهایی که عامل‌های قبلی به آنها برخورده‌اند یاد می‌گیرد.

این در اصل یادگیری ماشین در سطح سازمانی است—عامل‌ها دانش نهادی درباره یک codebase را جمع می‌کنند و بدون دخالت انسان روی آن بهتر و بهتر می‌شوند.

مقیاس تغییر

اعداد داستانی روایت می‌کنند که دو سال پیش علمی-تخیلی به نظر می‌رسید:

سازمان	ادعای کد هوش مصنوعی
Anthropic	“بیشتر نرم‌افزار Anthropic حالا توسط Claude نوشته می‌شود”
Anthropic	“Claude بیشتر کد موجود در Claude Code را نوشته”
OpenAI	ادعاهای مشابه درباره استفاده داخلی از Codex
Google	اکثر کدهای جدید AI-generated یا AI-assisted
Microsoft	GitHub Copilot در اکثر تیم‌های مهندسی استفاده می‌شود

حلقه بازگشتی جالب است: Claude Code تا حد زیادی توسط Claude نوشته شده. ابزار خودش را می‌سازد.

در این رویداد، Katelyn Lesse (رئیس مهندسی Claude) توانایی فعلی Claude را ارزیابی کرد: “Claude احتمالاً به خوبی یک مهندس میانی در نوشتن کد است.” و Angela Jiang (رئیس محصول Claude) هدف نهایی را صریح بیان کرد: “وضعیت نهایی‌ای که به دنبالش هستیم این است که Claude اساساً بتواند خودش را بسازد.”

طرف دیگر: کد بدون فهم

بیرون دیوارهای کنفرانس، فضا دوسویه‌تر است. در Hacker News و Reddit، گروه رو به رشدی از توسعه‌دهندگان زنگ خطر را به صدا درمی‌آورند:

“تنها افرادی که می‌گویند کد تولیدشده اشکالی ندارد کسانی‌اند که آن را نمی‌خوانند.” — کاربر Hacker News
گزارش‌هایی از توسعه‌دهندگانی که حس می‌کنند مهارت کدنویسی‌شان تحلیل می‌رود هرچه taskهای بیشتری را به هوش مصنوعی می‌سپارند
هشدار محققان امنیتی که کد تولیدشده توسط هوش مصنوعی کلاس‌های جدیدی از آسیب‌پذیری‌ها را معرفی می‌کند
مدیرانی خسته از حجم کد تولیدشده توسط هوش مصنوعی که باید بررسی کنند

Lesse این نگرانی‌ها را تأیید کرد اما محکم ایستاد: “همه بهترین شیوه‌های قدیمی توسعه نرم‌افزار هنوز اعمال می‌شوند. همیشه اعمال شده‌اند. فکر می‌کنم افراد و تیم‌های زیادی هستند که ممکن است در این لحظه آنها را از دست داده باشند.”

اما او همچنین اعتراف کرد مدیران فنی خود انتروپیک در همگامی با کدی که تیم‌هایشان تولید می‌کنند مشکل دارند. افزایش بهره‌وری واقعی است—و شکاف نظارتی هم همینطور.

graph TD
    A[تولید کد با هوش مصنوعی] --> B{کد بررسی شد؟}
    B -->|بله| C[کد بهتر،
تحویل سریع‌تر]
    B -->|خیر| D[بدهی فنی،
ریسک امنیتی،
تحلیل مهارت]
    
    C --> E[افزایش بهره‌وری
پایدار است]
    D --> F[سرعت کوتاه‌مدت،
شکنندگی بلندمدت]

    style C fill:#51cf66,color:#fff
    style F fill:#ff6b6b,color:#fff

فراتر از غرب: خواننده‌ای که کد می‌نویسد

شاید هیچ چیز دموکراتیک شدن برنامه‌نویسی را بهتر از داستانی که همان هفته منتشر شد نشان ندهد: خواننده-ترانه‌سرای چینی Hu Yanbin (胡彦斌) از Claude برای ساخت یک اپلیکیشن اجتماعی به نام “彦火” (YanHuo) استفاده کرد، که حالا در بتای عمومی است.

یک موزیسین حرفه‌ای—نه یک برنامه‌نویس—یک اپلیکیشن کاربردی ساخت و تحویل داد. این وعده و اختلال برنامه‌نویسی هوش مصنوعی در یک داستان است: مرز بین “می‌تواند کد بزند” و “نمی‌تواند کد بزند” در حال حل شدن است.

Codex و مرز پایان-به-پایان

Codex شرکت OpenAI قطب دیگر این انقلاب را نمایندگی می‌کند. برخلاف مدل تعاملی مبتنی بر ترمینال Claude Code، Codex به عنوان یک شبیه‌ساز agent-driven کار می‌کند—قادر به کار با کامپیوتر، پیمایش در رابط‌ها، دیباگ کردن و رفع خودمختار مشکلات. یک ویدئوی دمو نشان می‌داد Codex یک چرخه کامل توسعه را بدون دخالت انسان کامل می‌کند: خواندن نیازمندی‌ها، نوشتن کد، اجرای تست‌ها، رفع باگ‌ها و استقرار.

مسیر روشن است: ۲۰۲۵ سالی بود که هوش مصنوعی نوشتن تابع را یاد گرفت. ۲۰۲۶ سالی است که ساخت نرم‌افزار را یاد گرفته.

بعدش چه می‌شود؟

سه نیرو در حال همگرایی هستند:

۱. توانایی: مدل‌ها حالا با مهندسان میانی برابری می‌کنند و به سرعت در حال بهبود هستند ۲. خودمختاری: self-prompting، dreaming و حلقه‌های end-to-end دخالت انسان را کاهش می‌دهند ۳. پذیرش: از استارتاپ‌ها تا اسپوتیفای، سازمان‌ها دارند حول ابزارهای کدنویسی هوش مصنوعی بازساخت‌دهی می‌کنند

نتیجه این نیست که برنامه‌نویسان ناپدید می‌شوند—بلکه ماهیت کار برنامه‌نویسی اساساً تغییر می‌کند. مهارت‌های ارزشمند از نوشتن کد به طراحی سیستم‌ها، بررسی خروجی هوش مصنوعی و تعریف آنچه باید ساخته شود منتقل می‌شود.

این که آیا این نرم‌افزاری مقاوم‌تر تولید می‌کند یا کوهی از بدهی فنی غیرقابل نگهداری، بستگی دارد به این که آیا صنعت می‌تواند شیوه‌های بازبینی سختگیرانه را حفظ کند حتی وقتی وسوسه “بگذار بپزد” قوی‌تر می‌شود.

یک چیز قطعی است: دست بلندشده در آن اتاق کنفرانس لندن نقطه بی‌بازگشت را نشان داد.

منابع: MIT Technology Review, OpenAI Codex demo, بحث‌های Reddit/Hacker News