ICP Skills کدنویسی با هوش مصنوعی را به یک چرخه بازخورد نسخه‌پذیر تبدیل می‌کند

DFINITY مجموعه ICP Skills را معرفی کرده است؛ مجموعه‌ای از فایل‌های قابل‌خواندن برای عامل‌ها که برای کاهش یکی از خطاهای رایج در توسعه Internet Computer با کمک هوش مصنوعی طراحی شده‌اند: کدی که ظاهری معتبر دارد اما از APIهای منسوخ، نسخه‌های نادرست وابستگی‌ها یا پیکربندی نامعتبر استقرار استفاده می‌کند.

این پروژه راهنمای عملی را در فایل‌های جداگانه SKILL.md بسته‌بندی می‌کند. مخزن پروژه می‌گوید این فایل‌ها می‌توانند شامل پیش‌نیازهای دقیق، خطاهای رایج، نمونه‌های پیاده‌سازی آزموده‌شده، مراحل استقرار و فرمان‌های راستی‌آزمایی باشند. پوشش فعلی حوزه‌هایی مانند دفترکل‌های ICRC، ckBTC، Internet Identity، حافظه پایدار، امنیت کانستر و پیکربندی ICP CLI را دربرمی‌گیرد. مخزن پروژه این فایل‌ها را دستورالعمل‌های ساختاریافته‌ای برای عامل‌ها معرفی می‌کند، نه صرفاً مستنداتی که برای مرور انسان‌ها نوشته شده باشند.

این تفاوت مهم است. عامل کدنویسی هوش مصنوعی فقط به متن بیشتر نیاز ندارد؛ بلکه هنگام کار به محدودیت‌های به‌روز در قالبی قابل‌بازیابی نیاز دارد. توسعه‌دهندگان می‌توانند به عامل بگویند https://skills.internetcomputer.org/llms.txt را دریافت کند، این مجموعه را با npx skills add dfinity/icskills نصب کنند، یا پروژه جدیدی را از قالب‌های مرجع ICP CLI آغاز کنند که فایل‌های دستورالعمل عامل را نیز دربر دارند. موضوع معرفی، این گزینه‌ها را برای پروژه‌های موجود و پروژه‌های تازه به‌عنوان مسیرهای متفاوت شروع ارائه می‌کند. اعلامیه در انجمن توسعه‌دهندگان Internet Computer

ایده مهم‌تر، دانلود اولیه نیست؛ چرخه نگهداری است. این پروژه یک فهرست مهارت ماشین‌خوان با هش محتوایی ارائه می‌کند تا ابزارها بتوانند بدون دریافت دوباره همه فایل‌ها، مهارت‌های تغییرکرده را شناسایی کنند. مخزن همچنین از ارزیابی‌های جداگانه برای هر مهارت سخن می‌گوید که خروجی عامل را با و بدون آن مهارت مقایسه می‌کنند. به این ترتیب، ICP Skills به‌عنوان یک لایه سازگاری زنده میان ابزارهای در حال تحول ICP و عامل‌هایی معرفی می‌شود که داده‌های آموزشی‌شان ممکن است قدیمی باشد.

مسیر بازخورد عمومی، این چرخه را قابل مشاهده می‌کند. در یک issue گیت‌هاب درباره ساخت یک AMM با Motoko، گزارش شده که recipe با نوع custom معتبر نبوده، راهنمای نسخه بسته‌ها ناقص بوده، مسیرهای import مشکل داشته‌اند و چند وضعیت خاص توسعه محلی پوشش داده نشده‌اند. این issue با برچسب خروجی نادرست یا ساختگی مهارت ثبت شده است؛ دقیقاً همان نوع خطایی که پروژه از کاربران می‌خواهد گزارش کنند. گزارش issue نشان می‌دهد راهنمای قابل‌خواندن برای عامل باید یک مصنوع مهندسیِ آزمون‌پذیر، قابل‌بررسی و قابل‌اصلاح تلقی شود؛ نه مرجعی که نیاز به راستی‌آزمایی را از بین ببرد.

این محدودیت مهم است: ICP Skills صراحتاً در حال توسعه است و issue عمومی بالا اشتباه‌ها و شکاف‌های پوشش مشخصی را ثبت کرده است. توسعه‌دهندگان باید پیکربندی تولیدشده را بررسی کنند، نسخه وابستگی‌ها را pin یا بازبینی کنند، آزمون‌های محلی را اجرا کنند و پیش از استقرار کانسترهای تولیدی یا دارای وجوه، رفتار ارتقا را راستی‌آزمایی کنند.

برای سازندگان ICP، تغییر عملی این است که مسیر رسیدن از پیش‌نویس نخست عامل به پیش‌نویسی آگاه از محدودیت‌های پلتفرم کوتاه‌تر می‌شود. تغییر راهبردی این است که دانش مربوط به صحت می‌تواند مانند فایل‌های پروژه به‌روزرسانی، ارزیابی و توزیع شود. اگر این چرخه بازخورد منضبط باقی بماند، ارزش ICP Skills کمتر با جذابیت نسل اول و بیشتر با سرعت حذف خطاهای تکراری در نسل‌های بعدی سنجیده خواهد شد.