OpenAI محدودیت حافظه را شکانده: Server-side Compaction، Hosted Shell و استاندارد Skills برای عاملهای بلندمدت
OpenAI در بهروزرسانی اخیر Responses API سه قابلیت اصلی را معرفی کرده که نوید تبدیل عاملهای هوش مصنوعی فراموشکار به کارمندان دیجیتال بلندمدت و پایدار را میدهد: Server-side Compaction (فشردهسازی سمت سرور)، Hosted Shell Containers (کانتینرهای شل میزبانیشده) و پشتیبانی از استاندارد جدید Skills. این تغییرات مسیر توسعه عاملهای خودگردان را از آزمایشگاهی و موقتی به سطح تولیدی و سازمانی ارتقا میدهند.
حافظه پایدار: Server-side Compaction
یکی از بزرگترین چالشها برای عاملهای خودگردان رشد سریع تاریخچه گفتگوها و رسیدن به سقف توکن مدلها بود که توسعهدهندگان را مجبور به حذف بخشهای مهم «استدلال» میکرد. راهحل OpenAI با عنوان Server-side Compaction بهجای حذف ساده تاریخچه، قابلیت فشردهسازی هوشمند را ارائه میدهد: مدل میتواند اقدامات و نتایج قبلی را خلاصهسازی کرده و تنها اطلاعات ضروری را حفظ کند تا زمینه کامل و قابلاستفاده برای ادامه کار باقی بماند. دادههای اولیه از پلتفرم تجارت الکترونیک Triple Whale نشان دادهاند که عامل این شرکت توانسته در یک نشست حاوی 5 میلیون توکن و 150 فراخوان ابزار بدون افت دقت به کار خود ادامه دهد؛ نشانهای از پایداری قابلتوجه در پردازش طولانیمدت.
محیط اجرایی مدیریتشده: Hosted Shell Containers
ابزار Shell جدید در Responses API امکان انتخاب container_auto را فراهم میکند که یک محیط Debian 12 میزبانیشده جهت اجرای کد در اختیار عامل میگذارد. این محیط تنها یک مفسر کد ساده نیست، بلکه یک ترمینال کامل با قابلیتهای زیر است:
– محیطهای بومی اجرا: Python 3.11، Node.js 22، Java 17، Go 1.23 و Ruby 3.1.
– حافظه دائم: مسیر /mnt/data برای ذخیرهسازی، تولید و دانلود فایلها.
– امکانات شبکهای: امکان نصب کتابخانهها و تعامل با APIهای ثالث.
با این کانتینرهای میزبانیشده، تیمهای داده و مهندسان میتوانند بدون ساخت و نگهداری زیرساختهای اختصاصی ETL یا ساندباکسهای امن، پردازشهای سنگین داده را اجرا کنند. به بیان سادهتر، OpenAI میگوید: «دستورالعملها را بدهید، ما کامپیوتر را فراهم میکنیم.»
استاندارد Skills و پورتابل شدن دانش عملیاتی
همزمان با ارائه زیرساخت، OpenAI و Anthropic روی استاندارد مشترکی برای مهارتها (Skills) توافق کردهاند: پروندههای SKILL.md با YAML frontmatter. مهارتها شامل دستورالعملها و رویههای مشخصی هستند که میتوانند بین پلتفرمها جابهجا شوند؛ مثلا پروژه متنباز OpenClaw از همین فرمت و بستهبندی پوشهای استفاده کرده و توانسته از مجموعهای عظیم از مهارتهای طراحیشده برای Claude بهره ببرد. پلتفرمهایی مانند ClawHub اکنون بیش از 3,000 افزونه و مهارت جامعهمحور میزبانی میکنند که از اتوماسیونهای خانگی تا گردشکارهای سازمانی پیشرفته را شامل میشود. این همگرایی نشان میدهد مهارتها کمکم به داراییهای نسخهگذاریشده، قابل اشتراک و مستقل از فروشنده تبدیل میشوند.
دو استراتژی بزرگ: OpenAI در برابر Anthropic
گرچه هر دو بازیگر از همان استاندارد مهارتها پشتیبانی میکنند، رویکردهای آنها متفاوت است:
– OpenAI: تمرکز بر «زیرساخت قابل برنامهریزی» و سرعت توسعه. با ترکیب Shell میزبانیشده، حافظه فشردهشده و مهارتها در Responses API، تجربهای آماده و با کارایی بالا برای ایجاد عاملهای بلندمدت ارائه میدهد. نمونهای از تأثیر آن، گزارش افزایش دقت ابزار به 85٪ از 73٪ در استارتاپ جستجوی سازمانی Glean پس از استفاده از چارچوب Skills است.
– Anthropic: تمرکز بر «بازار تخصصها» و اتصال سریع به شرکا. این پلتفرم مجموعهای بالغ از کتابچههای عملیاتی از شرکتهایی مانند Atlassian، Figma و Stripe دارد که برای عرضه فوری و یکپارچهسازی طراحی شدهاند.
پیامدها برای مهندسان، مدیران محصول و امنیت
برای مهندسان نرمافزار و داده، Server-side Compaction و مهارتها به معنای حذف نیاز به مدیریت دستی وضعیت طولانیمدت و توسعه لایههای مخصوص برای هر پروژه است. مهارتها امکان بستهبندی IP تخصصی—شامل تنظیمات دقیق و رویههای خاص—را فراهم میکنند تا در پروژههای مختلف دوباره استفاده شود. اما این پیشرفتها مستلزم توجه بیشتر به امنیت است:
– دسترسی و کنترل: «کدام مهارتها برای چه کاربرانی مجاز است؟»
– حسابرسی: «چگونه آثار تولیدشده در فایلسیستم میزبانیشده رصد و ثبت میشود؟»
– محافظت در برابر مهارتهای مخرب: خطرات تزریق پرامپت و راههای خروج غیرمجاز دادهها باید توسط SecOps با استفاده از مکانیسمهایی مثل Domain Secrets و Org Allowlists مدیریت شود تا احراز هویت و محرمانگی کلیدها افشا نشود.
کدامیک را انتخاب کنیم؟
– OpenAI مناسب است اگر به اجرای ایالتدار (stateful) سنگین، پردازش طولانیمدت و نیاز به محیط اجرای مدیریتشده با پایداری بالا دارید.
– Anthropic گزینه بهتری است اگر استراتژی شما متکی به یک بازار گسترده از یکپارچهسازیها و راهکارهای آماده شرکتی است.
نتیجهگیری
معماری جدید مبتنی بر استاندارد Skills و امکاناتی مانند Server-side Compaction و Hosted Shell نشاندهنده عبور عاملهای هوش مصنوعی از دوره «گلدانهای بسته» و پرامپتهای پراکنده است. اکنون صنعت در مسیر تبدیل «پرامپت اسپاگتی» به یک معماری مشترک، نسخهپذیر و قابلانتقال برای نیروی کار دیجیتال قرار گرفته است. انتخاب بین زیرساختهای آماده و بازار تخصصی به اولویتهای سازمانی—عملکرد بلندمدت در مقابل اتصال سریع به شرکا—بستگی دارد.
بهروزرسانی — 10 فوریه: این خبر اصلاح شد تا تفاوتهای قابل انتقال بودن مهارتهای OpenAI و Anthropic را دقیقتر منعکس کند. از اشتباه قبلی پوزش میطلبیم.