یک مخزن جدید در GitHub با عنوان Loop Engineering منتشر شده که ایده متفاوتی را برای استفاده از عامل‌های هوش مصنوعی مطرح می‌کند.
📌 پیام اصلی این پروژه ساده است:
به‌جای اینکه دائماً برای عامل هوش مصنوعی پرامپت بنویسید، یک چرخه کاری (Loop) طراحی کنید تا عامل‌ها به‌صورت خودکار وظایف را انجام دهند، بررسی کنند، خطاها را اصلاح کنند و فقط در صورت نیاز، موضوع را به انسان ارجاع دهند.
امروزه بسیاری از کاربران هنوز ابزارهایی مانند Claude Code، Codex، Cursor یا Grok را به شکل سنتی استفاده می‌کنند:✍️ پرامپت بنویس
⏳ منتظر پاسخ بمان
📋 خروجی را کپی کن
🛠 اصلاح کن
🔁 دوباره پرامپت بده...
اما در مهندسی حلقه، هدف این است که دیگر نقش «مراقب دائمی عامل» را نداشته باشید و به‌جای آن، یک سیستم خودکار طراحی کنید که بخش زیادی از این چرخه را بدون دخالت مستقیم شما مدیریت کند.
🧩 این مخزن شامل چرخه‌های آماده برای وظایفی مانند:
✅ بررسی روزانه پروژه‌ها (Daily Triage)
🔀 مدیریت Pull Requestها
⚙️ اجرای CI
📦 مدیریت وابستگی‌ها
📝 تولید Changelog
🐞 مدیریت Issueها
همچنین ابزارهای خط فرمان (CLI) برای ساخت چرخه‌ها، ارزیابی مصرف توکن، ممیزی مخزن و اجرای ایمن عامل‌ها از طریق GitHub Actions نیز در آن ارائه شده است.
💡 همان‌طور که نویسنده پروژه می‌گوید:
«مهندسی پرامپت درباره نوشتن پرامپت بهتر بود؛ اما مهندسی حلقه درباره ساخت سیستمی است که عامل‌های هوش مصنوعی بدون نیاز به نظارت مداوم شما به کار خود ادامه دهند.»
به نظر می‌رسد پس از Prompt Engineering، اکنون Loop Engineering می‌تواند یکی از مفاهیم مهم نسل بعدی توسعه نرم‌افزار مبتنی بر عامل‌های هوش مصنوعی باشد. 🚀
🔗 مخزن GitHub:
https://github.com/cobusgreyling/loop-engineering
➖➖➖➖➖➖➖➖➖➖
🔻 @hitwithit
✳️کانال انفورماتیک پزشکی و فناوری اطلاعات سلامت
