پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

معرفی Agav؛ ایجنت متن‌باز کدنویسی در ترمینال با تمرکز بر کاهش چشمگیر هزینه‌ها

انتشار:۱۱ آبان ۱۴۰۵(۳ ساعت پیش)
۲ دقیقه زمان مطالعه
۰ دیدگاه
اشتراک و پسندیدن

ایجنت متن‌باز Agav با هدف اجرای مستقیم در محیط ترمینال و کاهش هزینه‌های توسعه نرم‌افزار معرفی شد. این ابزار به‌جای تکیه صرف بر مدل‌های ارزان‌تر، از طریق مدیریت هوشمند حافظه کش و کنترل خروجی ابزارها، هزینه مصرف توکن را تا حدود ۴۹ درصد کاهش می‌دهد.

معرفی Agav؛ ایجنت متن‌باز کدنویسی در ترمینال با تمرکز بر کاهش چشمگیر هزینه‌ها

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • ایجنت کدنویسی Agav ابزاری متن‌باز برای محیط ترمینال در سیستم‌عاملهای لینوکس، مک و ویندوز است که مدیریت هزینه‌ها را در معماری اجرای مدل پیاده‌سازی می‌کند.
  • این ابزار با کش کردن هوشمند پرامپت‌ها و محدودسازی خروجی ابزارها توانسته هزینه اجرای مدل GPT-5.6 Luna را نسبت به Codex حدود ۴۹ درصد کاهش دهد.
  • با وجود کاهش چشمگیر هزینه‌ها، نرخ موفقیت این ایجنت در بنچمارک استاندارد کمتر از رقیب اصلی است و کاربران باید آن را متناسب با نیاز پروژه‌های خود بسنجند.

معرفی Agav

ابزار Agav یک ایجنت هوش مصنوعی متن‌باز و مبتنی بر ترمینال (همراه با محیط اجرای اختصاصی) برای سیستم‌عاملهای لینوکس، مک (macOS) و ویندوز است. ایده اصلی توسعه‌دهندگان این است که بهرهوری و بهینه‌سازی هزینه‌ها باید در معماری بستر اجرا (Harness) شکل بگیردرویکردی که بر کش کردن پیشوند گفتگوها، محدودسازی خروجی ابزارها، پالایش جستجوها و تعیین قواعد توقف برای حلقه‌های تکراری بیثمر تمرکز دارد، نه آنکه صرفاً به انتخاب یک مدل ارزان‌تر محدود شود. در ارزیابی‌های انجامشده روی بنچمارک Terminal-Bench 2.1 با تعرفه‌های یکسان برای مدل GPT-5.6 Luna، برآورد هزینه‌های Agav حدود ۴۹ درصد کمتر از Codex بود، هرچند نرخ قبولی و اجرای موفق دستورات در آن پایین‌تر ثبت شد (۶۰٫۴ درصد در برابر ۷۶٫۶ درصد).

از جمله قابلیت‌های کلیدی این پروژه میتوان به امکان تعویض آسان مدل‌ها (شامل مدل‌های محلی Ollama)، پشتیبانی از ابزارهای پروتکل MCP، ایجنت‌های فرعی (Subagents)، حافظه محلی برای پروژه، احراز هویت یکپارچه (SSO) و سیاست‌های دسترسی تیمی اشاره کرد. نصب این ابزار نیز از طریق دستور curl | bash انجام می‌شود و حجمی در حدود ۲۷ تا ۳۹ مگابایت دارد.

سازوکار کاهش هزینه در بستر اجرا

  • کش کردن هوشمند پیشوند گفتگوها و حفظ پایداری بخش‌های پایانی تا تغییرات زمانی و شاخه‌های گیت باعث ابطال حافظه کش نشوند.
  • محدودسازی سقف خروجی ابزارها به حدود ۴۰ کیلوبایت یا ۲ هزار خط و انتقال داده‌های مازاد به حافظه دیسک به‌جای اشغال کانتکست مدل.
  • بهینه‌سازی جستجوها با نادیده گرفتن خودکار پوشه‌های سنگین نظیر node_modules، .git و dist.
  • تعیین سقف بودجه برای حلقه‌های اجرای ایجنت و صدور گزارش دقیق مصرف، تا روند هزینه‌ها کاملاً قابل بررسی و نظارت باشد.

موازنه میان هزینه و دقت

باید در نظر داشت که ارزان‌تر بودن لزوماً بهمعنای قدرتمندتر بودن نیست. نتایج منتشرشده در بنچمارک Terminal-Bench 2.1 نشان می‌دهد که Agav با وجود کاهش قابلتوجه هزینه‌ها، نرخ حل موفقیتآمیز کمتری نسبت به Codex ثبت کرده است؛ بنابراین پیشنهاد می‌شود کارایی آن را متناسب با وظایف و پروژه‌های واقعی خود ارزیابی کنید.

راهنمای نصب و استفاده

  1. نصب ابزار: اجرای دستور curl -fsSL https://agav.dev/install.sh | bash در محیط خط فرمان.
  2. پیکربندی مدل: تنظیم مشخصات اتصال به مدل دلخواه (در فضای ابری یا از طریق Ollama) و فعال‌سازی سرورهای اختیاری MCP.
  3. اجرا در پروژه: اجرای دستور Agav در مخزن کد، استفاده از دستور /model برای تغییر مدل و بررسی گزارش‌های مصرف پس از اجرای وظایف طولانی.
  4. تنظیمات سازمانی: بررسی مستندات احراز هویت سازمانی (SSO) و اعمال سیاست‌های تیمی در وب‌سایت agav.dev/teams.

بازخورد و اشتراک‌گذاری این مطلب

اگر این گزارش برایتان مفید بود، با پسندیدن و اشتراک‌گذاری آن با دیگران، از محتوای تخصصی هوش مصنوعی حمایت کنید.

اشتراک‌گذاری در شبکه‌های اجتماعی:

دیدگاه ها و گفتگوی تخصصی

نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید

۰ دیدگاه

هنوز دیدگاهی برای این مطلب ثبت نشده است

اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.

مطالب مرتبط و پیشنهادی

استارتاپ GenRobot AI برای توسعه داده‌های آموزش ربات، ۱۰۰ میلیون دلار سرمایه جذب کرد
آخرین اخبار

استارتاپ GenRobot AI برای توسعه داده‌های آموزش ربات، ۱۰۰ میلیون دلار سرمایه جذب کرد

استارتاپ چینی GenRobot AI که در زمینه توسعه زیرساخت و داده‌های مورد نیاز برای آموزش ربات‌ها فعالیت می‌کند، موفق به جذب ۱۰۰ میلیون دلار سرمایه در دور سری A+ شد. این دور از تأمین مالی با مشارکت نام‌های بزرگی هم‌چون بایدو و سایک موتور انجام شده است.

۱ دقیقه مطالعه
۰
۱۱ آبان
اپل هوش مصنوعی Qwen علی‌بابا را به Siri و آیفون می‌آورد؛ آغاز فاز آزمایشی از ۴ نوامبر
آخرین اخبار

اپل هوش مصنوعی Qwen علی‌بابا را به Siri و آیفون می‌آورد؛ آغاز فاز آزمایشی از ۴ نوامبر

اپل آزمایش قابلیت‌های هوش مصنوعی اختصاصی خود یعنی Apple Intelligence را از تاریخ ۴ نوامبر در سرزمین اصلی چین کلید می‌زند. در این طرح، مدل پیشرفته Qwen متعلق به علی‌بابا مستقیماً به Siri، ابزارهای نگارش و قابلیت هوش بصری اضافه می‌شود تا کاربران چینی بدون محدودیت از این امکانات استفاده کنند.

۱ دقیقه مطالعه
۰
۱۱ آبان
متا با همکاری شرکت چینی Fourier، نمونه اولیه ربات انسان‌نما را توسعه داد
آخرین اخبار

متا با همکاری شرکت چینی Fourier، نمونه اولیه ربات انسان‌نما را توسعه داد

شرکت متا با همکاری استارتاپ رباتیک Fourier در چین، نمونه اولیه‌ای از یک ربات انسان‌نما با نام Max را برای انجام کارهای خانگی توسعه داده است. این دو شرکت در حال حاضر کار روی نسل دوم این ربات را آغاز کرده‌اند تا مسیر عرضه ربات‌های تجاری در آینده هموار شود.

۱ دقیقه مطالعه
۰
۱۱ آبان