‏الگوی معمار-کارگر تو سیستم‌های چندایجنتی

به گفتهٔ نویسنده، بیشترِ توسعه‌دهنده‌ها برای همهٔ مراحلِ یه workflow سراغ یه مدل می‌رن چون ساده‌تره، ولی معمولاً انتخابِ اشتباهیه. کارهای مختلف نیازهای متفاوتی دارن: برنامه‌ریزیِ یه سیستمِ پیچیده و شکستنِ هدفِ مبهم به استدلالِ عمیق نیاز داره، ولی اجرای همون تصمیم‌ها به سرعت و کارآمدیِ کم‌هزینه. همین تنش، الگوی معمار-کارگرو یکی از عملی‌ترین ساختارها کرده.

الگو مسئولیت‌ها رو عمداً جدا می‌کنه: معمار هدفِ اولیه رو می‌گیره، به تسک‌ها می‌شکنه، تصمیم می‌گیره کدوم ایجنت چی‌کار کنه و وابستگیِ مراحلو مدیریت می‌کنه. کارگر یه تسکِ مشخص و بی‌ابهام می‌گیره و اجراش می‌کنه، بدونِ نیاز به استراتژی. نویسنده می‌گه این فقط یه استعارهٔ سازمانی نیست؛ بازتابِ رفتارِ واقعیِ هزینه، تأخیر و مصرفِ توکن تو محصوله.

به گفتهٔ نویسنده، Fable 5 برای نقشِ معمار مناسبه چون تو تجزیهٔ عمیقِ تسک، مدیریتِ ابهام در ابتدای زنجیره و برنامه‌ریزیِ دوباره (replanning) قویه؛ می‌تونه بافتِ سیستمو تو یه زنجیرهٔ طولانی از استدلال نگه داره. در مقابل GPT-5.6 Sol برای نقشِ کارگر مناسبه چون سریع‌تر و ارزون‌تره، دستورالعملو دقیق دنبال می‌کنه و برای اجرای موازیِ پرحجم صرفه داره.

نویسنده یه مسیرِ طراحی می‌ده. اول هدفو با یه schema ساختارمند به معمار بده (هدف، بافت، محدودیت‌ها، کارگرهای موجود). بعد معمار باید یه نقشهٔ تسکِ ساختارمند بیرون بده، نه متنِ آزاد. یه نمونهٔ کوتاه از خروجیِ معمار این شکلیه:

{
  "id": "task_2",
  "description": "Summarize each pricing page",
  "assigned_to": "worker_summarize",
  "depends_on": ["task_1"],
  "output_format": "JSON with competitor name and pricing tiers"
}

بعد هر کارگر فقط همون یه تسکو با پرامپتِ باریک می‌گیره تا متمرکز بمونه، و نتیجه برمی‌گرده به معمار برای اعتبارسنجی و برنامه‌ریزیِ مرحلهٔ بعد. نویسنده تأکید می‌کنه معمار باید مشخص کنه کدوم تسک‌ها مستقلن و می‌تونن موازی اجرا بشن؛ همین‌جا صرفه‌جوییِ زمان و هزینه روی‌هم جمع می‌شه، چون چند فراخوانِ موازیِ ارزون سریع‌تر و کم‌هزینه‌تر از اجرای همون کار رو مدلِ معمارن.

اشتباه‌های رایجی که نویسنده هشدار می‌ده: سپردنِ کارهای ساده به معمار، کم‌جزئیات‌بودنِ تسکِ کارگر، بی‌توجهی به اعتبارسنجیِ خروجی و پرش از گامِ replanning. به گفتهٔ نویسنده مهم‌ترین عاملِ قابلیت‌اطمینان، کیفیتِ تجزیهٔ تسک توسطِ معماره؛ دستورالعملِ مبهم، نتیجهٔ ناهماهنگ می‌ده و اضافه‌کردنِ کارگرِ بیشتر اوضاعو بدتر می‌کنه نه بهتر.

نکات کلیدی:

• الگوی معمار-کارگر مدلِ قوی‌رو به برنامه‌ریزی و مدلِ ارزون‌رو به اجرا می‌سپاره تا هزینه بدونِ افتِ کیفیت کم بشه.
• Fable 5 با قدرتِ استدلال و replanning برای نقشِ معمار مناسبه.
• GPT-5.6 Sol با سرعت و صرفهٔ هزینه برای اجرای موازیِ پرحجم خوبه.
• خروجیِ ساختارمندِ معمار مهم‌ترین عاملِ قابلیت‌اطمینانِ کارگره.
• اعتبارسنجی تو هر نقطهٔ تحویل جلوی سرایتِ خطا رو می‌گیره.