‏تجربهٔ دسترسی زودهنگام به Gemini 4 Argon در سه پروژهٔ واقعی

JK Gunnink که عضو برنامهٔ Google Developer Experts هست، زودتر از بقیه به مدل جدید گوگل یعنی Gemini 4 با اسم رمز Argon دسترسی گرفته و اون رو فقط از طریق محیط Antigravity روی سه کار امتحان کرده. نویسنده می‌گه سطح Argon رو تقریباً هم‌اندازهٔ Opus 5.5 می‌دونه. به گفتهٔ اون، این مدل تو برنامه‌ریزی معماری و تولید سریع کد چندفایلی که از چک‌های static رد می‌شه عالیه، ولی بدون بازخورد از اجرای واقعی، ایرادهای ظاهری و باگ‌های همزمانی رو نمی‌بینه.

کار اول ساخت یه بازی موبایل از صفر بود، یه shooter ریلی با الهام از StarFox. نویسنده می‌گه هیچی از ساخت بازی موبایل نمی‌دونست و حدود ۳ تا ۴ ساعت با مدل سؤال و جواب کرد تا جزئیات بازی مشخص بشه. نتیجه یه بازی با چند مرحله، باس، barrel roll و شلیک قفل‌شونده بود که روی صفحه‌های مختلف، حتی گوشی تاشو، کار می‌کرد. یکی از نکته‌های جالب این بود که Argon به گوشی وصل می‌شد، لاگ‌ها و کرش‌ها رو می‌خوند و خودش درستشون می‌کرد.

کار دوم بازطراحی رابط RocketFlag بود، سرویس feature flag خود نویسنده. Argon اول ریپازیتوری رو بررسی کرد و فهمید حدود ۷۵٪ اپ ایرادهای ساختاری داره، مثل انیمیشن ۲.۳ ثانیه‌ای که موقع هر تغییر flag کاربر رو معطل می‌کرد. ساختن سریع چند صفحهٔ HTML نمونه قبل از پیاده‌سازی اصلی به نظر نویسنده عالی بود. وقتی هم یه اسکریپت Playwright برای چک کردن ظاهر صفحه‌ها وصل شد، ۱۴ اصلاح ظاهری هر کدوم یه‌باره درست شدن و ۹۱ از ۹۸ تست E2E همون بار اول سبز شدن.

ولی ضعف‌ها هم کم نبودن. طراحی اولیه شلوغ و کلیشه‌ای بود و شش دور راهنمایی دقیق لازم داشت. با اینکه ۸۹۵ تست واحد پاس شدن، رابط واقعی ایرادهای جدی داشت، مثلاً به‌جای ساختن drawer خواسته‌شده یه modal قدیمی رو دوباره استایل داده بود. تم تاریک کنتراست ۲.۶ به ۱ و فونت ۱۰ پیکسلی داشت که با استاندارد WCAG جور نبود. کنترل‌های ویرایش هم بی‌صدا حذف شده بودن یا برای کاربرهای فقط‌خواندنی نمایش داده می‌شدن، یعنی یه نشت RBAC (کنترل دسترسی بر اساس نقش).

کار سوم بررسی امنیت و پایداری یه پلتفرم SaaS چندمستأجری با بک‌اند Go، Firestore، Pub/Sub و پرداخت Stripe بود. این کار نزدیک ۱۳۰۰ قدم ایجنت طول کشید و ۳۲ مشکل رتبه‌بندی‌شده پیدا شد. تقسیم کار بین سه subagent جدا باعث شد context پر نشه، و مشکلاتی مثل برخورد کلیدهای کش، IDOR بین پروژه‌ها و race condition تو webhookهای Stripe همون بار اول درست شدن. نویسنده یه مرحلهٔ بازبینی خصمانهٔ خودی هم اجباری کرد، یعنی مدل قبل از PR کد خودش رو با نگاه منتقد بررسی کنه، و همین چند باگ جدی مثل حلقهٔ بی‌پایان اتصال مجدد Pub/Sub رو گرفت.

نتیجه‌گیری نویسنده اینه که Argon قدم لازمی برای گوگله، ولی این روزها چیزی که بیشتر از توانایی مدل مهمه، نحوهٔ هدایت اونه. به نظر اون، ابزارهای گوگل مثل Antigravity و AI Studio از قدرت استدلال مدل کامل استفاده نمی‌کنن و Gemini زود نتیجه می‌گیره و شروع به ساختن می‌کنه. توصیه‌ش اینه که اول برنامه بریزی، بعد کار رو شروع کنی، و چرخهٔ commit، بازبینی خصمانه و commit تقویتی رو همراه با تست integration واقعی دنبال کنی.

نکات کلیدی:

• نویسنده سطح Gemini 4 Argon رو تقریباً برابر Opus 5.5 می‌دونه و بیشتر با reasoning روی «high» کار کرده.
• Argon به گوشی وصل می‌شد، لاگ و کرش‌ها رو می‌خوند و خودش درستشون می‌کرد.
• تو بازطراحی RocketFlag، ۹۱ از ۹۸ تست E2E بار اول پاس شدن و ۷ تای باقی تو یه commit درست شدن.
• با وجود ۸۹۵ تست واحد سبز، رابط واقعی ایراد ظاهری، کنتراست ۲.۶ به ۱ و نشت RBAC داشت.
• بررسی بک‌اند حدود ۱۳۰۰ قدم ایجنت طول کشید و ۳۲ مشکل رتبه‌بندی‌شده پیدا کرد.
• بازبینی خصمانهٔ خودی باگ‌هایی مثل حلقهٔ بی‌پایان اتصال Pub/Sub رو قبل از production گرفت.
• تست‌های mock‌شده مشکل invalidation کش با نوشتن‌های خارجی Firestore رو نشون ندادن، ولی تست integration واقعی نشون داد.