چطور Gemini 4 Carbon رو ساعتها بیوقفه سر کار نگه داریم
خلاصهٔ کاملتر
طبق این مقاله، اگه به Gemini 4 Carbon (و بیشتر مدلهای کدنویسی agentic) یه پرامپت معمولی بدی، یه پیشنویس اولیه تحویل میده و کار رو تموم میکنه. برای اینکه ساعتها یا حتی روزها روی یه پروژه کار کنه، باید سه چیز رو از اول تو پرامپت بذاری: یه حداقل تعداد دور (مثلاً «حداقل ۱۰۰ دور»)، یه راه برای اینکه مدل کار خودش رو چک کنه، و یه فایل وضعیت روی دیسک.
تستها تو Antigravity، محیط کدنویسی agentic گوگل، انجام شده که به مدل دسترسی به فایل سیستم، اجرای کد و جستجوی وب میده. مشکل اصلی کارهای طولانی، context window هست، یعنی مقدار متنی که مدل یهجا تو حافظه نگه میداره. وقتی پر میشه، حافظهٔ مدل عملاً ریست میشه. راهحل یه فایل روی دیسکه که شمارهٔ دور فعلی و لیست ده مشکل بزرگ باز رو نگه میداره. مدل بعد از هر ریست اول این فایل رو میخونه و از همونجا ادامه میده.
نویسنده میگه مدلی که کار خودش رو از روی حافظه نقد کنه، معمولاً با خودش مهربونه. برای همین هر ۱۰ دور یه sub-agent تازه (یعنی یه ایجنت فرعی جدید بدون حافظهٔ قبلی) ساخته میشد که فقط خروجی و عکسهای مرجع رو میدید و به نقشه یا استدلال قبلی دسترسی نداشت. تو پروژهٔ بازسازی قلعه، این امتیازدهی از ۳ از ۱۰ شروع شد و بعد از بیش از ۶۵ دور به حدود ۵ رسید. حد واقعنمایی ۸ در نظر گرفته شده بود.
پروژهٔ اصلی بازسازی قلعهٔ Kilabalahisar تو پیشاور پاکستان بود که منابع انگلیسی کمی داره. مدل حدود ۳۰ منبع خوند، از اسناد دورهٔ استعماری دههٔ ۱۸۹۰ تا عکسهای هوایی و ماهوارهای. بخشهایی که مدرک نداشتن رو صریحاً «inferred» (یعنی حدسی) علامت زد. موتور سهبعدیای که بهش داده بودن فقط حدود یه ماه قبل منتشر شده بود. وقتی یه قابلیتی کم داشت، مدل رفت سراغ سورس خود موتور و شش تغییر داد که دوتاش رفع باگ واقعی بود.
همین عادتها تو کارهای غیرتصویری هم دیده شد. مدل قبل از شبیهسازی برخورد دو کهکشان با بیش از نیم میلیون ستاره روی GPU، اول یه تست تککهکشانی گرفت. تو یه کار دیگه یه الگوریتم reinforcement learning از صفر نوشت تا یه ربات چهارپا راه رفتن یاد بگیره. وقتی دید ربات از لبهٔ زمین بیرون میره، زمین رو بزرگتر کرد و دوباره رندر گرفت. تو یه انیمیشن دویدن هم خودش یه برنامه نوشت که فریم به فریم پرشها رو پیدا کنه.
نویسنده معتقده این الگو برای کارهایی که میشه به دورهای قابل اندازهگیری شکستشون، خیلی به درد میخوره. ولی محدودیت هم داره: امتیاز خود سیستم حوالی ۵ از ۱۰ متوقف شد و یه لرزش تو انیمیشن رو فقط بازخورد انسانی پیدا کرد. یعنی این ایجنتها همکار توانا هستن، نه سیستمی که روشنش کنی و دیگه سر نزنی. این سه ترفند هم به Gemini وابسته نیستن و با مدلهای دیگه هم جواب میدن.
نکات کلیدی:
- سه جزء ثابت پرامپت: حداقل تعداد دور، راه چک کردن خروجی، و فایل وضعیت روی دیسک.
- پروژهٔ بازسازی قلعه حدود ۲۰ ساعت بدون دخالت انسان اجرا شد.
- ریویور تازه هر ۱۰ دور امتیاز رو از ۳ به حدود ۵ از ۱۰ رسوند، حد واقعنمایی ۸ بود.
- مدل شش تغییر تو سورس موتور سهبعدی داد که دوتاش رفع باگ بود.
- بازخورد انسانی هنوز لازمه، مثلاً برای پیدا کردن لرزش انیمیشن که بررسی خودکار ندید.




