درس زلدمن برای رابط‌های هوش مصنوعی
فرانتاند
هوش مصنوعیخلاصهٔ کامل‌تر
پاتریک نیمن مقاله رو با یه تشخیص شروع می‌کنه: هر تیمی که الان داره با هوش مصنوعی چیزی می‌سازه فکر می‌کنه روی یه مرز خالی کار می‌کنه — رابط جدید، قاعده‌های جدید، بدون نقشه. به گفتهٔ اون این باور غلطه و هزینه‌ش هم فرضی نیست: دوباره‌کاری، کاربرانی که هیچ‌وقت به ابزار اعتماد نمی‌کنن، و محصولاتی که سریع پیر می‌شن. حس‌وحالش شبیه ۱۹۹۷ه، وقتی نت‌اسکیپ و اینترنت اکسپلورر و اپرا هرکدوم یه صفحه رو جور دیگه‌ای رندر می‌کردن و طراح‌ها یه کار رو سه بار می‌ساختن.
بعد یه گروه کوچیک تصمیم گرفت این آشوب یه انتخابه نه یه واقعیت طبیعی، و برای استانداردها استدلال کرد. جفری زلدمن سردستهٔ این ماجرا بود. نویسنده تأکید می‌کنه دستاورد واقعی زلدمن یه مشخصات فنی نبود؛ کار سخت‌تری کرد: یه صنعت رو قانع کرد که قراردادهای مشترک ارزش جنگیدن دارن. اون با یه موضع دنیا رو عوض کرد، نه با یه spec.
نویسنده تاریخچه رو یادآوری می‌کنه چون به گفتهٔ خودش خیلی از طراح‌های امروز اصلاً این اسم رو نشنیدن: زلدمن سال ۱۹۹۸ نشریهٔ A List Apart رو راه انداخت و هم‌زمان Web Standards Project رو بنیان گذاشت، یه ائتلاف مردمی از طراح‌ها و توسعه‌دهنده‌ها با یه هدف ساده — وادار کردن سازنده‌های مرورگر به پشتیبانی یکسان از فناوری‌های یکسان. کتاب ۲۰۰۳ اون، Designing with Web Standards، نیمهٔ اولش اصلاً مخاطبش توسعه‌دهنده نبود، بلکه کسایی بود که چک امضا می‌کنن.
سه چیز از اون جنبش به‌درد امروز می‌خوره. اول جداسازی معنایی: تفکیک ساختار، ارائه و رفتار به لایه‌های مجزا، همون ایده‌ای که هنوز پشت هر دیزاین سیستمیه و طراحی اتمی برد فراست ادامه‌شه. دوم استدلال اقتصادی قبل از استدلال اخلاقی: زلدمن با هزینه و دسترس‌پذیری شروع کرد نه با فضیلت، و دسترس‌پذیری به‌عنوان بخشی از همون اقتصاد پذیرفته شد — به قول مقاله، اگه می‌خوای یه قرارداد فراگیر بشه، ارزونش کن نه فقط حق‌به‌جانب. سوم ائتلاف به‌جای فرمان: هیچ‌کس اختیار اجباری کردن استانداردها رو نداشت، فشار از پایین و از سمت خود اهل فن اومد تا جایی که تبعیت آسون‌تر از مقاومت شد.
حالا به گفتهٔ نویسنده مرورگرها اسم‌های تازه دارن: ChatGPT، Claude، Gemini و Copilot هرکدوم یه کار رو جور خودشون انجام می‌دن، با قراردادهای خودشون برای پارس کردن محتوا، نشون دادن استدلال، ارجاع به منبع و اجازه گرفتن قبل از عمل. یاکوب نیلسن این رو اولین پارادایم رابط کاربری جدید در شصت سال گذشته خونده و همین‌جاست که مشکل شروع میشه: بخشی از قراردادها جا افتاده و بخشی نه. وقتی هر مدل استدلال و منابع و اطمینانش رو جور دیگه‌ای قالب‌بندی می‌کنه، نمی‌شه دو جواب رو کنار هم گذاشت — و این بی‌سروصدا داره ارزیابی‌ها رو خراب می‌کنه، چون آخرش داری بسته‌بندی رو نمره می‌دی نه جواب رو.
نویسنده اضافه می‌کنه که رابط فقط نیمهٔ قابل مشاهدهٔ ماجراست. زیرش لایهٔ مهارت‌ها نشسته: واحدهای قابل استفادهٔ مجدد از توانایی و قراردادهای توصیف و کشف و ترکیب اون‌ها. یه تکه از این پازل جلوتره — Model Context Protocol تو کمتر از یک سال به یه استاندارد بین‌شرکتی برای وصل کردن مدل به ابزارها تبدیل شد. ضمن اینکه وب فقط یه سطح داشت (صفحه تو مرورگر) ولی هوش مصنوعی هم‌زمان روی چت، صدا، ایجنت‌های خودمختار، دستیارهای توکار و رابط‌هایی که درجا خودشون رو می‌سازن پخش شده؛ هر سطح تازه یه جای دیگه برای انشعاب قرارداده.
بخش عملی مقاله چهار کار پیشنهاد می‌ده: الگوها رو قبل از قفل شدن توسط فروشنده‌ها نام‌گذاری کنید (توافق روی اینکه «کارت رو نشون بده»، «منبعت رو بگو» و «مطمئن نیستم» چه شکلی باید باشن، به‌عنوان کامپوننت قابل استفادهٔ مجدد)؛ ردیابی‌پذیری و اطمینان رو درجه‌یک کنید، چون به قول نویسنده خطرناک‌ترین کاری که یه رابط هوش مصنوعی می‌تونه بکنه اینه که یه حدس رو با همون اقتدار بصری یه واقعیت نشون بده؛ ائتلاف بسازید نه فرمان (الگوهات رو منتشر کن، ازشون دفاع کن، و قرارداد خوب دیگران رو به‌جای اختراع دوباره بپذیر)؛ و در نهایت اینکه مارک‌آپ جدید، مارک‌داونه.
این بخش آخر جالب‌ترین قسمت مقاله‌ست: ایجنت‌ها بیشتر و بیشتر دستوراتشون رو از فایل‌های متنی سادهٔ کنار پروژه می‌گیرن — AGENTS.md برای رفتار ایجنت، SKILL.md برای اینکه یه قابلیت چی‌کار می‌کنه، README.md برای زمینه. نویسنده این رو لایهٔ معنایی جدید می‌دونه: باز هم مارک‌آپه، این بار نوشته‌شده با مارک‌داون و خونده‌شده توسط یه مدل به‌جای مرورگر. پیشنهادش اینه که یه design.md برای الگوها و توکن‌های دیزاین سیستم، یه accessibility.md برای خط‌قرمزهای دسترس‌پذیری به زبانی که مدل بفهمه، و یه content.md برای لحن و اصطلاحات بنویسید و باهاشون مثل یه قرارداد رفتار کنید نه یه ترجیح.
نویسنده یادآوری می‌کنه که لازم نیست از صفر شروع کنید: W3C از ۱۹۹۴ فرایند استانداردسازی مبتنی بر اجماع داره و سال ۲۰۲۵ گروه Web and AI رو راه انداخته، در کنار پروتکل‌هایی مثل A2UI برای توصیف اعلانی رابط توسط ایجنت‌ها، Agent2Agent برای همکاری ایجنت‌ها، و کارهای مربوط به هویت ایجنت. تقسیم کار قدیمی هم درس داره: W3C استانداردها رو نوشت و Web Standards Project پذیرفتنشون رو غیراختیاری کرد. جمع‌بندی نویسنده اینه که این لحظه یه پیش‌بینی نیست، یه انتخابه که همین الان و بیشتر از روی بی‌عملی داره گرفته میشه، و پنجره‌ش همون لحظه‌ای بسته میشه که قبول کنیم آشوب چیز عادیه.
نکات کلیدی:
- وضعیت رابط‌های هوش مصنوعی شبیه جنگ مرورگرهاست: هر ابزار قرارداد خودش رو داره
- دستاورد زلدمن یه spec نبود، قانع کردن صنعت به ارزش قراردادهای مشترک بود
- سه درس: جداسازی لایه‌ها، استدلال اقتصادی قبل از اخلاقی، ائتلاف به‌جای فرمان
- بی‌استانداردی مقایسهٔ جواب‌ها رو سخت کرده و ارزیابی مدل‌ها رو خراب می‌کنه
- خطرناک‌ترین کار یه رابط، نشون دادن حدس با همون اقتدار بصری واقعیته
- لایهٔ معنایی جدید مارک‌داونه: AGENTS.md، SKILL.md و فایل‌هایی مثل accessibility.md
- MCP، A2UI و Agent2Agent همین حالا دارن شکل می‌گیرن و هنوز قابل تأثیرگذاری‌ان
