تنها سوالی که ایجنت را از چت‌بات جدا می‌کند
چه کسی تصمیم می‌گیرد که قدم بعدی چه باشد؟
در یک چت‌بات، هیچ‌کس این کار را نمی‌کند. شما پیامی می‌فرستید، مدل یک پاسخ تولید می‌کند و نوبت تمام می‌شود. اگر پاسخ به پیگیری نیاز داشته باشد، این شما هستید که آن را می‌نویسید. مدل هرگز روی دنیای واقعی عملی انجام نمی‌دهد؛ فقط متن می‌نویسد.
در یک ایجنت، این مدل است که تصمیم می‌گیرد. با داشتن یک هدف، مدل یک اقدام را انتخاب می‌کند، مثل جست‌وجو در وب، اجرای یک قطعه کد، باز کردن یک صفحه یا ویرایش یک فایل، نتیجه را به‌صورت متن دریافت می‌کند، آن را می‌خواند و اقدام بعدی را انتخاب می‌کند. این کار را ادامه می‌دهد تا زمانی که تشخیص دهد هدف محقق شده یا محدودیت تعداد قدم‌ها آن را متوقف کند. مدل، کنترل‌کننده این حلقه است.
راهنمای مهندسی Anthropic با عنوان «Building effective agents»، که در دسامبر 2024 منتشر شد، همین مرز را ترسیم می‌کند: گردش‌های کاری سیستم‌هایی هستند که مدل درون کدی اجرا می‌شود که مسیر را ثابت نگه می‌دارد، و ایجنت‌ها سیستم‌هایی هستند که مدل خودش فرآیند و استفاده از ابزار را هدایت می‌کند. این راهنما همچنین صریحاً می‌گوید کدام‌یک را باید اول ساخت، و پاسخش گردش کار است.
چت‌بات، گردش کار و ایجنت: یک مدل، سه حلقه متفاوت
هر سه می‌توانند روی یک مدل زبانی یکسان اجرا شوند. آنچه فرق می‌کند چیزی است که دور آن را احاطه کرده است.
| چت‌بات | گردش کار | ایجنت | |
|---|---|---|---|
| چه کسی قدم بعدی را انتخاب می‌کند | هیچ‌کس؛ یک پاسخ برای هر پیام | اسکریپتی که یک توسعه‌دهنده نوشته | مدل، بر اساس آخرین نتیجه |
| استفاده از ابزار | گاهی، یک فراخوانی در هر نوبت | بله، به ترتیبی ثابت | بله، به هر ترتیبی که خودش انتخاب کند |
| زمان توقف | بعد از یک پاسخ | وقتی اسکریپت به پایان برسد | وقتی تشخیص دهد هدف محقق شده یا به سقف تعداد قدم برسد |
| شکست معمول | یک پاسخ اشتباه | قدمی که ورودی نادرست دریافت می‌کند | حلقه‌ای که سرگردان می‌شود، تکرار می‌شود یا زودتر متوقف می‌شود |
| هزینه هر وظیفه | یک پاسخ | تعداد مشخصی پاسخ | نامشخص تا زمانی که تمام شود |
ستون گردش کار جایی است که بیشتر خودکارسازی‌های مفید در آن جای دارند. خط لوله‌ای که یک سند را خلاصه می‌کند، سپس تاریخ‌ها را استخراج می‌کند و بعد پیش‌نویس پاسخ را می‌نویسد، سه فراخوانی مدل به ترتیبی ثابت است. این کار قابل‌اعتماد است چون توسعه‌دهنده مسیر را تعیین کرده. این یک ایجنت نیست، هر چه صفحه فرود بگوید، و نامیدنش به‌عنوان ایجنت، مبادله واقعی را پنهان می‌کند: مسیر ثابت قابل‌پیش‌بینی و ارزان است، مسیری که مدل انتخاب می‌کند انعطاف‌پذیر است و هیچ‌کدام از آن دو نیست.
حلقه ایجنت گام‌به‌گام چگونه است
یک اجرای مشخص. هدف: «بفهم آیا رقیب ما قیمت‌گذاری‌اش را این ماه تغییر داده و برایم خلاصه‌ای دو پاراگرافی بنویس.»
- مدل هدف را می‌خواند و اولین اقدام را تصمیم می‌گیرد: جست‌وجوی وب برای صفحه قیمت‌گذاری رقیب.
- ابزار جست‌وجو فهرستی از نتایج را به‌صورت متن برمی‌گرداند. مدل آن را می‌خواند و یکی را برای باز کردن انتخاب می‌کند.
- ابزار مرورگر صفحه را برمی‌گرداند. مدل قیمت‌های فعلی را استخراج می‌کند.
- مدل تشخیص می‌دهد که به قیمت‌های قدیمی نیاز دارد، به دنبال نسخه بایگانی‌شده می‌گردد و آن را باز می‌کند.
- آن دو را مقایسه می‌کند، تشخیص می‌دهد که اطلاعات کافی دارد و خلاصه را می‌نویسد.
پنج قدم، چهار فراخوانی ابزار، شش فراخوانی مدل. هر قدم یک پاسخ کامل از مدل است، با تمام تاریخچه تا آن لحظه به‌عنوان ورودی. همین جزئیات آخر است که هزینه را بالا می‌برد: تا قدم پنجم، مدل در هر فراخوانی دوباره چهار صفحه از نتایج جست‌وجو و متن صفحات را می‌خواند. توکن در هوش مصنوعی چیست توضیح می‌دهد چرا ورودی‌ای که هر نوبت بزرگ‌تر می‌شود، شکل گران‌قیمت است.
و هر قدم جایی است که ممکن است اشتباه رخ دهد. اگر جست‌وجو در قدم 1 شرکت اشتباهی را برگرداند، قدم‌های 2 تا 5 با اطمینان کامل قیمت‌گذاری اشتباه را خلاصه می‌کنند. حلقه همان‌طور که پیشرفت را انباشته می‌کند، خطاها را هم انباشته می‌کند. یک سقف برای تعداد قدم‌ها و یک نقطه بازبینی انسانی پیش از ارسال هر چیزی، اختیاری نیستند.
هزینه یک اجرای ایجنت در برابر یک پاسخ تنها
این حساب‌وکتاب ساده است و مردم از کنارش رد می‌شوند. یک پاسخ استاندارد، با 1,000 توکن ورودی و 500 توکن خروجی، قیمت فهرستی هر مدل را می‌توان در شاخص هزینه مدل‌های هوش مصنوعی دید، با نرخ‌های OpenRouter که در تاریخ 2026-08-20 دریافت شده‌اند. یک اجرای ایجنت با 20 قدم دست‌کم معادل 20 پاسخ از این دست است، و در عمل بیشتر، چون ورودی در هر قدم بزرگ‌تر می‌شود.
بیست قدم روی Claude Sonnet 5 معادل $0.14 در کف قیمت است، در برابر $0.007 برای یک پاسخ؛ روی Claude Opus 5 این رقم $0.35 می‌شود، و اگر هر ساعت اجرا شود چیزی حدود $250 در ماه پیش از ضریب رشد ورودی خواهد بود. در اعتبارهای Whizi، همین حساب‌وکتاب را می‌توان از نردبان Auto در بالا خواند: 100 اعتبار یعنی 100 سؤال سریع روی مدل خانگی یا 5 نوبت استدلال روی GPT-5.6 Sol، پس یک حلقه 20 قدمی در پله استدلال معادل 400 اعتبار است، حدود یک‌ششم یک ماه Pro با 2,500 اعتبار، و همان حلقه روی مدل خانگی فقط 20 اعتبار است. به همین دلیل طراحی درست، قدم‌های برنامه‌ریزی را به یک مدل قوی و قدم‌های روتین را به یک مدل ارزان می‌سپارد، و به همین دلیل یک فضای کاری چندمدلی، خانه طبیعی کار ایجنتی است، نه یک اشتراک تک‌مدلی.
کدام محصولات واقعاً ایجنت هستند
دستیارهای کدنویسی که فایل‌ها را ویرایش می‌کنند و تست‌ها را اجرا می‌کنند در معنای دقیق کلمه ایجنت هستند: با دریافت گزارش یک باگ، کد را می‌خوانند، تغییری اعمال می‌کنند، مجموعه تست را اجرا می‌کنند، شکست را می‌خوانند و دوباره تلاش می‌کنند. حلقه واقعی است و مدل آن را هدایت می‌کند.
حالت‌های Deep Research در ChatGPT، Gemini و Perplexity ایجنت هستند: جست‌وجو می‌کنند، می‌خوانند، بر اساس آنچه پیدا کرده‌اند دوباره جست‌وجو می‌کنند و وقتی تشخیص دهند سؤال پوشش داده شده متوقف می‌شوند. تعداد قدم‌ها بسته به سؤال متفاوت است و همین نشانه ماجراست.
بیشتر «ایجنت»های داخل منوهای محصولات، پرسونا یا گردش کار هستند. یک ردیف در انتخابگر مدل که با عنوان مشاور مالیاتی یا مربی تحصیلی برچسب‌گذاری شده، معمولاً یک پرامپت سیستمی ثابت به‌همراه یک یا دو ابزار است. بخش Agents خود Whizi هم درباره این موضوع صادق است: ردیف CPA کانادایی یک پیش‌تنظیم است که در هر نوبت جست‌وجوی وب را اجباری می‌کند، با سقف هفت جست‌وجو، و بودجه توکن بزرگ‌تری معادل 55,000 ورودی و 40,000 خروجی دارد. این یک پرسونا با یک ابزار متصل و بودجه بزرگ‌تر است، و دقیقاً به همین دلیل مفید است که مسیرش ثابت است. این حلقه‌ای نیست که مدل آن را هدایت کند، و راهنمای مسیریابی Auto توضیح می‌دهد واقعاً چه چیزی مدل پشت هر پیام را انتخاب می‌کند.
واژگان دارد به سمتی می‌رود که همه‌چیز را ایجنت بنامد. سؤالی که باید از هر محصول پرسید همان سؤال بالای این صفحه است: چه کسی قدم بعدی را تصمیم می‌گیرد؟ اگر پاسخ «یک اسکریپت» یا «هیچ‌کس» باشد، شما در حال خرید یک گردش کار یا یک چت‌بات هستید، و شاید دقیقاً همین چیزی باشد که می‌خواهید.
چه زمانی ایجنت ابزار درستی است و چه زمانی نیست
ایجنت وقتی هزینه‌اش را توجیه می‌کند که مسیر از قبل قابل‌پیش‌بینی نباشد: پژوهشی که جست‌وجوی دوم به نتیجه اول بستگی دارد، رفع باگی که راه‌حل به خروجی تست بستگی دارد، مرور صفحاتی که کلیک بعدی به صفحه فعلی بستگی دارد. انعطاف‌پذیری همان محصول است.
وقتی مسیر مشخص است، ایجنت ابزار اشتباهی است. خلاصه‌سازی، استخراج، ترجمه، بازقالب‌بندی، دسته‌بندی: این‌ها یک فراخوانی یا یک توالی ثابت از فراخوانی‌ها هستند، و پیچیدن آن‌ها در یک حلقه فقط هزینه، تأخیر و یک راه جدید برای شکست خوردن اضافه می‌کند، بدون افزودن هیچ قابلیتی. توصیه راهنمای Anthropic همچنان پابرجاست: با یک فراخوانی تنها شروع کنید، وقتی یک فراخوانی کافی نبود به سراغ یک گردش کار بروید، و فقط وقتی گردش کار مدام به شاخه‌ای نیاز دارد که نمی‌توانید پیش‌بینی کنید، سراغ ایجنت بروید.
قانون تصمیم‌گیری: اگر می‌توانید قدم‌ها را پیش از شروع روی یک تخته سفید بکشید، ایجنت نسازید.
- پیش از باور کردن اینکه یک محصول ایجنت است، بپرسید چه کسی قدم بعدی را تصمیم می‌گیرد
- بودجه یک وظیفه ایجنتی را از ضرب تعداد قدم‌ها در قیمت هر پاسخ حساب کنید، سپس برای رشد ورودی هم چیزی اضافه کنید
- پیش از هر قدمی که چیزی ارسال، خرید، حذف یا منتشر می‌کند، یک سقف برای تعداد قدم‌ها و یک نقطه بازبینی انسانی بگذارید
- برای قدم‌های برنامه‌ریزی از مدل قوی و برای قدم‌های روتین از مدل ارزان استفاده کنید
- اگر می‌توانید قدم‌ها را از پیش ترسیم کنید، به‌جای ایجنت یک گردش کار بسازید
پرسش‌های متداول
تفاوت ایجنت هوش مصنوعی با چت‌بات چیست؟
چت‌بات به ازای هر پیام یک پاسخ تولید می‌کند و هیچ اقدامی انجام نمی‌دهد. ایجنت یک هدف را طی چند قدم دنبال می‌کند، خودش هر اقدام بعدی را انتخاب می‌کند، ابزارهایی مثل جست‌وجو یا کد را فرا می‌خواند، نتایج را می‌خواند و تصمیم می‌گیرد کِی کار تمام شده. مدل یکسان است، حلقه متفاوت است: ایجنت یک حلقه اجرا می‌کند، چت‌بات نه.
یک نمونه از ایجنت هوش مصنوعی چیست؟
یک دستیار کدنویسی که گزارش یک باگ را می‌خواند، کد را ویرایش می‌کند، تست‌ها را اجرا می‌کند، شکست را می‌خواند و دوباره تلاش می‌کند تا زمانی که تست‌ها موفق شوند. حالت‌های Deep Research که جست‌وجو می‌کنند، می‌خوانند و بر اساس آنچه پیدا کرده‌اند دوباره جست‌وجو می‌کنند، نمونه دیگری هستند. هر دو خودشان قدم بعدی را تصمیم می‌گیرند، که همان ویژگی تعریف‌کننده است.
آیا ChatGPT یک ایجنت هوش مصنوعی است؟
چت معمولی خیر؛ آن فقط به هر پیام یک‌به‌یک پاسخ می‌دهد. حالت‌های agent و Deep Research در ChatGPT این‌طور نیستند، چون در آن حالت‌ها مدل خودش برنامه‌ریزی می‌کند، از ابزار استفاده می‌کند و خودش تکرار می‌کند. همین موضوع درباره Agent Mode و Deep Research در Gemini، و حالت Research و Claude Code در Claude هم صادق است. هر محصول یک چت‌بات است که حالت‌های ایجنتی درون آن قرار دارد.
چرا ایجنت‌های هوش مصنوعی گران هستند؟
چون هر قدم یک فراخوانی کامل مدل است، و ورودی در هر قدم با انباشته‌شدن تاریخچه بزرگ‌تر می‌شود. یک اجرای 20 قدمی روی Claude Sonnet 5 دست‌کم $0.14 با قیمت فهرستی است، در برابر $0.007 برای یک پاسخ، طبق نرخ‌های OpenRouter که در 2026-08-20 دریافت شده‌اند، و رشد ورودی آن را بالاتر می‌برد. مسیریابی قدم‌های روتین به یک مدل ارزان‌تر روش استاندارد برای مهار این هزینه است.
آیا برای کار خودم به یک ایجنت هوش مصنوعی نیاز دارم؟
فقط اگر مسیر را نتوان از پیش برنامه‌ریزی کرد. پژوهش، رفع باگ و مرور صفحات، که هر قدم به نتیجه قدم قبلی بستگی دارد، از ایجنت سود می‌برند. خلاصه‌سازی، استخراج، ترجمه و بازقالب‌بندی یک فراخوانی یا یک توالی ثابت هستند، و ایجنت فقط هزینه و حالت‌های شکست اضافه می‌کند بدون افزودن قابلیت.
