‏واژه‌نامه عملی ایجنت‌های هوش مصنوعی

دنیای AI Agent یه مشکل جدی داره: اصطلاحاتش هنوز به اتفاق‌نظر نرسیدن. بعد از کنفرانس ICLR 2026، این سؤال مطرح شد که «Harness» و «Scaffold» دقیقاً چی هستن و چرا هر کسی یه‌جور تعریفشون می‌کنه. این مقاله از Hugging Face یه واژه‌نامه عملی ارائه می‌ده که هدفش نه تحمیل یه تعریف قطعی، بلکه ساختن یه مدل ذهنی مشترکه.

Model همون LLM‌ه: متن می‌گیره، متن تولید می‌کنه. به‌تنهایی هیچ حافظه‌ای بین فراخوانی‌ها نداره و وقتی جواب داد، متوقف می‌شه. اما وقتی دورش Scaffolding و Harness بپیچی، تبدیل به یه Agent می‌شه.

Scaffolding لایه‌ایه که رفتار مدل رو شکل می‌ده: System Prompt، توضیح ابزارها، نحوه پارس کردن خروجی، و مدیریت حافظه بین مراحل. Harness اما لایه اجراست: مدل رو فراخوانی می‌کنه، Tool Call‌هاش رو مدیریت می‌کنه، و تصمیم می‌گیره کِی باید متوقف بشه. یه فرمول ساده توی جامعه رایج شده: Agent = Model + Harness. اگه مدل نیستی، پس Harness هستی. ابزارهایی مثل Claude Code و Codex در اسناد رسمیشون از همین واژه استفاده می‌کنن.

Context Engineering یعنی طراحی اینکه مدل در هر مرحله چی باید ببینه: تاریخچه مکالمه، نتایج ابزارها، دانش بازیابی‌شده. حافظه کوتاه‌مدت همین چیزیه که در طول یه Session در Context Window نگه داشته می‌شه؛ حافظه بلندمدت اما بیرون ذخیره می‌شه و موقع نیاز تزریق می‌شه.

Policy رفتار ایجنته: به‌ازای هر موقعیت، چه اقدامی با چه احتمالی انجام بشه. بخشی از این رفتار در وزن‌های مدل یاد گرفته شده، بخشی هم به Scaffold و Harness بستگی داره. Tool Use یعنی اینکه ایجنت چطور به دنیای بیرون دسترسی داره: API، اجرای کد، جستجوی وب. Skills بسته‌های دانش قابل استفاده مجدد هستن که برای انجام وظایف چندمرحله‌ای طراحی شدن — فرقشون با ابزار اینه که یه ابزار یه عمل انجام می‌ده، اما یه Skill یه هدف کامل رو دنبال می‌کنه.

برای بخش آموزش مدل، چهار مفهوم کلیدی وجود داره. RL Environment محیطیه که با ایجنت تعامل داره و به ازای هر اقدام یه Observation برمی‌گردونه. Trainer وظیفه بهتر کردن مدل رو داره: اپیزودها رو اجرا می‌کنه، نتایج رو امتیازدهی می‌کنه و وزن‌های مدل رو به‌روز می‌کنه. Rollout (یا Trajectory) یه اجرای کامل ایجنته از ابتدا تا انتها که داده خام برای الگوریتم‌های RL فراهم می‌کنه. Reward هم امتیازیه که به الگوریتم می‌گه مدل داره بهتر می‌شه یا نه — می‌تونه قابل تأیید باشه (مثل پاس/فیل شدن تست) یا آموخته‌شده (مثل قضاوت LLM).

نکات کلیدی:

• Model فقط متن تولید می‌کنه؛ بدون Harness هیچ حلقه‌ای نداره
• Scaffolding چیزیه که مدل ازش کار می‌کنه (دستورالعمل‌ها، ابزارها، فرمت)؛ Harness چیزیه که اجرا رو مدیریت می‌کنه
• Agent = Model + Harness؛ دو محصول با مدل یکسان می‌تونن به‌خاطر Harness متفاوت، تجربه کاملاً متفاوتی بدن
• Sub-agent یه ایجنت مستقله که توسط ایجنت دیگه‌ای فراخوانی می‌شه و خودش می‌تونه استدلال کنه و ابزار صدا بزنه
• Reward می‌تونه Sparse (یه امتیاز در انتها) یا Dense (امتیاز در هر مرحله) باشه