# شرکت GitLab داره هسته‌ی پلتفرمش رو برای دوره‌ی ایجنت‌ها از نو می‌سازه. زمانش هم درسته.

> ابزارهای کدنویسی هوش مصنوعی فقط سریع‌تر کد نمی‌نویسن. خیلی بیشتر از آدم‌ها فعالیت Git، اجرای پایپ‌لاین و سربار کانتکست می‌سازن. اعلامیه‌های GitLab توی Transcend 2026 بالاخره سراغ همین مشکل رفته.

- URL: https://ashkmb.com/fa/blog/gitlab-transcend-2026-agentic-platform/
- Author: Ashkan Kamyab (https://ashkmb.com)
- Published: 2026-06-11
- Language: fa

توی هر سازمان مهندسی‌ای که ابزارهای کدنویسی هوش مصنوعی رو آورده، یه مشکل داره بی‌سروصدا بزرگ می‌شه. مشکل کیفیت نیست، هرچند درباره‌ی کیفیت هم حتماً حرف زیاده. مشکل حجمه. ایجنت‌های هوش مصنوعی فقط سریع‌تر از آدم‌ها کد نمی‌نویسن. از هر توسعه‌دهنده‌ی انسانیِ تیم خیلی بیشتر فعالیت Git، اجرای پایپ‌لاین، دور بازبینی و سربار کانتکست می‌سازن. زیرساختی که دور ریتم کامیت‌کردن آدم‌ها طراحی شده بود، کم‌کم داره زیر این بار کم میاره.

کنفرانس Transcend 2026 که GitLab این هفته برگزار کرد، در اصل جوابی به همین مشکل بود. شرکت GitLab با چهار اعلامیه‌ی بزرگ یه شرط منسجم بسته: این‌که پلتفرم DevOps رو باید از پایه دوباره طراحی کرد، نه این‌که فقط وصله‌پینه‌ش کرد، تا از پسِ حجم کار و نیاز گردش‌کارهای ایجنتی به کانتکست بربیاد.

## بازنگری در هسته‌ی Git

از نظر فنی، جاه‌طلبانه‌ترین اعلامیه چیزیه که GitLab اسمش رو گذاشته Next Generation Source Code Management. این طرح پروتکل Git رو از نو پیاده‌سازی می‌کنه، روی یه معماری توزیع‌شده به جای مدل متمرکز سنتی. عدد اصلی‌ای که اعلام کردن اینه که ایجنت‌های هوش مصنوعی می‌تونن تسک‌ها رو ۵۰ برابر سریع‌تر تموم کنن.

این عدد توضیح لازم داره. این افزایش سرعت ربطی به مدل داده‌ی Git نداره؛ ماجرا یه گلوگاهه. وقتی تعداد زیادی ایجنت هم‌زمان با هم سراغ همون عملیات‌های سمت سرور می‌رن، کار گیر می‌کنه، و طرح جدید همین گلوگاه رو برمی‌داره. پیاده‌سازی GitLab کوئری‌های سمت سرور رو فقط به چیزی محدود می‌کنه که تسک فعلی واقعاً لازم داره، به جای این‌که به‌طور پیش‌فرض کل کانتکست رو بار کنه. نتیجه اینه که گردش‌کارهای ایجنتی‌ای که توی مدل قدیمی سیلی از درخواست توی صف راه می‌انداختن، حالا می‌تونن موازی اجرا بشن، بی‌این‌که همدیگه رو کند کنن.

مسئله رو درست انتخاب کردن. وقتی چند تا ایجنت کدنویسی رو موازی اجرا می‌کنی، حتی روی ریپوهای متوسط، سربارش از جاهایی سر درمیاره که انتظارش رو نداری.

## کانتکست به‌عنوان زیرساخت

تیکه‌ی دوم اسمش GitLab Orbit هست و الان در مرحله‌ی بتای عمومیه. ابزار Orbit یه گراف کانتکسته: یه نمایش ساختاریافته از کد، آیتم‌های کاری، پایپ‌لاین‌ها، دیپلوی‌ها و سیگنال‌های پروداکشن که ابزارهای هوش مصنوعی می‌تونن مستقیم ازش کوئری بگیرن.

منطقش ساده‌ست. امروز بزرگ‌ترین هزینه‌ی گردش‌کارهای ایجنتی پردازش نیست؛ توکنه. هر بار که ایجنت کانتکست لازم داره، یا زیادی بار می‌کنه (گرون و کند) یا زیادی کم (و اشتباه می‌کنه). با Orbit، شرکت GitLab می‌خواد این مشکل رو در سطح پلتفرم حل کنه، نه این‌که هر تیم مجبور باشه لایه‌ی مهندسی کانتکست خودش رو بسازه.

ادعای GitLab اینه که جواب‌ها ۱۱ برابر سریع‌تر میان و مصرف توکن هر کوئری تا ۴٫۵ برابر کمتر می‌شه. حتی اگه عددهای دنیای واقعی نصف این باشن، باز هم ارزشش سر جاشه. وقتی بازیابی کانتکست در سطح پلتفرم درست انجام بشه، سودش روی هم جمع می‌شه: هر ایجنتی که روش اجرا می‌شه ازش نفع می‌بره، و دیگه لازم نیست یه مشکل رو توی هفده تا ریپوی مختلف جدا جدا حل کنی.

## نظارت، همون جایی که واقعاً باید باشه

به نظر من مهم‌ترین اعلامیه چارچوب AI Governance بود که فعلاً در بتای خصوصیه. هر کاری که ایجنت می‌کنه یه هویت، یه مسیر پالیسی و یه سابقه‌ی ممیزی پیدا می‌کنه. تیم‌های DevSecOps لحظه‌به‌لحظه می‌بینن ورودی‌های ایجنت چی بوده، چطور استدلال کرده و چه ابزارهایی رو صدا زده. پالیسی‌هایی مثل اسکن اجباری کد رو هم می‌شه روی کل گردش‌کار ایجنتی اعمال کرد.

الان بیشتر تیم‌هایی که ایجنت هوش مصنوعی اجرا می‌کنن، عملاً فقط به اعتماد تکیه دارن. ایجنت اجرا می‌شه، کد ظاهر می‌شه، و اگه شانس بیاری یکی قبل از این‌که به پایپ‌لاین برسه بازبینیش می‌کنه. با بزرگ‌تر شدنِ حجم کدی که ایجنت‌ها می‌نویسن، این مدل دوام نمیاره. این‌که کی چه کاری رو مجاز کرده و ایجنت واقعاً چی کار کرده تا به اون‌جا برسه، فعلاً توی بیشتر پلتفرم‌ها سؤالیه که جوابی نداره.

حالا GitLab داره کاری می‌کنه که این سؤال جواب داشته باشه. با این کار، پلتفرم از یه سیستم بیلد و دیپلوی فاصله می‌گیره و به چیزی نزدیک‌تر می‌شه که تیم‌های امنیت و انطباق با مقررات واقعاً لازم دارن: یه مرجع رسمی که کارهای خودکار توش ثبت می‌شه.

## قیمت‌گذاری‌ای که با واقعیت جدید جوره

اعلامیه‌ی چهارم، یعنی GitLab Flex، از همه کم‌تر فنیه، ولی سراغ یه دردسر واقعی می‌ره. طرح Flex لایسنس‌های کاربری و اعتبار هوش مصنوعی رو توی یه تعهد سالانه‌ی واحد جمع می‌کنه و به تیم‌ها اجازه می‌ده با عوض شدنِ الگوی مصرف، هزینه رو بین این دو جابه‌جا کنن، بدون این‌که قرارداد رو از نو مذاکره کنن.

این بیشتر از این‌که نوآوری فنی باشه، پذیرفتن این واقعیته که مدل قدیمیِ لایسنس به‌ازای هر کاربر با شیوه‌ای که تیم‌ها الان قابلیت‌های هوش مصنوعی رو می‌خرن و مصرف می‌کنن جور نیست. اگه مصرف هوش مصنوعی تیمت وسط کار روی یه فیچر بزرگ یهو بالا بره و بعد برگرده سر جاش، نباید مجبور باشی شش ماه زودتر پیش‌بینیش کنی.

## تصویر بزرگ‌تر

چیزی که توی مجموع اعلامیه‌های Transcend به چشمم میاد اینه که محرکشون اضافه شدن یه قابلیت تکی نیست. این‌ها با هم یه بازطراحی منسجم از معماری پلتفرم DevOps هستن، برای گردش‌کاری که توش بیشتر کامیت‌ها، پول‌ریکوئست‌ها و اجراهای پایپ‌لاین رو ایجنت‌ها شروع می‌کنن، نه آدم‌ها.

این صورت‌مسئله با اون چیزی که GitLab از اول براش ساخته شد فرق داره. آدم‌ها روزی چند بار کد کامیت می‌کنن. ایجنت‌ها می‌تونن صدها یا هزاران بار این کار رو بکنن. آدم‌ها برای به دست آوردن کانتکست مستندات می‌خونن. ایجنت‌ها توکن مصرف می‌کنن و هر توکن هزینه داره. آدم‌ها بی‌این‌که کسی بهشون بگه، می‌دونن اجازه‌ی چه کارهایی رو دارن. ایجنت‌ها لازم دارن این صریح توی پالیسی نوشته بشه.

پلتفرم‌هایی از دوره‌ی ایجنت‌ها جون سالم به در می‌برن که خودشون رو دور این محدودیت‌های جدید از نو طراحی کنن، نه این‌که کدنویسی با هوش مصنوعی رو فقط یه لایه‌ی فیچر دیگه روی پایپ‌لاین موجود ببینن. شرط GitLab اینه که بتونه یکی از اون‌ها باشه. با چیزی که توی Transcend نشون دادن، این شرط باورپذیر به نظر میاد.
