Replit در 17 نوامبر 2026 از سرویسی به نام Missions رونمایی کرد. این محصول برای تیمهایی طراحی شده که وقت یا توان کافی برای کارهای بزرگی مثل جذب مشتریان سازمانی، بهبود عملکرد محصول یا جایگزینی نرمافزارهای قدیمی ندارند. کاربران نتیجهای را که میخواهند مشخص میکنند، سقف هزینه و قوانین تأیید را تعیین میکنند و گروهی از عاملهای هوش مصنوعی کار برنامهریزی، ساخت، آزمایش و بهبود را برعهده میگیرند.
Replit برای ساخت DataCat، یک پلتفرم داخلی پایش برنامهها، از Missions استفاده کرد. این مأموریت دو روز طول کشید، هزینهاش از بودجه 3,000 دلاری فراتر نرفت و داشبوردها، هشدارها، قابلیت ردیابی و یک عامل پایش سفارشی به همراه داشت. در آزمایشی که در آن یک باگ پایگاه داده ایجاد شد، DataCat در 38 ثانیه هشدار داد و از هدف 60 ثانیهای بهتر عمل کرد؛ همچنین خطا را به پرسوجوی دقیق مربوط به آن ردیابی کرد.
Missions با هماهنگکردن عاملهای متعددی کار میکند که میتوانند همزمان فعالیت کنند. Replit تأثیر تعداد عاملها را روی مجموعهای از 13 معیار NumPy سنجید. یک عامل به حداکثر سرعت 4× رسید؛ گروهی متشکل از 16 عامل به 17× رسید و گروه 32 عاملی سرعت 19× را ثبت کرد. همین الگو در یک حالت بهینهسازی دیگر هم دیده شد و نشان داد گروههای بزرگتر میتوانند همزمان راهحلهای بیشتری را بررسی کنند.
کنترل سرویس چگونه انجام میشود
در مرحله راهاندازی، Missions با مجموعهای از پرسشها معیارهای موفقیت را مشخص میکند؛ مثلاً اینکه چه چیزی مشتری سازمانی محسوب میشود، آیا طرحهای آزمایشی پولی به حساب میآیند یا چه ارزش قراردادیای لازم است. قرارداد مأموریت همچنین سقف هزینه و اقداماتی را که به تأیید انسان نیاز دارند ثبت میکند؛ اقداماتی مثل ارسال پیشنهاد یا تغییر محتوای فروش.
بسته به ترجیح کاربر، بهروزرسانیها میتوانند بهصورت زنده پخش شوند، در قالب گزارش روزانه ارسال شوند یا هر هفته در اختیار او قرار بگیرند. یک داور هوش مصنوعی مستقل، هر نتیجه را با معیارهای توافقشده میسنجد و بازخورد را به عاملها منتقل میکند. اگر پیش از رسیدن به هدف، بودجه تمام شود، مأموریت متوقف میشود و نتیجه ناقص گزارش میشود.
چرا مهم است
برای یک تیم کوچک فناوری، Missions راهی فراهم میکند تا پروژههایی را پیش ببرد که معمولاً به چند مهندس یا چند هفته کار نیاز دارند، آن هم با هزینههایی شفاف. شرکتها میتوانند هدفهای بلندپروازانهای مثل ساخت یک مجموعه پایش سفارشی را بدون استخدام نیروی اضافه آزمایش کنند؛ بااینحال، تصمیمگیری نهایی و کنترل بودجه همچنان در اختیار خودشان میماند.