یک آزمایش عملی با یک پروژه جانبی واقعی، دو عامل کدنویسی هوش مصنوعی (AI Coding Agent) یعنی Claude Code و Gemini 4 Argon را در محیط Antigravity مقابل هم قرار داد. هر دو ابزار یک ریپازیتوری (Repository) یکسان و تنها یک دستور کوتاه دریافت کردند: «آن را بهتر از آنچه یافتی تحویل بده.» نتیجه نشان داد هر دو در نیم ساعت کار را تمام کردند، اما Claude Code مشکلات بیشتری را رفع کرد و تست‌های بسیار بیشتری نوشت.
سناریوی آزمون: یک داشبورد واقعی برای Kindle
پروژه مورد آزمایش، فورک (Fork) یک داشبورد خانه هوشمند برای Kindle Paperwhite نسل ۲۰۱۵ بود که روی صفحه ۱۴۴۸×۱۰۷۲ اجرا می‌شود. بخش پروکسی (Proxy) روی Node 20 در یک کانتینر Debian LXC روی سرور Proxmox و در کنار Home Assistant اجرا می‌شد و Kindle از طریق Wi-Fi به آن متصل می‌شد. آزمایش‌کننده کامیت اول (First Commit) نسخه خود را در دو پوشه جداگانه کلون کرد تا هر عامل دقیقاً با شرایط یکسان شروع کند.
چک‌لیست پنهان و تله‌های فنی
هشت مشکل پنهان در کد وجود داشت که به هیچ‌یک از ابزارها نشان داده نشد؛ از پروکسی‌ای که فقط بدون یک فلگ (Flag) روی Node 22 کار می‌کرد تا پاسخ توکن نامعتبر (Bad Token) که سوکت‌ها (Sockets) را معلق می‌گذاشت. همچنین یک تله عمدی وجود داشت: مرورگر Kindle قدیمی است، بنابراین جاوااسکریپت داشبورد باید در قالب ES5 بماند و اسکریپت اجرا باید پایان خط لینوکسی (Linux Line Endings) خود را حفظ کند تا KUAL بتواند آن را اجرا کند.
نتیجه امتیازها: Claude Code جلوتر بود
هیچ‌کدام از دو عامل در تله ES5 و پایان خط نیفتادند و هر دو حتی یک فایل Git Attributes اضافه کردند تا ویندوز بعداً پایان خط‌ها را خراب نکند. با این حال، در چک‌لیست ۱۶ امتیازی، Claude Code امتیاز ۹ و Gemini 4 Argon امتیاز ۷ گرفت. هر دو مشکل پروکسی روی Node 20، نشتی حافظه (Memory Leak) در درخواست‌های تاریخچه و پاسخ توکن نامعتبر را رفع کردند، اما Claude Code در پیکربندی نمونه و موارد جزئی عملکرد بهتری داشت.
تفاوت بزرگ: تست‌ها و رفتار در خطا
Claude Code تعداد ۶۳ تست نوشت، از جمله تستی که بررسی می‌کرد پروکسی همچنان با نسخه قدیمی hixie-76 از WebSocket برای مرورگر قدیمی Kindle کار می‌کند. Gemini 4 Argon فقط چهار تست نوشت. این تفاوت در لاگ‌ها هم دیده شد: وقتی هر دو به Home Assistantی متصل شدند که دو تقویم از تنظیمات را نداشت، پروکسی Argon یک خطا برای کل فهرست ثبت کرد، اما Claude Code هر تقویم را جداگانه ثبت کرد و به کار ادامه داد؛ حتی تستی با نام «یک تقویم ناموفق بقیه را خالی نمی‌کند» برای آن نوشته بود.
هزینه و سهمیه مصرفی
Claude Code روی پلن Claude Max با هزینه ۱۰۰ دلار در ماه و مدل Opus 5.5 اجرا شد و ۳۳ دقیقه زمان برد؛ Gemini 4 Argon روی پلن Google AI Pro با هزینه ۲۰ دلار در ماه و مدل Gemini 4 Argon با حالت High Thinking در ۲۸ دقیقه تمام شد. Argon در همین یک اجرا ۱۸ درصد از سهمیه هفتگی را مصرف کرد، در حالی که Claude Code فقط یک واحد از سهمیه هفتگی Max را حرکت داد و مصرف معادل API آن ۵.۳۳ دلار گزارش شد.
تغییرات ظاهری: Argon برد و باخت داشت
تنها Argon بخش‌های قابل مشاهده را تغییر داد. پس از تنظیمات CSS، دو کارت از پنج کارت روی Kindle ناپدید شدند. Argon بدون درخواست و بدون دیدن صفحه، عرض ستون‌های پیش‌بینی را از ۱۳۸ به ۱۴۲ پیکسل و کارت‌های حسگر را از ۳۲۸ به ۳۳۲ پیکسل رساند و برخی حاشیه‌ها را نازک‌تر کرد. این تغییرات در مرورگر دسکتاپ بی‌ضرر به نظر می‌رسیدند، اما روی Kindle پیش‌بینی دوشنبه به ردیف دوم رفت، کارت‌ها از دو ستون به یک ستون رسیدند و کارت رطوبت آشپزخانه و نمودار CO2 دفتر از پایین صفحه ناپدید شدند.
با این حال، Argon دو مورد را اصلاح کرد که Claude Code نادیده گرفت: همه شش دکمه نور در پایین صفحه جا شدند و آیکون‌ها جایگزین شدند؛ مثلاً کارت دفتر به‌جای تخت، دماسنج و CO2 به‌جای پنل خورشیدی، ابر نشان می‌دهد. Claude Code چیدمان اصلی را دست‌نخورده گذاشت. هیچ‌کدام نیز باگ ساعت را که یک ساعت جلوتر بود پیدا نکردند؛ احتمالاً کد ساعت هر زمان Kindle منطقه زمانی را گزارش می‌کند، قواعد ساعت تابستانی خود را نادیده می‌گیرد.
درس عملی برای استفاده از عامل‌های هوش مصنوعی
نتیجه نهایی این آزمایش، انتخاب ابزاری است که کمتر تغییر می‌دهد و بیشتر تست می‌کند. Claude Code مشکلات پنهان بیشتری را رفع کرد، تست‌های دقیق‌تری نوشت و ظاهر صفحه را تغییر نداد؛ به همین دلیل نسخه آن روی دستگاه واقعی باقی ماند. توصیه عملی نیز روشن است: برای آزمایش، از پروژه یک کپی بگیرید، نه نسخه اصلی، و همه تغییرات را روی سخت‌افزار واقعی بررسی کنید.