استارتاپ شاتل (Shuttle) با هدف ساده‌سازی استقرار نرم‌افزارهای تولیدشده توسط هوش مصنوعی فعالیت می‌کند. این شرکت، پلی میان سیستم‌های کدنویسی خودکار مانند Lovable و Replit AI و زیرساخت واقعی نرم‌افزارها ایجاد کرده است.
به گزارش kingmember.com، شاتل به‌تازگی ۶ میلیون دلار سرمایه اولیه جذب کرده است. سرمایه‌گذاران این پروژه شامل توماس دوهمکه (مدیرعامل پیشین GitHub) و کالوین فرنچ-اوون (بنیان‌گذار Segment) هستند.
شاتل چگونه کار می‌کند؟
در ابزارهای جدید مانند Lovable یا Cursor، هوش مصنوعی تنها در چند دقیقه کد تولید می‌کند. اما مرحله‌ی بعدی یعنی استقرار، همیشه چالش‌برانگیز بوده است.
Shuttle این بخش را خودکار کرده است. این پلتفرم کد را بررسی می‌کند، بهترین روش استقرار در فضای ابری را پیشنهاد می‌دهد و هزینه‌ی نهایی را نمایش می‌دهد. پس از تأیید کاربر، نرم‌افزار به‌صورت خودکار روی سرور ابری مستقر می‌شود.
رشد سریع شاتل در میان توسعه‌دهندگان
شاتل از زمان آغاز فعالیت خود در سال ۲۰۲۰ به‌عنوان یکی از پروژه‌های موفق Y Combinator شناخته می‌شود.
این پلتفرم اکنون بیش از ۲۰ هزار توسعه‌دهنده دارد و تاکنون ۱۲۰ هزار بار استقرار موفق انجام داده است. محبوبیت شاتل به دلیل رویکرد سریع و بدون پیکربندی آن در اجرای نرم‌افزارهای Rust است.
هدف شاتل: دسترسی برای همه زبان‌ها و سیستم‌ها
به گفته‌ی نودار دانیلیا، مدیرعامل و هم‌بنیان‌گذار شاتل:
«هوش مصنوعی در حال حذف مرز بین زبان‌های برنامه‌نویسی است. حالا زمان گسترش شاتل است تا در هر زبان و اکوسیستم قابل استفاده باشد.»
تیم شاتل قصد دارد از تمام زبان‌های برنامه‌نویسی و سیستم‌های مبتنی بر هوش مصنوعی پشتیبانی کند. این گسترش، آینده‌ی استقرار نرم‌افزار را ساده‌تر و هوشمندتر خواهد کرد.
زیرساخت ابری با فرمان صوتی و زبان طبیعی
شاتل در حال ساخت رابطی است که کاربر بتواند با فرمان‌های طبیعی مانند
«یک پایگاه داده بساز» یا «اپ را روی سرور ابری مستقر کن»
فرآیندها را کنترل کند.
این سیستم از روش Spec-driven Development استفاده می‌کند تا درک انسان و هوش مصنوعی را هم‌جهت کند. به‌این‌ترتیب، مدیریت زیرساخت به‌اندازه‌ی گفت‌وگو با یک دستیار هوشمند ساده خواهد بود.
آینده‌ی استقرار نرم‌افزار با شاتل
با افزایش محبوبیت ابزارهای هوش مصنوعی در تولید کد، نیاز به پلتفرم‌هایی مانند شاتل بیشتر از همیشه احساس می‌شود.
شاتل قصد دارد استقرار را به‌اندازه‌ی تولید کد با AI آسان کند و در این مسیر، گام مهمی برای آینده‌ی توسعه نرم‌افزار بردارد.
برای مطالعه‌ی بیشتر درباره‌ی پروژه‌های مشابه، مقاله‌ی
مرورگر وب ChatGPT Atlas
را در kingmember.com بخوانید.
