بررسی تجربی هزینه هوش مصنوعی در انتخاب فریم‌ورک‌های جاوا اسکریپت

در دنیای توسعه وب، تصمیم‌گیری‌ها سال‌هاست که بر اساس احساسات و اصطلاحاً «Vibe» انجام می‌شود؛ فریم‌ورک‌ها را «فوق‌العاده سریع» می‌دانند و ابزارها را «شتاب‌دهنده توسعه» معرفی می‌کنند، بدون اینکه مدرک یا بنچمارک مستدلی وجود داشته باشد. حالا که وارد عصر توسعه مبتنی بر هوش مصنوعی (Agentic Era) شده‌ایم و توسعه‌دهندگان کمتر درگیر تایپ دستی کد و دغدغه‌های DX (تجربه توسعه‌دهنده) هستند، باز هم همان رویکردهای حس‌محور حکمفرماست. برای فهمیدن واقعیت، نولان لاوسون تصمیم گرفته یک بنچمارک تجربی طراحی کند تا مشخص شود انتخاب فریم‌ورک چه تاثیری روی کارکرد ایجنت‌های هوش مصنوعی دارد.

ساختار بنچمارک و نحوه تست

این آزمایش بر پایه ساخت یک اپلیکیشن کوچک اما واقعی مبتنی بر PokéAPI پیاده‌سازی شده است. دستورالعمل‌ها به مدل Opus 5.5 با سطح تلاش بالا داده شد تا اپلیکیشن را با فریم‌ورک‌های مختلف بسازد. برای رعایت عدالت:

• از ابزارهای رسمی MCP یا Skills مربوط به هر فریم‌ورک استفاده شد.
• معماری مشخصی اجبار نشد تا ایجنت خودش تصمیم بگیرد.
• خروجی‌ها در برابر یک تست انطباق (Conformance Suite) و ابزار Lighthouse بررسی شدند.

نکته مهم این است که LLMها ذاتاً استوکاستیک (تصادفی) هستند؛ یعنی گاهی ایجنت‌ها در یک اجرا به بیراهه می‌روند و توکن زیادی هدر می‌دهند. برای کاهش خطا، هر فریم‌ورک چندین بار اجرا و میانه (Median) نتایج ثبت شد.

نتایج و ابعاد ارزیابی

نویسنده نتایج را در سه بخش اصلی بررسی کرده است:

• هزینه ساخت: هزینه‌ها بر اساس توکن‌های مصرف‌شده، زمان و قیمت‌های Claude Code اندازه‌گیری شد. فریم‌ورک‌هایی مثل SvelteKit، Gracile+Lit و Angular هزینه‌های بالاتری ثبت کردند. برای مثال، انگلار دو بار در ساخت اپلیکیشنِ کارآمد شکست خورد. در مقابل، ابزارهایی مثل Hono+htmx یا ترکیب‌های ساده‌تر عملرد پایدارتری داشتند.
• کیفیت و کارایی: بررسی‌ها نشان داد امتیازهای Lighthouse در بخش عملکرد و دسترسی‌پذیری برای بیشتر فریم‌ورک‌ها نزدیک به هم است، اما حجم بایت‌های جاوا اسکریپت ارسالی به کلاینت تفاوت چشمگیری دارد. طبق انتظار، معماری‌های MPA در معیارهایی مثل LCP و Total Blocking Time عملکرد بهتری نسبت به SPAها داشتند.
• نگهداری‌پذیری: تعداد خطوط کد خالص به‌عنوان شاخص نگهداری‌پذیری بررسی شد. در عصر هوش مصنوعی، حجم کد اهمیت دوچندانی دارد چون مستقیماً روی تعداد توکن‌ها و هزینه‌های ویرایش و توسعه در آینده تاثیر می‌گذارد.

نگاه جامعه توسعه‌دهندگان (Hacker News)

بحث‌های هکرنیوز پیرامون این مطلب بسیار جذاب بود. برخی کاربران با اشاره به سادگی وب یادآوری کردند که گاهی استفاده از HTML خالص یا ابزارهای سبک مثل Astro (که در این بنچمارک با زمان سریع و صفر بودن جاوا اسکریپت کلاینت خوش درخشید) بهترین گزینه است. انتقادهای شدیدی هم به پیچیدگی فریم‌ورک‌هایی مانند Angular شد که حتی ایجنت‌های هوش مصنوعی را هم به دردسر می‌اندازند.

چرا این موضوع برای مهندسان اهمیت دارد؟

ما معمولاً فریم‌ورک‌ها را بر اساس سلیقه شخصی انتخاب می‌کنیم. اما زمانی که ایجنت‌های هوش مصنوعی کدها را می‌نویسند و نگهداری می‌کنند، انتخاب فریم‌ورک نامناسب به طور مستقیم به هزینه‌ بیشتر توکن، حجیم شدن کد و پیچیدگی زیرساخت منجر می‌شود. این بنچمارک نشان می‌دهد سادگی و استفاده از ابزارهای بومی وب یا معماری‌های MPA می‌تواند هم برای انسان‌ها و هم برای هوش مصنوعی بهینه‌تر باشد.