تصور کنید برنامهنویسی هستید که در یک شرکت با سختگیرترین پروتکلهای امنیتی کار میکند و هرگز اجازه ندارد حتی یک خط کد را به سرورهای خارجی بفرستد. Forger دقیقاً برای حل این بنبست طراحی شده است تا کدهای محرمانه هرگز دستگاه شما را ترک نکنند.
این محیط توسعه (IDE) که در ۲۳ سپتامبر ۲۰۲۶ منتشر شد، یک فایل اجرایی واحد است که شامل مرورگر فایل، ویرایشگر Monaco و ترمینال TTY است. هدف Forger ساده است: حذف پیچیدگیهای نصب افزونههای VS Code و تبدیل هوش مصنوعی به یک ابزار محلی، بهجای یک سرویس ابری.
همانطور که در پوشش پیشین ما از امنیت مدلهای بازمتن اشاره کردیم، دغدغه اصلی توسعهدهندگان، نشت دادهها به سمت سرورهای تامینکننده است. Forger با تغییر مکان پردازش دادهها، این ریسک را بهطور کامل حذف میکند.
به نقل از مستندات توسعهدهنده در وبسایت dev.to، این ابزار با استفاده از Electron, React و TypeScript ساخته شده است. Forger بر اساس مدل «کلید خودتان را بیاورید» (BYOK) یا میزبانی محلی عمل میکند. ویژگیهای فنی کلیدی این ابزار عبارتاند از:
- پشتیبانی از مدلهای محلی: ادغام کامل با Ollama — مثل یک موتور کوچک که مدلهای زبانی را روی لپتاپ شما میچرخاند — برای اجرای مدلهایی مانند Gemma و Qwen.
- نظارت انسانی (Human-in-the-Loop): هر عملیات ایجاد فایل، ویرایش کد یا اجرای دستورات ترمینال، نیازمند تایید دستی کاربر از طریق یک کادر گفتگو است.
- بهینهسازی توکن: عامل (Agent) — شبیه دستیاری که دستورات را میفهمد و اجرا میکند — بهجای ایندکس کردن کل پروژه، از دستورات خاصی مثل
// GREP:برای استخراج دقیق زمینه استفاده میکند. این رویکرد برای کاهش خطاهای رایج در اجرای کدها حیاتی است، چرا که شکاف میان صحت پیادهسازی و صحت سیستمی همچنان یکی از چالشهای اصلی در توسعه عاملهای کدنویس است. - گزینههای ابری: پشتیبانی از Gemini 3.8 Flash با قیمتهای تشویقی تا پایان سال ۲۰۲۶.
این چرخش به سمت IDEهای مستقل و محلی، نشاندهنده خستگی توسعهدهندگان از تداخل افزونههای متعدد در VS Code است. Forger با ایزوله کردن چرخه عملکرد عامل در یک فایل exe، بار ذهنی بازبین را کم میکند. همچنین، الزام به تایید هر تغییر، مشکل «بازنویسی خاموش» را که در بسیاری از عاملهای خودکار دیده میشود، حل میکند.
برای یک پیمانکار مستقل، این یعنی حذف اشتراکهای ماهانه ۲۰ دلاری و نبود ریسک نشت داده. در واقع، تجربه کدنویسی با هوش مصنوعی از یک سرویس اجارهای به یک زیرساخت محلی تبدیل میشود.
در حال حاضر کاربران میتوانند کد منبع این ابزار را در GitHub بررسی کنند تا از نبود سیستمهای تلهمتری و جاسوسی مطمئن شوند. طبق نقشه راه منتشر شده، قابلیتهای شناسایی PDF و تصویر برای تحلیل مستندات بصری به زودی اضافه خواهد شد.
گام بعدی شما
- اگر از مدلهای محلی استفاده میکنید، Ollama را نصب کرده و مدل Qwen را روی Forger تست کنید.
- برای پروژههای حساس، مدل BYOK را فعال کنید تا کنترل کامل روی کلیدهای API داشته باشید.
- کد منبع GitHub را بررسی کنید تا با نحوه مدیریت Context در این ابزار آشنا شوید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما درباره تراشههای Blackwell مراجعه کنید.
گفتگو