تصور کنید یک برنامهنویس از عاملی استفاده میکند که ادعا میکند کدها را بررسی کرده، اما هیچ مدرکی برای اثبات این ادعا ندارد. طبق گزارشی در dev.to که در ۲۲ سپتامبر ۲۰۲۶ منتشر شد، Zambo با ارائه سه فایل مهارت (Skill)، ابزارهای اجرای واقعی و یک ردپای مستند و قابلتأیید برای هر اقدام را در اختیار دستیاران هوش مصنوعی قرار میدهد.
بسیاری از عاملهای هوش مصنوعی (AI Agents) — شبیه کارمندی که گزارشهای زیبا مینویسد اما واقعاً کاری انجام نداده — در محیطی ایزوله عمل میکنند و بدون ارائه مدرک، ادعای انجام وظایف را دارند. این موضوع یک شکاف اعتماد ایجاد میکند که در آن کاربر باید کورکورانه به خلاصهٔ گزارش عامل اعتماد کند. Zambo با تبدیل اقدامات هوش مصنوعی به «شواهد» بهجای «ادعاها»، تضمین میکند که هر فراخوانی ابزار توسط یک رسید رمزنگاریشده پشتیبانی شود.
همانطور که در تحلیلهای قبلی ما دربارهی امنیت مدلهای بازمتن اشاره کردیم، جداسازی لایه استدلال از لایه اجرا برای جلوگیری از خطاهای سیستمی حیاتی است. در همین راستا، مجموعه مهارتهای Zambo از سه بخش اصلی تشکیل شده است:
- zambo: لایه اصلی اجرا که ۱۲ ابزار پیشفرض برای کارهایی مثل ممیزی سایت و تحقیق درباره مشتریان ارائه میدهد و بیش از ۱۰۰ ابزار تخصصی دیگر را از طریق جستوجوی قابلیتها در اختیار کاربر میگذارد. این رویکرد در مدیریت ابزارها، یادآور روش تبدیل دستورالعملهای عاملها به کد نسخهمند در مخزن skills است که نظم بیشتری به توسعه قابلیتها میبخشد.
- zambo-receipt: ابزاری برای تأیید که رسیدهای اجرای عامل (AER-1) را صادر میکند. هر رسید شامل یک UUID، برچهر زمانی UTC و یک هش SHA-256 از بایتهای خروجی است.
- zambo-cross-ai: لایهای برای تداوم کار با استفاده از شناسههای نشست (Session ID) پایدار؛ این قابلیت اجازه میدهد کاربر کاری را در یک دستیار شروع کرده و در دستیار دیگری بدون از دست دادن رشتهٔ وقایع، ادامه دهد.
بر اساس مستندات این پروژه، استاندارد AER-1 در حال حاضر یک پیشنویس باز (RFC) است. این استاندارد ثابت نمیکند که خروجی «درست» است، اما ثابت میکند که یک ابزار خاص، در زمانی مشخص و با ورودیهای معین اجرا شده است. این مرزبندی به کاربران اجازه میدهد تأیید کنند که خروجی نقلشده، دقیقاً همان چیزی است که ابزار برگردانده است.
این سیستم در حال حاضر از دستیارانی چون Claude، Cursor، Codex، Windsurf و Cline پشتیبانی میکند. همچنین یک سطح رایگان ارائه میدهد که اجازه میدهد روزانه ۲۰ بار از هر ابزار بدون نیاز به حساب کاربری استفاده شود.
این چرخش، صنعت را به سمت «عاملمندی قابلتأیید» میبرد. با جدا کردن اجرا از مدل استدلالی، Zambo مانع از آن میشود که هوش مصنوعی دربارهٔ فراخوانی ابزارها دروغ بگوید. در واقع، عامل از یک چتبات که ادعای کار کردن میکند، به سیستمی تبدیل میشود که دفتر کل اقدامات خود را ارائه میدهد. این سطح از کنترل، بهویژه برای مهندسان بکاند که با مهارتهای تخصصی برای جلوگیری از سقوط سیستمها سروکار دارند، یک ضرورت امنیتی است.
برای توسعهدهندگان، این به معنای پایان عصر عاملهای «جعبه سیاه» است. اکنون میتوانید با محاسبه مجدد هشها روی بایتهای خروجی از طریق یک URL تأیید عمومی، گردشکار هوش مصنوعی را ممیزی کنید و مطمئن شوید که عامل هیچ مرحلهای را نادیده نگرفته یا در مورد موفقیت یک فراخوانی API دچار توهم (Hallucination) — شبیه دوستی که خاطرهای را اشتباه تعریف میکند — نشده است.
گام بعدی شما
- نصب مهارتهای Zambo از طریق دستورات npm یا curl برای تست در محیط توسعه.
- دنبال کردن پیشرفت RFC استاندارد AER-1 برای بررسی تبدیل شدن آن به یک استاندارد صنعتی.
- پیادهسازی لایه تأیید خروجی در گردشکارهای حساس که نیاز به ممیزی دقیق دارند.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو