یک مهندس تنها در یک هفته و با هزینه تقریبی ۱۰,۰۰۰ دلار برای توکن‌ها، نسخه‌ی آلفای GenOffice را ساخت؛ ابزاری که اکنون توسط Genspark و تحت لایسنس Apache 2.0 به‌صورت متن‌باز منتشر شده است. این تولکیت به جای افزودن یک «چت‌باکس» ساده به نرم‌افزارهای اداری، یک جریان کاری ویرایشی عمیق و یکپارچه را در محیط‌های macOS و ویندوز پیاده‌سازی می‌کند.
اکثر ابزارهای اداری مدرن که با هوش مصنوعی تجهیز شده‌اند، در واقع تنها یک لایه پوششی (Wrapper) روی نرم‌افزارهای موجود هستند و اغلب هنگام پیشنهاد تغییرات توسط AI، باعث به‌هم‌ریختگی فرمت و چیدمان سند می‌شوند. GenOffice وارد بازاری می‌شود که کاربران در آن از دست دادن دقت چیدمان (Layout Fidelity) در فایل‌های .docx و .pptx هنگام استفاده از دستیارهای زاینده خسته شده‌اند. هدف این پروژه حل این مشکل از طریق برخورد با فایل اصلی به‌عنوان یک «منبع حقیقت» (Source of Truth) است که فقط خواندنی (Read-only) تلقی می‌شود.
به گزارش marktechpost.com، این مجموعه شامل پنج اپلیکیشن بر پایه Electron است که همگی از یک لایه‌ی موتور مشترک استفاده می‌کنند. برای حفظ کامل دقت چیدمان، موتور docx-engine اسناد را به یک درخت بلوکی (Block Tree) تجزیه می‌کند و هنگام ذخیره‌سازی، تنها بلوک‌های «کثیف» یا تغییریافته (Dirty blocks) را به XML اصلی برمی‌گرداند (Patch می‌کند). این مکانیسم تضمین می‌کند که بایت‌های دست‌نخورده دقیقاً یکسان باقی بمانند و مشکل رایج «شکستن چیدمان» در مایکروسافت ورد کاملاً برطرف شود.
زمینه و محدوده پروژه
نسخه فعلی این نرم‌افزار ۰.۴.۱۱۰ است و به‌صورت رایگان و بدون تبلیغات ارائه شده است. اگرچه کد منبع نرم‌افزار باز است، اما قابلیت‌های قدرت گرفته از هوش مصنوعی، اعتبار (Credits) حساب Genspark را مصرف می‌کنند. برای تقویت رشد جامعه‌ی توسعه‌دهندگان، تیم پروژه به مشارکت‌کنندگان فعالی که از طریق گروه گفتگو GenOffice در GenTeam بازخورد ارسال می‌کنند، بیش از ۱,۰۰۰ اعتبار هدیه می‌دهد. این رویکرد توسعه‌ی جامعه‌محور، یادآور تلاشاتی برای اتوماسیون پیشرفته است که در آن ترکیب n8n و OpenAI برای بررسی خودکار کدها در گیت‌هاب به کار گرفته شده تا بهره‌وری توسعه‌دهندگان افزایش یابد.
برای کسانی که قصد استقرار یا نصب نرم‌افزار را دارند، نصب‌کننده‌های امضاشده (Signed Installers) برای مک (معماری Apple Silicon) و ویندوز (x64) در دسترس است. توسعه‌دهندگان می‌توانند کد را با استفاده از Node 20+، npm 10+ و یک Toolchain زبان Rust (برای بخش Sheets sidecar) از روی سورس بیلد کنند. با این حال، از آنجایی که فراخوانی‌های مدل به‌صورت پروکسی در سمت سرور مدیریت می‌شوند، برای استفاده از قابلیت‌های AI، داشتن یک حساب کاربری وارد شده در Genspark الزامی است.
معماری فنی و اجزاء
- Docs (سندها): از یک چرخه بازگشتی با حفظ بایت (Byte-preserving round trip) استفاده می‌کند. این بخش فایل .docx اصلی را بر اساس هش (Hash) آرشیو کرده و فایل
word/document.xmlرا به یک درخت بلوکی تبدیل می‌کند که توسط یکdocxIndexمهار شده است. در اینجا از ویرایشگر استریمینگ TipTap با قابلیت ردیابی تغییرات (Dirty tracking) استفاده می‌شود؛ هنگام ذخیره، تنها بلوک‌های تغییریافته به قطعات OOXML تبدیل شده و مجدداً جای‌گذاری می‌شوند. این روش از تغییرات ردیابی شده (Tracked changes)، کامنت‌ها، استایل‌ها، معادلات و حتی دست‌خط (Ink) پشتیبانی می‌کند. - Sheets (جداول): بر پایه هسته متن‌باز Univer (لایسنس Apache-2.0) با افزونه‌های گسترده داخلی ساخته شده است. برای واردات و صادرات فایل‌های XLSX، از یک Sidecar به زبان Rust با استفاده از کتابخانه‌های calamine و IronCalc بهره می‌برد. همچنین دارای رندرهای داخلی برای نمودارها از طریق Konva، جداول محوری (Pivot Tables)، اسلایسرها، فرمت‌بندی شرطی و ردیابی فرمول‌ها است.
- Slides (اسلایدها): از یک موتور اختصاصی برای تجزیه، رندر و ویرایش استفاده می‌کند که مفاهیمی مانند Master Slides، نمودارها، برش تصاویر و دست‌خط را پوشش می‌دهد. برای شکل‌دهی دقیق متن (Text Shaping)، از معیارهای HarfBuzz استفاده می‌کند.
- PDF: با استفاده از کتابخانه‌های pdf.js و pdf-lib ساخته شده و از حاشیه‌نویسی‌ها (Annotations)، فرم‌ها، رئوس (Outlines)، مهرها، امضاها و عملیات مدیریت صفحه پشتیبانی می‌کند.
- Shell & Engine (پوسته و موتور): یک Shell صفحه اصلی، میزبان تب‌ها و به‌روزرسانی‌های خودکار را فراهم می‌کند. موتور اصلی شامل بسته‌های خالص TypeScript مانند
docx-engine،pptx-render،agent-coreوai-providerاست که کاملاً مستقل از Electron عمل می‌کنند. - یکپارچگی هوش مصنوعی: قابلیت‌های AI به‌صورت پروکسی در سمت سرور اجرا می‌شوند. در Docs، ویرایش در سطح بلوک با تفاوت‌ها (Diffs) و اسنپ‌شات‌ها انجام می‌شود، در حالی که سایر اپلیکیشن‌ها از یک عامل (Agent) با قابلیت Tool-calling روی وضعیت سند استفاده می‌کنند.
وضعیت امنیتی و مدل‌های تهدید
امنیت حتی در این نسخه آلفا یک تمرکز اصلی است. هر پنجره سند با تنظیمات contextIsolation: true ،nodeIntegration: false و sandbox: true کاملاً قفل شده است. محموله‌های IPC در پردازش اصلی (Main Process) از نظر طرح‌واره (Schema) بررسی می‌شوند و در بخش Sheets، تأیید اعتبار end-to-end با استفاده از zod پیاده شده است. تمامی لینک‌های خارجی از طریق یک دروازه safeExternalUrl هدایت می‌شوند که پروتکل‌های file: ،javascript: و طرح‌های سفارشی را رد کرده و تنها لیست سفید http/https را می‌پذیرد.
تیم توسعه دو مدل تهدید AI خاص را مستند کرده است:
۱. چیدمان اسلایدها: اسکریپت‌ها با Acorn تجزیه شده و توسط یک مفسر AST محدود ارزیابی می‌شوند. این کار از به‌کارگیری eval ،Function یا محیط‌های VM جلوگیری کرده و محدودیت‌های سخت‌گیرانه‌ای بر تعداد دستورات و عمق فراخوانی‌ها اعمال می‌کند، به‌طوری که هیچ دسترسی به شبکه یا پل IPC وجود ندارد.
۲. صادرات PPTX: کدهای HTML تولید شده توسط AI در یک BrowserWindow مخفی رندر می‌شوند که به‌عنوان محیط «متخاصم» (Hostile) تلقی می‌شود؛ این پنجره هیچ دسترسی به Preload یا سطح IPC ندارد و توسط یک Watchdog با مهلت زمانی (Timeout) نظارت می‌شود.
برای کاربران و توسعه‌دهندگان، لایسنس Apache-2.0 به این معناست که استارتاپ‌ها و تیم‌های بازار متوسط می‌توانند کد را برای استفاده تجاری فورک کنند و از نبود هزینه‌های لایسنس یا واترمارک بهره‌مند شوند. با این حال، دایرکتوری /ee برای ماژول‌های سازمانی آینده تحت یک لایسنس مجزا (GenOffice Enterprise License) رزرو شده است و برند Genspark علامت تجاری شرکت Mainfunc, Inc. باقی می‌ماند.
این عرضه سیگنالی برای تغییر رویکرد به سمت «ویرایش جراحی‌گونه» (Surgical Editing) است. GenOffice با اصلاح قطعات خاص XML به جای بازسازی کل سند، ثابت می‌کند که حفظ باکیفیت چیدمان در کنار تولید محتوا توسط LLM ممکن است. این رویکرد، هوش مصنوعی را از یک «دستیار نویسنده» به یک «ویرایشگر دقیق سند» تبدیل می‌کند.
اگر توسعه‌دهنده هستید، می‌توانید همین امروز سورس‌کد را با Node 20+ و Toolchain زبان Rust بیلد کنید. برای کاربران عادی، دانلود نصب‌کننده‌های امضاشده برای Apple Silicon یا Windows x64 جهت تست نسخه آلفا در دسترس است.
گفتگو