پرش به محتوای اصلی
پرش به محتوای مقاله

GitHub Copilot CLI امکان استفاده از مدل‌های محلی Ollama را فراهم کرد

·۱۹ مهر ۱۴۰۵۲ دقیقه مطالعه
کوپایلت CLI امکان انتخاب مدل هوش مصنوعی محلی را اضافه کرد؛ سندباکس هم عمومی شد. کدام بخش‌ها همچنان نیاز به احتیاط دارند؟
کوپایلت CLI امکان انتخاب مدل هوش مصنوعی محلی را اضافه کرد؛ سندباکس هم عمومی شد. کدام بخش‌ها همچنان نیاز به احتیاط دارند؟
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

یکپارچه‌سازی مستقیم Ollama در Copilot CLI و تبدیل سندباکس MXC از حالت آزمایشی به عمومی؛ این یعنی کنترل سطح سیستم‌عامل بر دسترسی‌های فایل و شبکه برای اولین بار در این ابزار در دسترس همگان قرار گرفت.

تصور کنید ترمینال شما به‌جای تکیه بر ابر، از مدل‌های محلی برای اجرای دستورات استفاده کند. در ۷ اکتبر ۲۰۲۶، گیت‌هاب (GitHub) نسخه ۱.۰.۹۴-۰ از Copilot CLI را منتشر کرد تا این رویای حریم خصوصی را به واقعیت تبدیل کند.

به نقل از مستندات رسمی گیت‌هاب، اکنون دستور /model می‌تواند مدل‌هایی که از طریق اولاما (Ollama) — شبیه به یک پخش‌کننده موسیقی که به‌جای استریم آنلاین، فایل‌های ذخیره شده روی هارد شما را پخش می‌کند — روی سیستم کاربر اجرا می‌شوند، شناسایی و فعال کند.

این چرخش راهبردی پاسخی به تقاضای فزاینده برای حاکمیت داده‌ها و کاهش تأخیر است. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، حذف واسطه‌های ابری، ریسک نشت داده‌های حساس شرکت‌ها را به‌شدت کاهش می‌دهد. اگرچه مدل‌های ابری همچنان پیش‌فرض هستند، اما کاربر اکنون می‌تواند به‌صورت دستی تعیین کند کدام مدل محلی در جلسه فعال شود.

هم‌زمان با این قابلیت، گیت‌هاب سیستم سندباکس (Sandboxing) — محیطی ایزوله شبیه به یک اتاق آزمایش که هر اتفاقی در آن بیفتد به فضای بیرون سرایت نمی‌کند — را برای CLI، اپلیکیشن Copilot و VS Code به حالت دسترسی عمومی (GA) درآورد. این سامانه که توسط Microsoft eXecution Container (MXC) مدیریت می‌شود، محدودیت‌های سطح سیستم‌عامل را بر فعالیت‌های عامل (Agent) اعمال می‌کند. این تلاش برای بهینه‌سازی عملکرد عامل‌ها در حالی صورت می‌گیرد که غول‌های دیگر نیز به دنبال کاهش هزینه‌های عملیاتی هستند؛ برای مثال، گوگل با معرفی RRSI سعی در کاهش شدید هزینه‌های استنتاج عامل‌های هوش مصنوعی دارد.

طبق گزارش فنی گیت‌هاب، ابعاد کنترل در این سندباکس شامل موارد زیر است:

  • فایل‌ها و دایرکتوری‌ها: تعیین دسترسی‌های «فقط خواندنی»، «خواندنی-نوشتنی» یا «ممنوع».
  • شبکه: کنترل دسترسی به اینترنت و تعریف لیست سفید برای میزبان‌های خاص.
  • اعتبارنامه‌ها: استفاده از پروکسی محلی برای ارسال توکن‌های Git/gh تنها به نقاط انتهایی تأییدشده.
  • فرآیندها: تصمیم‌گیری درباره اجرای سرورهای زبان و MCP در داخل یا خارج از سندباکس.

با این حال، بررسی مستندات سه شکاف امنیتی حیاتی را افشا می‌کند. نخست اینکه خودِ CLI سندباکس نیست و ابزارهای داخلی آن به‌جای اجبار سیستم‌عامل، بر اساس بررسی‌های نرم‌افزاری عمل می‌کنند. دوم، سرورهای MCP راه دور به‌طور کامل سندباکس را دور می‌زنند. سوم، این ایزولاسیون در سطح فرآیند است و یک ماشین مجازی یا کانتینر سخت‌گیرانه نیست. این ناپایداری‌های فنی در ابزارهای گیت‌هاب موضوع جدیدی نیست و پیش‌تر باگی در Copilot گزارش شد که زنجیره تفکر مدل‌های DeepSeek را در چت‌های چندمرحله‌ای مختل می‌کرد.

باید بدانید که اجرای مدل محلی به‌تنهایی امنیت را تضمین نمی‌کند. سیاست‌های سندباکس روی ابزارهایی اعمال می‌شود که عامل از آن‌ها استفاده می‌کند، فارغ از اینکه «مغز» مدل در ابر باشد یا روی دیسک شما. در واقع، شما برای به‌دست آوردن سرعت، بخشی از ایزولاسیون مطلق را فدا کرده‌اید.

گام بعدی شما

  • نسخه CLI خود را به ۱.۰.۹۴-۰ به‌روزرسانی کنید و مدل‌های سازگار با Tool-calling را در Ollama نصب کنید.
  • برای محدود کردن تله‌متری شبکه، متغیر COPILOT_OFFLINE=true را به‌طور صریح تنظیم کنید.
  • دسترسی‌های فایل را در تنظیمات MXC بازبینی کنید تا عامل‌ها به پوشه‌های حساس سیستم دسترسی نداشته باشند.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این به‌روزرسانی با تکیه بر اعتبار معماری MXC مایکروسافت، استانداردی جدید برای اجرای امن عامل‌های هوش مصنوعی در محیط‌های حساس ایجاد می‌کند. توسعه‌دهندگان اکنون می‌توانند بدون نگرانی از نشت کدها به سرورهای خارجی، از قدرت مدل‌های محلی بهره ببرند.

تأثیر برای ایران

به‌دلیل تحریم‌ها و محدودیت‌های API، امکان استفاده از مدل‌های محلی از طریق Ollama بهترین مسیر برای توسعه‌دهندگان ایرانی است تا بدون نیاز به VPNهای پایدار و پرداخت‌های ارزی، از قابلیت‌های Copilot CLI بهره‌مند شوند.

·نگاه ما
تحریریه دات‌هوش

تمرکز گیت‌هاب بر مدل‌های محلی نشان می‌دهد که حتی غول‌های ابری پذیرفته‌اند حریم خصوصی داده‌ها در محیط توسعه، اولویتی بالاتر از وابستگی به مدل‌های عظیم ابری دارد. با این حال، تکیه بر سندباکس‌های «سبک‌وزن» به‌جای VMهای سخت، نشان می‌دهد که اولویت فعلاً با تجربه کاربری و سرعت است، نه امنیت نظامی. این یک سیگنال است که ابزارهای Agentic در حال حرکت به سمت تعادلی بین کنترل محلی و قدرت ابری هستند.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.