اگر امروز از دستیارهای کدنویسی استفاده می‌کنید، احتمالاً با لحظاتی روبه‌رو شده‌اید که مدل با اطمینان کامل ادعا می‌کند کد را اصلاح کرده، اما در واقعیت سیستم شما با خطا متوقف می‌شود. Agent OS که در ۱۰ ژوئیه ۲۰۲۶ به‌عنوان یک پروژه متن‌باز معرفی شد، با ایجاد یک محیط کنترل‌شده، مرزی سخت میان «فکر کردن» و «عمل کردن» ایجاد می‌کند تا این شکاف اعتماد را پر کند.
بیشتر ابزارهای فعلی، مدل را به‌عنوان موجودیتی واحد می‌بینند که هم برنامه می‌ریزد و هم اجرا می‌کند. این رویکرد منجر به «توهمات مطمئن» می‌شود؛ یعنی شرایطی که مدل بدون تست کردن کد، ادعای موفقیت می‌کند. این وضعیت شبیه آشپزی است که بدون چشیدن غذا، ادعا می‌کند کیفیت آن عالی است. Agent OS مدل را مجبور می‌کند تا غذا را سرو کند و از تست چشایی عبور کند تا اجازه اعلام موفقیت داشته باشد.
به نقل از مستندات این پروژه در dev.to، سامانه مسئولیت‌ها را بین دو نقش مجزا تقسیم می‌کند:
- عامل اصلی (The Brain): مسئول برنامه‌ریزی گفتگو، حافظه پروژه و سازمان‌دهی است. نکته حیاتی این است که این عامل اجازه ویرایش کد یا اجرای دستورات شل (Shell) را ندارد.
- عامل کدنویس (The Hands): در یک فضای ایزوله یا سندباکس فعالیت می‌کند. او می‌تواند فایل‌ها را تغییر دهد و دستورات محدود را اجرا کند، اما دسترسی به تغییر حافظه سطح‌بالای پروژه ندارد.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی امنیت مدل‌های عامل‌محور اشاره کردیم، ایجاد حفاظ‌های سخت‌افزاری و نرم‌افزاری تنها راه کاهش خطاهای فاجعه‌بار است. برای اثبات این معماری، توسعه‌دهنده این سیستم یک نرم‌افزار کامل SaaS به نام Pulseboard را از یک مخزن خالی ساخت و مستقر کرد. در این فرآیند، وضعیت «انجام شد» تنها پس از عبور از دستورات واقعیِ بیلد یا تست، ثبت می‌شد. این حلقه تایید شامل اجرای اپلیکیشن، ثبت اسکرین‌شات و بررسی‌های بصری است.
بر اساس گزارش‌های منتشرشده، نسخه نخست این ابزار از مدل‌های Claude، GPT، Gemini، DeepSeek، Kimi و GLM پشتیبانی می‌کند. این سیستم از مدیریت وضعیت مبتنی بر SQLite و رابط‌هایی برای GitHub، Vercel، Supabase و حالت تست Stripe بهره می‌برد. البته توسعه‌دهنده اشاره کرده است که در حال حاضر نصب روی ویندوز پایدارترین مسیر است و نسخه‌های macOS و لینوکس به تنظیمات دستی نیاز دارند.
برای برنامه‌نویسان، این یعنی گذار از استراتژی «پرامپت بزن و دعا کن» به یک خط لوله مدیریت‌شده. با محدود کردن خودمختاری عامل کدنویس و الزام به تأیید انسانی برای تغییرات خارجی — مانند مهاجرت‌های پایگاه‌داده یا Push کردن در گیت — ریسک شکست‌های خاموش در محیط‌های عملیاتی به‌شدت کاهش می‌یابد.
این معماری همچنین نوسانات مدل‌های محلی را مدیریت می‌کند. طبق گزارشی در وبلاگ مارتین فاولر، استفاده از مدل‌های محلی کوچک برای کدنویسی عامل‌محور می‌تواند تجربه‌ای کلافه‌کننده باشد، اما یک چارچوب ساختاریافته مثل Agent OS با ایزوله کردن شکست‌ها، این مدل‌ها را کاربردی‌تر می‌کند.
گام بعدی شما
- بررسی مخزن گیت‌هاب Agent OS برای پیاده‌سازی در گردش‌کارهای محلی.
- تست مدل‌های کوچک‌تر (SLM) در محیط سندباکس برای کاهش هزینه‌های استنتاج.
- تعریف زنجیره‌ای از تست‌های اتوماتیک برای جایگزینی تاییدات دستی در تسک‌های تکراری.
اما تاثیر این جداسازی بر سرعت توسعه در مقیاس سازمانی حتی پیچیده‌تر است — به تحلیل ما درباره‌ی استانداردهای اتوماسیون کدنویسی مراجعه کنید.
گفتگو