پرش به محتوای اصلی
پرش به محتوای مقاله

Allostatik با حلقه‌های کنترل محلی جلوی «پوسیدگی زمینه» در هوش مصنوعی را می‌گیرد

·۱۷ شهریور ۱۴۰۵۹ دقیقه مطالعه۲ بازدید
راهنما
ارزش در رابطه است
ارزش در رابطه است
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

جایگزینی حافظهٔ خطی چت با یک سیستم کنترل حلقه-بسته (Closed-loop) بر اساس فایل‌های محلی؛ به گونه‌ای که پایان هر جلسه، ورودیِ جلسهٔ بعد می‌شود و از پوسیدگی زمینه جلوگیری می‌کند.

تصور کنید یک برنامه‌نویس هر بار که پنجرهٔ چت جدیدی باز می‌کند، یک ساعت از زمانش را صرف توضیح دوبارهٔ معماری پروژه می‌کند؛ هزینه‌ای که بسیار سنگین‌تر از هر حق اشتراک ماهانه‌ای است. Allostatik، چارچوب متن‌بازی که در ۸ سپتامبر ۲۰۲۶ منتشر شد، این مشکل را با جایگزینی «حافظهٔ» فرار مدل‌های زبانی بزرگ (LLM) — که شبیه کتابخانه‌داری است که میلیاردها صفحه را خوانده اما جزئیات لحظه‌ای شما را زود فراموش می‌کند — با سیستمی سخت‌گیرانه از فایل‌های محلی حل می‌کند تا ارزش هر جلسهٔ کاری در جلسات بعدی انباشته شود.

بسیاری از کاربران فعلاً به فایل‌های قوانینی مثل CLAUDE.md، فایل‌های قوانین Cursor یا فیلدهای پر شدهٔ دستورالعمل‌های پروژه تکیه می‌کنند. طبق بررسی‌های فنی، این تنظیمات ایستا هستند و به‌مرور «می‌پوسند»؛ یعنی قانونی که سه هفته پیش نوشته شده، حتی بعد از تغییر نظر برنامه‌نویس، همچنان مدل را هدایت می‌کند. این وضعیت یک رابطهٔ «هومئوستاتیک» یا تعادلی ایجاد می‌کند که در آن هوش مصنوعی صرفاً کاربر را به سمت هدفی قدیمی و منسوخ برمی‌گرداند. چون یک قانون غلط خودش را فریاد نمی‌زند، مدل با خوش‌رویی آن را اجرا می‌کند تا زمانی که کاربر متوجه شود خروجی کار منحرف شده است.

Allostatik این رویکرد را به مدل «آلوستاتیک» تغییر می‌دهد؛ جایی که هدف می‌تواند بر اساس شواهد جابه‌جا شود. در این مدل، زمینه یا پنجرهٔ زمینه (Context Window) — که مثل میز کاری است که فقط جای چند ورق کاغذ دارد و نه کل کتابخانه — به‌جای سطل زباله‌ای برای ریختن اطلاعات، به عنوان بودجه‌ای مدیریت می‌شود که باید بهینه شود. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی مدیریت حافظه در عامل‌های هوش مصنوعی اشاره کردیم، انتقال منبع حقیقت از حافظهٔ داخلی مدل به پوشه‌ای از فایل‌های Markdown که در مالکیت کاربر است، «دست نامرئی» خلاصه‌سازهای خودکار را حذف می‌کند. این رویکرد در واقع گامی عملی در جهت جایگزینی پرامپت‌های موقت با قراردادهای متنی است تا خطاهای رایج در عامل‌های هوشمند مهار شود. این خلاصه‌ها معمولاً توسط ویرایشگری نوشته می‌شوند که کاربر استخدام نکرده و ممکن است تصمیمات حیاتی را حذف یا یک انتخاب معکوس را حفظ کند. در بدترین حالت، این دست نامرئی یک اظهارنظر گذرا را می‌گیرد و آن را به عنوان یک حقیقت ثابت درباره کاربر ثبت می‌کند.

مشکل زمینه و فراموشی

به نقل از مستندات این پروژه، هوش مصنوعی به‌صورت پیش‌فرض نمی‌تواند زمینه را در قالبی که کاربر کنترل کند، منتقل کند. هر پنجرهٔ جدید یا از صفر شروع می‌شود یا از خلاصه‌ای که کاربر هرگز ننوشته است. این موضوع باعث می‌شود کاربر مجبور شود هر بار ترجیحات، الگوها و نحوهٔ ساخت را دوباره توضیح دهد. این مشکل به‌ویژه برای کسانی است که عمیقاً با AI کار می‌کنند و احتمالاً سعی کرده‌اند با فایل‌های قوانین آن را حل کنند، اما متوجه شده‌اند که این فایل‌ها به تنظیمات تبدیل می‌شوند: یک‌بار نوشته می‌شوند و سپس در سکوت اشتباه می‌شوند.

ریست شدن‌ها تنها نیمی از مشکل است. گفتگوهای طولانی فشرده می‌شوند؛ اصطلاحی مودبانه برای خلاصه‌سازی توسط مدلی که هنگام اتخاذ تصمیم اصلی حضور نداشته است. نتیجه این است که ویرایشی رخ می‌دهد که کاربر هرگز نمی‌بیند و منجر به از دست رفتن دقت می‌شود. این وضعیت ریسک تضاد مدل با تصمیماتی را ایجاد می‌کند که دیگر نمی‌تواند آن‌ها را ببیند. هر تصمیمی که مدل نبیند، با خوشحالی آن را نقض خواهد کرد.

مکانیزم انباشت زمینه

این سیستم بر اساس چارچوب MAPE-K (مانیتور، تحلیل، برنامه‌ریزی، اجرا، دانش) از رایانش خودمختار عمل می‌کند. به‌جای یک پردازش پس‌زمینه یا یک سرویس مبتنی بر اشتراک، این سیستم به عنوان یک «آیین» در لبه‌های هر جلسه اجرا می‌شود:

  • باز کردن (Open): سیستم فایل‌های مرجع (Canonical) را بارگذاری کرده و هر نسخهٔ مستقر را با نسخهٔ اصلی تطبیق می‌دهد. این تطبیق پیش از شروع کار انجام می‌شود تا تضمین شود هیچ انحرافی (Drift) رخ نداده است. شناسایی یک خط اختلاف در مرز شروع جلسه هیچ هزینه‌ای ندارد، اما ساختن پروژه روی یک فرض غلط، بسیار گران تمام می‌شود.
  • کار (Work): فایل‌ها منبع مطلق حقیقت هستند. محتوای قدیمی به‌جای اجرای کورکورانه، برای کاربر علامت‌گذاری می‌شود تا از پیروی مدل از دستورات منسوخ جلوگیری شود.
  • بستن (Close): جلسه با تبدیل تصمیمات به خطوط ماندگار در فایل‌ها به پایان می‌رسد. به‌روزرسانی سوابق، همان عملِ پایان دادن به جلسه است و تضمین می‌کند جلسهٔ بعدی دقیقاً از جایی شروع شود که قبلی تمام شده بود. این بخش، همان نیمهٔ نگهداری است که معمولاً اولین جایی است که می‌پوسد و هیچ پیام خطایی هم نمی‌دهد.

این ریتم تضمین می‌کند که فایل‌ها فقط زمانی اثر کنند که مدل آن‌ها را بخواند. هیچ حساب کاربری، سرور یا پردازش پس‌زمینه در کار نیست. انباشت ارزش از این واقعیت می‌آید که «بستن» یک جلسه، همان «باز کردن» جلسه بعدی است. اگرچه هر کسی می‌تواند سه فایل Markdown بنویسد، اما ارزش Allostatik در استانداردسازی است. این قرارداد در تمام پروژه‌ها یکسان است و روتین‌هایی برای نگهداری و بررسی انحراف فراهم می‌کند که اکثر تنظیمات دستی فاقد آن هستند.

معماری فایل‌ها

Allostatik به‌جای یک فایل دستورالعمل غول‌پیکر، وظایف را به اسناد Markdown مجزا تقسیم می‌کند. این رویکرد از اصول مهندسی نرم‌افزار مثل «جداسازی دغدغه‌ها» (Separation of Concerns)، DRY (تکرار نکن)، YAGNI (به آن نیاز نخواهی داشت) و «پورت‌ها و آداپتورها» پیروی می‌کند که به‌جای کد، روی زمینه اعمال شده‌اند:

  • decisions.md: سوابق انتخاب‌ها، منطق‌ها و تست‌های پذیرش. این فایل به‌جای متون توصیفی، از سوابقی استفاده می‌کند که جلسهٔ بعدی بتواند سریعاً باز کند. برای مثال، ممکن است ثبت شود که «لایه تا زمانی که یک قطعه منتشر شده تولید نکند، کار نمی‌کند» و اشاره کند که معماری بدون خروجی، «تظاهر به پیشرفت» است، زیرا چنین تستی ارزان، قابل مشاهده و در صورت شکست، با صدای بلند اعلام می‌شود. این فایل اصلاحات را ردیابی می‌کند؛ مثلاً تغییری در تاریخ ۲۰۲۶-۰۸-۲۱ درباره سطوح انتشار مرجع (s4) که ذکر می‌کند یک قطعه منتشر شده، یک فایل Markdown در بخش ارتباطات است و نسخه‌های سندیک شده از آن مشتق می‌شوند (پایبندی به اصل POSSE مبنی بر داشتن یک منبع مرجع). این موارد به شماره جلسات خاص (مثلاً s1, s2) لینک می‌شوند.
  • plan.md: توالی اجرا و نقاط عطف فعلی. این فایل از توالی‌های معکوس جلوگیری می‌کند؛ مثلاً طراحی یک پورت قبل از استخراج یک قطعه (اجرای آیتم ۴ قبل از آیتم ۱) را به عنوان «حدس زدن نیازمندی‌ها» علامت می‌زند.
  • workflow.md: روتین‌های عملیاتی که مدل برای حفظ سیستم باید دنبال کند. این ساختار در واقع نوعی گردش‌کار اتوماسیون AI است که وظایف تکراری مدیریت زمینه را جایگزین می‌کند.
  • log.md: سوابق زمانی نتایج جلسات.
  • project-instructions.md: راهنمایی‌های سطح بالا برای مدل.

این ساختار مانع از هدر رفتن پنجرهٔ زمینه روی متون تکراری می‌شود. دانش به‌جای چسباندن کامل متن، از طریق مانیفست‌ها ارجاع داده می‌شود. این به مدل اجازه می‌دهد روی تاریخچه استدلال کند: سه جلسه اصلاحات مشابه، دلیلی برای تغییر ساختاری است، در حالی که یک مورد صرفاً نویز محسوب می‌شود. یک AI رها شده به‌صورت پیش‌فرض هومئوستاتیک است؛ Allostatik تاریخچه لازم برای توجیه جابه‌جایی هدف را فراهم می‌کند.

استقلال از ابزار و کنترل انسانی

چون زمینه در پوشه‌ای از فایل‌های ساده زندگی می‌کند، به یک هستهٔ قابل حمل تبدیل می‌شود. چه کاربر از Claude Code استفاده کند، چه Cursor یا یک مدل محلی، رابط کاربری صرفاً یک آداپتور است. تغییر ابزار دیگر به معنای شروع دوبارهٔ وضعیت ذهنی پروژه نیست؛ یک رابط جدید فقط یک آداپتور فاصله دارد. هیچ داده‌ای با پایان اشتراک از دست نمی‌رود چون فایل‌ها خوانا، نسخه‌دار و قابل انتقال هستند.

نکتهٔ حیاتی این است که سیستم یک «دروازهٔ انسانی» دارد. هیچ فایلی بدون تأیید صریح کاربر بازنویسی نمی‌شود. این مانع از آن می‌شود که مدل یک اشارهٔ گذرا را به عنوان یک ترجیح دائمی تفسیر کند. کاربر بخش‌های مکانیکی مدیریت زمینه را خودکار می‌کند اما تغییرات معنا‌دار را کنترل می‌کند. با کسب اعتماد به فایل‌ها، فرآیند تأیید می‌تواند از «مرحله به مرحله» به «برنامه به برنامه» تغییر کند. این تغییر، مسیری برای تکامل سیستم است، نه یک ویژگی نهایی شده.

پیاده‌سازی و موازنه

راه‌اندازی این سیستم نیاز به سرمایه‌گذاری اولیه اندکی دارد: حدود ۲ دقیقه برای نصب و ۱۵ دقیقه برای تثبیت حقیقت اولیه پروژه، و سپس چند دقیقه در ابتدا و انتهای هر جلسه.

این هزینه در برابر جایگزین‌هایش ناچیز است: یک ساعت جست‌وجو در گفتگوهای قدیمی برای یافتن یک تصمیم، یا بازنویسی کارها به‌دلیل هدایت مدل توسط یک خط منسوخ، و نیاز مداوم به توضیح دوباره زمینه. پرداخت این زمان، یک دارایی ماندگار ایجاد می‌کند، نه یک گفتگوی مصرفی. عمل بستن جلسه که فایل‌ها را به‌روز می‌کند، همان عمل ثبت تصمیمات جلسه است، بنابراین هیچ اثر جانبی دومی برای نگهداری وجود ندارد.

نصب و راه‌اندازی

این چارچوب تحت مجوز MIT و در آدرس github.com/allostatik/allostatik در دسترس است (نسخه ۰.۳.۴). قابلیت‌هایی مثل ارتقای درجا (in-place upgrades)، بررسی انحراف (drift-checks) و روتین‌های مهاجرت برای پروژه‌های موجود در حال حاضر فعال هستند. راهنمای استقرار در سطوح مختلف و دستور allostatik upgrade به‌زودی منتشر می‌شوند. استدلال‌های کامل طراحی در concepts.md و دلیل نام‌گذاری در why.md در مخزن موجود است.

کاربران می‌توانند پروژه را از سه طریق مقداردهی اولیه کنند:

۱. NPX: npx allostatik init .
۲. Pip: pip install allostatik && allostatik init .
۳. Shell: curl -fsSL https://raw.githubusercontent.com/allostatik/allostatik/main/init.sh | sh -s -- .

پس از نصب، سیستم فایل‌های مرجع را در پوشه allostatik/ قرار داده و یک بلوک ارجاع چاپ می‌کند. (اگر سیستم از قبل در حال اجرا باشد، init از بازنویسی امتناع کرده و کاربر را به ارتقای درجا هدایت می‌کند). این بلوک باید در دستورالعمل‌های پروژه (یا CLAUDE.md / AGENTS.md برای Cursor و Claude Code) قرار گیرد. این ارجاع به مدل می‌گوید: «فایل‌های مرجع در پوشه allostatik — شامل project-instructions.md, workflow.md, plan.md, log.md, decisions.md و غیره — منبع حقیقت هستند. در شروع جلسه آن‌ها را بخوان، workflow.md را دنبال کن، آن‌ها را معتبر بدان و هر مورد منسوخی را به‌جای اجرا، علامت‌گذاری کن.»

این رویکرد فرض بنیادی تعامل با AI را از «پرامپت‌نویسی» به «مدیریت سیستم» تغییر می‌دهد. کاربر به‌جای مهندس پرامپت، تبدیل به حاکم یک پایگاه دانش می‌شود. با خودکارسازی ثبت مکانیکی و کنترل به‌روزرسانی‌های معنا‌دار، رابطه با AI به یک دارایی ماندگار تبدیل می‌شود. برای کسانی که عمیقاً در کدنویسی با AI هستند، این یک چرخش از فایل تنظیمات — که یک‌بار نوشته می‌شود و در سکوت شکست می‌خورد — به یک سیستم کنترل است که وقتی کار از مسیر منحرف می‌شود، هشدار می‌دهد.

گام بعدی شما

  • اگر پروژه‌ای دارید که بیش از ۱۰ جلسه با AI پیش رفته، Allostatik را نصب کنید و فایل decisions.md را برای ثبت تصمیمات کلیدی بسازید.
  • در دستورالعمل‌های سیستم (System Prompt) خود، ارجاع به پوشه allostatik را قرار دهید تا مدل را مجبور به چک کردن منبع حقیقت کنید.
  • روتین «بستن جلسه» را تمرین کنید تا هر جلسه با ثبت یک درس آموخته در فایل‌ها به پایان برسد.

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

چرا این موضوع مهم است؟

این سیستم با حذف وابستگی به حافظهٔ ناپایدار مدل‌ها، تداوم منطقی پروژه‌های مهندسی را تضمین می‌کند. اعتبار این روش از تجربهٔ واقعی توسعه‌دهندگانی می‌آید که با «توهم» و «فراموشی» مدل‌ها در پروژه‌های مقیاس‌بزرگ مواجه بوده‌اند.

تأثیر برای ایران

به‌دلیل متن‌باز بودن و اجرا روی فایل‌های محلی، توسعه‌دهندگان ایرانی بدون نیاز به APIهای گران‌قیمت یا عبور از محدودیت‌های دسترسی، می‌توانند مدیریت زمینهٔ پروژه‌های خود را بهینه کنند.

·نگاه ما
تحریریه دات‌هوش

Allostatik در واقع مفهوم «مدیریت وضعیت» (State Management) را از کد به لایهٔ تعامل با مدل منتقل می‌کند. این رویکرد نشان می‌دهد که برای رسیدن به عامل‌های هوشمند واقعی، نباید روی افزایش پنجرهٔ زمینه یا حافظهٔ داخلی مدل‌ها شرط‌بندی کرد، بلکه باید لایه‌ای از «حقیقت خارجی» ایجاد کرد که توسط انسان نظارت شود. این یک چرخش از اعتماد به حافظهٔ مدل به اعتماد به ساختار داده است.

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.