تصور کنید بتوانید یک اپلیکیشن کاربردی را در دو روز، بدون نوشتن حتی یک خط کد و بدون پرداخت یک ریال هزینه بسازید. Dyad این رویا را با اجرای مستقیم روی سخت‌افزار کاربر به‌جای تکیه بر سرویس‌های ابری، به واقعیت تبدیل کرده است. این ابزار یک سازنده اپلیکیشن هوش مصنوعی محلی و متن‌باز است که اجازه می‌دهد توسعه نرم‌افزار به‌جای تکیه بر سرویس‌های ابری، مستقیماً روی ماشین کاربر اجرا شود.
بسیاری از ابزارهای فعلی ساخت اپلیکیشن با هوش مصنوعی، کاربران را در تلهٔ اشتراک‌های ماهانه گران‌قیمت می‌اندازند یا آن‌ها را مجبور می‌کنند داده‌های حساس خود را به فضای ابری بفرستند. این موضوع برای علاقه‌مندان به تکنولوژی و توسعه‌دهندگانی که روی حریم خصوصی حساس هستند و می‌خواهند کنترل کاملی بر محیط توسعه خود داشته باشند، یک مانع بزرگ است. Dyad به‌عنوان جایگزینی محلی برای ابزارهای ابری محبوب مانند Lovable، v0 یا Bolt وارد شده تا قدرت محاسبات و کنترل محیط توسعه را دوباره به دسکتاپ کاربر برگرداند.
زمینه: جست‌وجو برای توسعه رایگان با هوش مصنوعی
برای بسیاری از کاربران، مانع اصلی در مسیر توسعه اپلیکیشن‌های مبتنی بر هوش مصنوعی، «تلهٔ اشتراک» است. بسیاری از ابزارها ادعا می‌کنند که در دسترس هستند، اما به‌سرعت برای تولید کدهای کاربردی و واقعی، کاربر را به خرید یک طرح پولی مجبور می‌کنند. Dyad این مشکل را با اجازه دادن به کاربران برای استفاده از سرویس‌های هوش مصنوعی خودشان، از جمله سرویس‌های رایگان، یا اجرای مدل‌ها به‌صورت کاملاً آفلاین حل کرده است.
این رویکرد محلی برای کسانی که دغدغه‌های حریم خصوصی دارند، حیاتی است. با نصب این سازنده روی یک ماشین دسکتاپ، کاربران کنترل داده‌های خود را حفظ کرده و از ریسک‌های مرتبط با سرویس‌های ابری دوری می‌کنند. این ویژگی، Dyad را به گزینه‌ای عملی برای ساخت نمونه‌های اولیه (Prototypes) تبدیل می‌کند، بدون آنکه ایده‌های تجاری محرمانه یا داده‌های شخصی به خطر بیفتد.
نصب محلی و راه‌اندازی
به نقل از گزارش ZDNET، ابزار Dyad با سیستم‌عامل‌های لینوکس، مک و ویندوز سازگار است. فرآیند نصب بسته به سیستم‌عامل متفاوت است:
- مک و ویندوز: کاربران فایل نصبی مربوطه را از صفحه رسمی دانلود Dyad دریافت می‌کنند، روی فایل دو بار کلیک کرده و مراحل ساده جادوگر نصب (Installation Wizard) را دنبال می‌کنند.
- لینوکس: این ابزار در قالب‌های RPM، DEB یا AppImage عرضه شده است. کاربران می‌توانند فایل‌های RPM یا DEB را با یک فروشگاه اپلیکیشن گرافیکی باز کنند، دستور مدیریت بسته مورد نیاز را اجرا کنند یا از ابزاری مانند GearLever برای نصب AppImage استفاده کنند.
پس از نصب، نرم‌افزار مانند یک پوسته (Shell) عمل می‌کند که به ارائه‌دهندگان مختلف مدل‌های هوش مصنوعی متصل می‌شود. کاربران می‌توانند این تنظیمات را با کلیک روی آیکون چرخ‌دنده در نوار کناری سمت چپ و انتخاب بخش 'Model Providers' پیکربندی کنند. از آنجا می‌توانند یک ارائه‌دهنده موجود از لیست را انتخاب کنند یا روی گزینه 'Add custom provider' کلیک کنند تا یک ارائه‌دهنده سفارشی اضافه نمایند.
جزئیات: انتخاب هوش متفکر برنامه
در انتخاب «مغز» متفکر اپلیکیشن، کاربر با سه مسیر روبروست:
- هوش مصنوعی محلی: برای استفاده از AI محلی، کاربران باید روی 'Add custom provider' کلیک کنند. نکته کلیدی در اینجا، انتخاب مدلی است که هم با سخت‌افزار سیستم کاربر سازگار باشد و هم به‌طور خاص برای کدنویسی بهینه شده باشد. ZDNET پیشنهاد می‌کند برای انتخاب مدل مناسب در این زمینه، به راهنمایی‌های CodeGPT مراجعه کنید.
- رابط‌های برنامه‌نویسی (API) خارجی: کاربران می‌توانند به سرویس‌هایی مانند OpenRouter متصل شوند. این کار مستلزم ثبت‌نام برای یک حساب رایگان و ایجاد یک کلید API جدید است که سپس باید کپی شده و در بخش پیکربندی OpenRouter در محیط Dyad جای‌گذاری شود.
- انتخاب مدل: پس از اتصال یک ارائه‌دهنده، کاربر باید پیش از شروع ساخت، مدل خاصی (مثلاً "Free (OpenRouter)") را از منوی کشویی که در زیر محیط چت قرار دارد، انتخاب کند.
فرآیند ساخت (Build Process)
ساخت یک اپلیکیشن با کلیک روی آیکون خانه در نوار کناری و انتخاب 'New App' آغاز می‌شود. این کار یک پنجره چت آشنای هوش مصنوعی را باز می‌کند که در آن کاربر باید یک پرامپت (دستور) مفصل را ارائه دهد.
برای مثال، در یک تست برای ساخت سرویسی که به زنان مسن کمک می‌کند تا زیبایی خود را بازیابند، پرامپت به این صورت بود: «من اپلیکیشنی می‌خواهم که به زنان مسن کمک کند تا راه‌هایی برای بازیابی زنانگی خود بیابند. این اپلیکیشن باید شامل انواع لباس برای فرم‌های بدنی خاص، نحوه استفاده از آرایش ملایم، استایل مو، نحوه راه رفتن، ایستادن، صحبت کردن و نکات دیگر باشد. این اپلیکیشن را به‌گونه‌ای بسازید که از طریق AppImage روی دسکتاپ لینوکس قابل نصب باشد و امکان ذخیره اطلاعات مربوط به سایز لباس کاربر، ترجیحات استایل، پالت رنگی و ترجیحات پروفایل کاربر سنتی را داشته باشد.»
Dyad این پرس‌وجوها را پردازش کرده و شروع به کنار هم قرار دادن قطعات اپلیکیشن می‌کند. بسته به پیچیدگی پروژه، ممکن است هوش مصنوعی سؤالات تکمیلی بپرسد؛ برای مثال، ممکن است بپرسد که اپلیکیشن چگونه باید به یک پایگاه‌داده متصل شود.
مدیریت محدودیت‌های نرخ (Rate Limits) و تأخیرها
این فرآیند همیشه آنی نیست. اگر کاربر از محدودیت‌های نرخ (Rate Limits) یک سرویس رایگان هوش مصنوعی عبور کند، فرآیند ساخت ممکن است متوقف شود. در تست ZDNET، ساخت اپلیکیشن دو روز زمان برد زیرا کاربر به سقف محدودیت‌های رایگان OpenRouter رسیده بود.
خوشبختانه، Dyad در طول این توقف‌ها در حالت «تعلیق» (Suspended Animation) باقی می‌ماند. پس از یک روز انتظار برای بازنشانی سهمیه (Quota)، کاربر توانست روی گزینه 'Retry' کلیک کند و ساخت برنامه در حدود یک ساعت به پایان رسید.
تست و استقرار (Deployment)
پس از اتمام ساخت، Dyad یک محیط داخلی برای تست عملکرد اپلیکیشن فراهم می‌کند. پس از تأیید نهایی، کاربر می‌تواند اپلیکیشن وب خود را مستقیماً در GitHub منتشر کند، مخزن (Repository) را کلون نماید و آن را به‌صورت مستقل اجرا کند.
در حالی که نسخه پایه رایگان است، یک لایسنس Dyad Pro با هزینه ۲۰ دلار در ماه در دسترس است. این سطح پولی قابلیت‌های زیر را اضافه می‌کند:
- حالت پیشرفتهٔ عامل (Advanced Agent Mode). این رویکرد یادآور روش‌های جدید بسته‌بندی عامل‌ها در اپلیکیشن است که سرعت توسعه را به‌شدت افزایش می‌دهد.
- قابلیت‌های عیب‌یابی خودکار (Auto-debugging)
- پشتیبانی از مدل‌های هوش مصنوعی بیشتر
تحلیل: چرخش به سمت توسعه محلی هوش مصنوعی
این ابزار نشان‌دهنده یک تغییر قابل توجه برای «هکرهای مستقل» (Indie Hackers) و سازندگان غیرفنی است. با جداسازی سازنده اپلیکیشن (رابط کاربری) از مدل زبانی بزرگ (LLM - هوش متفکر)، Dyad «تلهٔ اشتراکی» رایج در مدل‌های SaaS هوش مصنوعی را از بین برده است.
برای کاربر عادی، این بدان معناست که هزینه ساخت نمونه‌های اولیه به صفر می‌رسد. توانایی اجرای کل پشته (Stack) به‌صورت محلی همچنین اصلی‌ترین مانع شرکتی و شخصی برای پذیرش هوش مصنوعی، یعنی نشت داده‌ها را حل می‌کند. وقتی کد روی دیسک محلی تولید و ذخیره شود، ریسک نشت ایده‌های تجاری به مجموعه‌داده‌های آموزشی مدل‌های ابری از بین می‌رود. این تمرکز بر استقلال در اجرا، با راهکارهای استقرار عامل‌های هوشمند برای اتوماسیون وظایف پیچیده هم‌سو است تا کنترل بیشتری بر خروجی‌ها حاصل شود.
برای شروع ساخت، کاربران باید ابتدا یک مدل تخصصی کدنویسی — مانند مدل‌های توصیه شده توسط CodeGPT — را شناسایی کنند تا اطمینان حاصل شود که منطق تولید شده پیش از استقرار کامل، صحیح و بدون خطا است.
گفتگو