تصور کنید یک آزمایشگاه تحقیقاتی پیشرفته را تنها با دو گوشی هوشمند و یک لپ‌تاپ اداره کنید، آن هم بدون اینکه حتی یک سنت بابت API پرداخت کنید. اگر از مدل‌های ابری برای مدیریت عامل‌های خود استفاده می‌کنید، احتمالاً با دلیل یا تأخیر بالا و «مالیات توکن» دست‌وپنج نرم می‌کنید؛ اما راهکاری برای دور زدن تمام این موانع پیدا شده است.
به نقل از مستندات منتشر شده توسط شاکتی تیواری (Shakti Tiwari) در ۲۵ ژوئیه ۲۰۲۶، این سیستم هماهنگی محلی اجازه می‌دهد جریان‌های کاری پیچیده بدون خروج داده‌ها از شبکه خصوصی اجرا شوند. اکثر توسعه‌دهندگان به APIهای ابری متکی هستند که در آن‌ها هزینه‌ها با افزایش تعداد پیام‌ها به‌صورت خطی رشد می‌کند و این موضوع، سدی مالی برای تیم‌های کوچک می‌سازد.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، انتقال لایه‌ی هماهنگی به یک شبکه محلی (LAN) نه تنها هزینه‌ها را صفر می‌کند، بلکه کنترل کامل روی داده‌ها را بازمی‌گرداند.
بر اساس راهنمای منتشر شده در وب‌سایت dev.to، قلب این سیستم یک سرور پایتونی است که از ThreadingHTTPServer برای مدیریت درخواست‌های هم‌زمان استفاده می‌کند. این سرور که تنها ۳۰ خط کد دارد و روی محیط Termux اجرا می‌شود، از یک ساختار نقش‌محور سخت‌گیرانه پیروی می‌کند:
- عامل ۱ (تأییدکننده): پیش‌نویس‌ها را با یک معیار مشخص بررسی کرده و حکم پذیرش یا رد صادر می‌کند.
- عامل ۲ (تولیدکننده): محتوا را تولید می‌کند و برای هر وظیفه تنها ۳ بار فرصت بازبینی دارد.
- مدیریت وضعیت: تمام تعاملات در فایل‌های append-only (مانند
.mdیا.jsonl) ذخیره می‌شوند تا از تغییر ناخواسته‌ی داده‌ها جلوگیری شود.
برای جلوگیری از مشکل «وراثت خطا»، تیواری جداسازی کامل تولیدکننده و تأییدکننده را اجباری کرده است. طبق گزارش وی، پس از تأیید نهایی، عامل‌ها وارد مرحله «گرده‌افشانی متقاطع» می‌شوند؛ یعنی هر بات یک یافته فنی خاص — مثلاً یک پارامتر بهینه برای XGBoost — را در یک فایل مشترک می‌نویسد. همچنین پروتکل «حکمران پژوهشی» هرگونه ادعای تأییدنشده‌ای را که سلسله‌مراتب منبع (مقاله > مستند > وبلاگ > انجمن) را رعایت نکرده باشد، مسدود می‌کند.
این یعنی شما می‌توانید گردش‌های کاری با فرکانس بالا — مثل تحلیل اسناد مالی یا تنظیم مدل‌های معاملاتی — را بدون نگرانی از صورت‌حساب‌های غافلگیرکننده اجرا کنید. در واقع، شبکه محلی به میدان بازی neutrals برای ارتباط عامل‌ها تبدیل می‌شود.
گام بعدی شما
- منطق هماهنگی عامل‌های خود را از ارکستراتورهای ابری به یک API محلی در قالب JSON منتقل کنید تا سرعت تکرار (Iteration) افزایش یابد.
- برای نسخه‌بندی بهتر وضعیت‌ها، استفاده از SQLite را جایگزین فایل‌های JSONL کنید.
- ساختار نقش‌های متضاد (Generator-Verifier) را برای کاهش نرخ توهم در خروجی‌ها پیاده‌سازی کنید.
اما تأثیر این رویکرد بر سخت‌افزارهای لبه‌ای حتی شگفت‌انگیزتر است؛ برای درک بهتر این موضوع به تحلیل ما درباره‌ی رایانش لبه مراجعه کنید.
گفتگو