پرش به محتوای اصلی
پرش به محتوای مقاله

درون سازوکار بازگشت خودکار و سندباکس سایه در عامل Z-Agent-Termux

·۱۹ مهر ۱۴۰۵۳ دقیقه مطالعه
توسعه ۱۳ ساعته هوش مصنوعی: ساخت عامل هوشمند با قابلیت‌های نظارتی و شبیه‌سازی امن روی گوشی اندروید
توسعه ۱۳ ساعته هوش مصنوعی: ساخت عامل هوشمند با قابلیت‌های نظارتی و شبیه‌سازی امن روی گوشی اندروید
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

معرفی یک سیستم «بیمه دوگانه» که ترکیب سگ نگهبان و سندباکس سایه را برای جلوگیری از بریک شدن اندروید به کار می‌گیرد؛ چیزی که پیش از این در سطح اپلیکیشن‌های موبایل متداول نبود.

تصور کنید یک خط کد اشتباه توسط هوش مصنوعی نوشته شود و گوشی شما برای همیشه خاموش شود؛ کابوسی که هر توسعه‌دهنده موبایلی از آن می‌ترسد. Z-Agent-Termux با تبدیل گوشی اندرویدی به یک آزمایشگاه خود-ترمیم‌شونده، این ریسک را به صفر می‌رساند. این عامل که در یک دوی سرعت ۱۳ ساعته تا تاریخ ۱۰ اکتبر ۲۰۲۶ توسعه یافته است، تضمین می‌کند که سیستم فارغ از اینکه هوش مصنوعی چگونه سورس‌کد خود را تغییر می‌دهد، همچنان قابلیت بوت شدن داشته باشد.

اجرای عامل‌های هوش مصنوعی روی موبایل به‌دلیل محدودیت‌های محیطی بسیار شکننده است. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، ترس از حذف تصادفی فایل‌های سیستمی یا ایجاد حلقه‌های بی‌نهایت که دستگاه را منجمد می‌کند، مانع اصلی پیشرفت در این حوزه بوده است. این چالش‌ها در حالی رخ می‌دهد که عامل‌های هوش مصنوعی پیشرفته‌تر حتی توانسته‌اند آسیب‌پذیری‌های بحرانی در اپلیکیشن‌های اندروید را شناسایی کنند، اما اجرای ایمن آن‌ها روی خود دستگاه همچنان یک چالش است. برای حل این مشکل، سازنده این پروژه از محیط Termux استفاده کرده تا یک لایه جداسازی فیزیکی بین منطق اصلی عامل و سیستم‌های دفاعی ایجاد کند.

به نقل از گزارش dev.to، این سامانه بر دو مکانیزم ایمنی اصلی استوار است:

معماری بیمه دوگانه

  • سگ نگهبان (boot_guard): این سیستم قبل از هر بار راه‌اندازی، تست‌های AST (درخت نحو انتزاعی)، تست‌های نمادین (Symbol) و تست‌های دود (Smoke Tests) انجام می‌دهد. اگر کرشی شناسایی شود، بلافاصله یک بازگشت اتمیک (Atomic Rollback) به آخرین وضعیت سالم (last_good) اجرا می‌کند.
  • سندباکس سایه (shadow_test): قبل از اینکه هر کدی روی حافظه نوشته شود، عامل آن منطق را در یک محیط ایزوله و از طریق یک «مدل زبانی شبیه‌ساز» (Mock LLM) تست می‌کند. عملیات «نوشتن روی دیسک» تنها زمانی رخ می‌دهد که تمام تاییدیه ها پاس شوند و هیچ خطای ناپایدار در زمان اجرا (Runtime Invariant Errors) یافت نشود. این رویکرد لایه‌بندی شده برای جلوگیری از خطاهای سیستمی، شبیه به مکانیزم‌های حفاظتی در پلتفرم HeliGO است که برای حذف توهمات مدل‌های زبانی از گیت‌های ایمنی قطعی استفاده می‌کند.

فرآیند توسعه این ابزار یک تمرین شدید در نمونه‌سازی سریع بود. بر اساس مستندات پروژه، توسعه‌دهنده در یک بازه زمانی متراکم بین ساعت ۹ صبح تا ۱۰ شب در روز انتشار، با چالش‌های متعددی از جمله خطاهای API ۴۰۱ و ۵۰۳ مواجه شد. در نهایت، او توانست یک کد یکپارچه (Monolith) ۲۰۰۰ خطی را به دو کتابخانه مجزا تبدیل کند: zcore برای ابزارها و zguard برای سیستم دفاعی. این بازسازی ساختاری با کمک مدل زبانی بزرگ (LLM) — شبیه کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — مدل GLM-5.3 انجام شد.

برای یک کاربر علاقه‌مند به تغییرات نرم‌افزاری، این یعنی ریسک «بریک شدن» (Bricking) در آزمایش‌های هوش مصنوعی عملاً حذف شده است. شما می‌توانید به عامل اجازه دهید توابع خود را روی گوشی بازنویسی کند، بدون اینکه در صورت اشتباه AI، نیاز به بازگردانی کامل سیستم (Factory Reset) داشته باشید.

با این حال، این سیستم مرزهای مشخصی دارد. در حالی که از کرش کردن سیستم (تکمیل نادرست) جلوگیری می‌کند، هنوز نمی‌تواند کیفیت کد تولید شده (تکمیل با کیفیت پایین) را تضمین کند. همچنین سندباکس سایه در حال حاضر فقط خروجی اول را شبیه‌سازی می‌کند و نمی‌تواند محیط شبکه زنده را بازسازی کند.

گام بعدی شما

  • سورس‌کد کامل و مستندات چینی پروژه را در گیت‌هاب بررسی کنید تا استقرار عامل‌های خود-ترمیم‌شونده را آغاز کنید.
  • محیط Termux را روی اندروید نصب کرده و لایه‌های ایزولاسیون را تست کنید.
  • برای پیاده‌سازی عامل‌های خود-ترمیم‌شونده، ساختار zguard را مطالعه کنید.

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

چرا این موضوع مهم است؟

این معماری با تکیه بر تجربه عملی در محیط‌های محدود، استانداردی برای استقرار ایمن AI روی دستگاه‌های Edge ایجاد می‌کند. اعتماد به عامل‌های خودکار تنها زمانی جلب می‌شود که مکانیزم بازگشت (Rollback) تضمین‌شده باشد.

تأثیر برای ایران

توسعه‌دهندگان ایرانی که به دلیل محدودیت‌های سخت‌افزاری بر روی اندروید کار می‌کنند، می‌توانند از این معماری متن‌باز برای ساخت عامل‌های محلی و ایمن استفاده کنند.

·نگاه ما
تحریریه دات‌هوش

جدا کردن لایه دفاعی (zguard) از لایه ابزاری (zcore) نشان می‌دهد که آینده عامل‌های خودگردان نه در قدرت مدل، بلکه در معماری‌های نظارتی است. این رویکرد ثابت می‌کند که برای رسیدن به خود-تکامل (Self-evolution) در لبه، باید ابتدا «حق شکست خوردن» را در یک محیط ایزوله برای AI تعریف کرد.

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.