پرش به محتوای اصلی
پرش به محتوای مقاله

درون معماری Zenku: وقتی اپلیکیشن‌ها به جای کد، با متادیتا زنده می‌شوند

·۱۰ اردیبهشت ۱۴۰۵۳ دقیقه مطالعه
درون معماری Zenku: وقتی اپلیکیشن‌ها به جای کد، با متادیتا زنده می‌شوند
اشتراک‌گذاری

تصور کنید ابزاری داشته باشید که به جای تحویل صدها خط کدِ React، مستقیماً یک اپلیکیشن زنده و قابل تغییر به شما بدهد. اگر هنوز منتظر هستید تا مدل‌های زبانی کد بزنند و شما آن را دیباگ کنید، باید بدانید که بازی تغییر کرده است.

در ۲۷ آوریل ۲۰۲۶، توسعه‌دهنده‌ای با نام مستعار antonylu0826 از Zenku پرده‌برداری کرد. به نقل از مستندات این پروژه، Zenku یک موتور بدون‌کد است که چندین عامل (Agent) متخصص را برای ساخت اپلیکیشن‌های زنده از طریق گفتگو هماهنگ می‌کند. این سیستم برخلاف تولیدکننده‌های کد سنتی، رابط‌های کاربری را به‌صورت پویا از طریق متادیتای JSON رندر می‌کند تا نیاز به کامپایل مجدد حذف شود.

طبق اعلام سازندگان، نسخه ۱.۰.۰ این پلتفرم به‌صورت خودمیزبان (Self-hostable) عرضه شده است. ساختار فنی آن شامل یک بک‌اند با Node.js، Express و TypeScript و یک فرانت‌اند مبتنی بر React 19، Vite و Tailwind CSS است. در این معماری، یک هماهنگ‌کننده مرکزی (Orchestrator) وظایف را به چهار عامل تخصصی می‌سپارد:

  • عامل طرح‌واره (Schema Agent): مدیریت طراحی دیتابیس
  • عامل رابط کاربری (UI Agent): رندر کردن نماهای پویا
  • عامل منطق (Logic Agent): مدیریت قوانین اتوماسیون
  • عامل پرس‌وجو (Query Agent): تبدیل زبان طبیعی به SQL

این سیستم از دیتابیس‌های سازمانی SQLite، PostgreSQL و Microsoft SQL Server پشتیبانی کرده و از طریق وب‌هوک‌ها به n8n متصل می‌شود.

همان‌طور که در تحلیل‌های پیشین ما درباره‌ی معماری‌های عامل‌محور (Agentic) اشاره کردیم، تفکیک وظایف کلید دستیابی به دقت در مقیاس بزرگ است. Zenku این موضوع را با یک «دفترچه طراحی» (Design Journal) پیاده کرده که مانند یک ماشین زمان عمل می‌کند. این قابلیت هر تغییر در طرح‌واره یا رابط کاربری را ثبت می‌کند تا کاربر بتواند با یک دستور ساده، تغییرات مخرب را به حالت قبل برگرداند.

این رویکرد دقیقاً همان نقطه‌ای است که اکثر دستیارهای کدنویسی شکست می‌خورند؛ جایی که هوش مصنوعی زاینده (Generative AI) طرح‌های قبلی را فراموش کرده یا روابط دیتابیس را به‌طور پنهانی می‌شکند. در Zenku، کاربر می‌تواند چیدمان‌های Kanban یا Dashboard را در میان گفتگو تغییر دهد، بدون اینکه منتظر استقرار (Deployment) مجدد بماند.

اما این تنها بخشی از تحول است؛ تأثیر این رویکرد بر آینده‌ی توسعه‌ی نرم‌افزار و حذف وابستگی به APIهای ابری را در گزارش بعدی بررسی خواهیم کرد.

گام بعدی شما

  • اگر تیم توسعه دارید، مدل استقرار Docker-first این پروژه را برای تست ابزارهای داخلی بررسی کنید.
  • برای اتوماسیون‌های پیچیده، اتصال Zenku به n8n را امتحان کنید تا جریان‌های کاری خارجی را به اپلیکیشن خود اضافه کنید.
  • قابلیت Time Machine را در تغییرات سریع دیتابیس تست کنید تا تفاوت آن با بازگشت‌های دستی (Manual Rollback) را ببینید.
چرا این موضوع مهم است؟

این پروژه با تکیه بر تخصص در تفکیک وظایف عامل‌ها، اثبات می‌کند که آینده‌ی No-code نه در تولید کد، بلکه در رندرینگ پویاست. این تغییر باعث می‌شود اعتماد سازمان‌ها به ابزارهای AI افزایش یابد، زیرا قابلیت بازگشت (Undo) و کنترل دقیق بر دیتابیس فراهم شده است.

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.