«پوشه پروژه به جای چت»؛ استراتژیOrbital برای حذف وابستگی به مدل

دیگر لازم نیست مثل یک کارآموز، اطلاعات پروژه را بین پنجره‌های مختلف چت جابه‌جا کنید تا هوش مصنوعی بفهمد در چه مرحله‌ای هستید. Orbital که در ۱۸ سپتامبر ۲۰۲۶ عرضه شد، واحد کار با هوش مصنوعی را از «جلسه موقت» به «پوشه دائمی پروژه» تغییر داد.

بیشتر ابزارهای کدنویسی فعلی، تاریخچه، تصمیمات و وضعیت فعلی پروژه شما را در یک جلسه خاص حبس می‌کنند. وقتی سقف استفاده از Claude Code تمام شود یا بخواهید به Cursor بروید، تمام آن هوشمندی ناپدید می‌شود. در نتیجه مجبورید دوباره اهداف و مسیر فایل‌ها را کپی و پیست کنید تا یک عامل جدید را به‌روز کنید. در واقع شما تبدیل به دستیار مدل شده‌اید؛ کسی که کپی می‌کند، پیست می‌کند و یادش می‌ماند فایل‌های عجیب کجا هستند، در حالی که مدل فقط بخش «فکر کردن» را بر عهده دارد.

Orbital این مشکل را با تعریف پوشه محلی پروژه به‌عنوان «منبع واحد حقیقت» حل می‌کند. این ابزار مانند یک لایه کنترلی محلی (Local Control Plane) عمل می‌کند که وضعیت، بودجه و تفویض اختیار را مدیریت می‌کند. به این ترتیب، هوشمندی پروژه متعلق به شما می‌ماند، حتی اگر عامل اجرایی را عوض کنید. در اینجا هوشمندی قابل تعویض است، اما زمینه (Context) متعلق به شماست.

همان‌طور که در بحث‌های گذشته ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، کنترل روی داده‌های محلی کلید بهره‌وری در محیط‌های توسعه است. Orbital با این رویکرد، زمینه را از مدل جدا می‌کند تا کاربر صاحب حافظه باشد.

معماری مالکیت پروژه

Orbital پنج دارایی اصلی را به‌صورت فایل‌های متنی ساده در دایرکتوری محلی شما نگه می‌دارد. طبق مستندات این پروژه، این فایل‌ها تضمین می‌کنند هر عاملی که وارد کار شود، فوراً به زمینه معتبر و مقتدر دسترسی داشته باشد:

• PROJECT_STATE.md: یک تخته یادداشت از آنچه در حال حاضر درباره پروژه صادق است. این یک فایل بازنویسی (Overwrite) است، نه یک لیست تغییرات (Changelog).
• DECISIONS.md: سوابق بادوام از آنچه تصمیم گرفته شده و استدلال‌های پشت آن. این فایل از منطق «ادغام و جایگزینی» استفاده می‌کند تا هرگز با خودش تضاد نداشته باشد.
• LESSONS.md: دستورالعمل‌های فنی و قواعد تجربی (Heuristics) که در طول توسعه آموخته شده‌اند. این‌ها دست‌نخورده باقی می‌مانند و هرگز برای کاهش حجم، کوتاه نمی‌شوند.
• queue.json: صف وظایف سخت‌گیرانه که هر مورد باید به وضعیت «تکمیل‌شده» (Completed) یا «مسدودشده» (Blocked) برسد. اگر عاملی بدون صدور حکم متوقف شود، دوباره پرامپت شده و سپس برای جلوگیری از انحراف خاموش، با ذکر دلیل به‌طور اجباری مسدود می‌شود.
• Artifacts: خروجی‌های تحقیق و ساخت در مسیر orbital/output/ شامل اسکرین‌شات‌های مرورگر، PDFهای ذخیره شده و خروجی دستورات شل (Shell).

ساختار فضای کاری و مدیریت فایل‌ها

این سیستم فضای کاری را به‌گونه‌ای سازماندهی می‌کند که عامل‌های خارجی بتوانند به‌سرعت وارد پروژه شوند. ساختار دایرکتوری شامل موارد زیر است:

• AGENTS.md: یک تابلوی راهنما برای ورود عامل‌های خارجی که در زمان ایجاد پروژه مقداردهی اولیه می‌شود. این رویکرد یادآور تفاوت‌های کلیدی در دستورالعمل‌های بازبینی و زمینه عامل‌هاست که پیش‌تر بررسی کردیم.
• sessions/: لاگ‌های JSONL که فقط قابلیت افزودن دارند (Append-only). هر خط شامل یک پیام با نقش، منبع، محتوا و فراخوانی‌های ابزار است. این فایل‌ها به‌جز در زمان فشرده‌سازی، هرگز تغییر نمی‌کنند.
• instructions/: شامل فایل‌های project_goals.md و user_directives.md برای هدایت رفتار عامل.
• sub_agents/: رونوشت‌ها و فایل‌های MEMORY.md مخصوص هر کارگر، که به آن‌ها اجازه می‌دهد تجربه خود را در طول اعزام‌های مختلف انباشت کنند.
• INDEX.md: یک نقشه ناوبری شامل درخت فایل‌ها و یک توصیف تک‌جمله‌ای برای هر فایل. در واقع، رعایت کنوانسیون‌های دقیق در ساختار مخزن است که مانع از بروز خطا در عملکرد عامل‌های کدنویس می‌شود.
• Archives: فایل‌های DECISIONS_ARCHIVE.md و LESSONS_ARCHIVE.md که ورودی‌های قدیمی‌تر را ذخیره می‌کنند و فقط در صورت نیاز خوانده می‌شوند.
• orbital/: شامل متادیتای عملیاتی، از جمله tool-results/ برای خروجی‌های ابزارها و skills/ برای قابلیت‌های خاص پروژه.

وقتی یک عامل جدید اعزام می‌شود، Orbital این فایل‌ها را در یک پرامپت سیستمی جمع می‌کند. به عامل دستور داده می‌شود که این فایل‌ها مرجع هستند و حق نوشتن در آن‌ها را ندارد تا از توهم (Hallucination) — وقتی مدل با اطمینان چیزی می‌گوید که وجود ندارد — یا بازنویسی تاریخچه پروژه جلوگیری شود. این توجیه (Briefing) در هر بار اعزام به‌صورت تازه رندر می‌شود.

مدیریت زمینه و فشرده‌سازی

برای جلوگیری از پر شدن پنجره متنی (Context Window) — میزان متنی که مدل هم‌زمان در ذهن نگه می‌دارد — سیستم Orbital از مکانیزم فشرده‌سازی پیشرفته استفاده می‌کند. هر فایل لایه اول یک سقف توکن دارد و در صورت عبور از آن، قدیمی‌ترین ورودی‌ها حذف یا به آرشیو منتقل می‌شوند.

وقتی مصرف زمینه به ۸۰٪ برسد، یک رویداد فشرده‌سازی رخ می‌دهد: حافظه تخلیه شده، یک مدل زبانی (LLM) پیام‌های قدیمی را خلاصه می‌کند و پیام‌های اخیر دست‌نخورده می‌مانند. پس از آن، یک بازنگری با استفاده از اهداف پروژه و وضعیت فعلی انجام می‌شود.

برای بهره‌وری، در نسخه ۰.۴.۲ قابلیت کش پیشوندی (Prefix Caching) معرفی شد. پرامپت سیستمی به بخش‌های استاتیک، نیمه‌پایدار و دینامیک تقسیم می‌شود. این کار اجازه می‌دهد تا ۹۵٪ توکن‌های ورودی در نوبت‌های بعدی از کش ارائه‌دهنده خوانده شوند و تأخیر به‌شدت کاهش یابد.

تفویض اختیار و انتقال بین عامل‌ها

Orbital خودش یک مدل زبانی نیست، بلکه هماهنگ‌کننده‌ای برای ابزارهای موجود است. این سیستم می‌تواند وظایف را به طیف وسیعی از عامل‌های مبتنی بر خط فرمان (CLI) واگذار کند، از جمله Claude Code، Codex، Gemini CLI، Aider، Cline، Goose، Copilot CLI و Continue.

برای ارتباط با این ابزارها، Orbital از روش‌های مختلفی استفاده می‌کند:

• Codex app-server: ارتباط بومی JSON-RPC روی stdio با چرخه حیات ساختاریافته و سیستم تأیید.
• PTY (Pseudo-terminal): برای عامل‌های تعاملی مثل Gemini CLI، Aider، Cline، Goose، Copilot CLI و Continue.
• SDK: ادغام مستقیم برای SDK شرکت Anthropic.
• ACP (Agent Communication Protocol): برای ارتباط با Cursor از طریق سرور رسمی ACP آن.
• Pipe: زیرپردازش‌های استاندارد stdin/stdout با استریم JSON.

عملیات مستمر و اتوماسیون

علاوه بر چت دستی، Orbital از محرک‌های زبان طبیعی برای عملیات مستمر پشتیبانی می‌کند. شما می‌توانید به عامل بگویید «پوشه uploads را برای فایل‌های jpg جدید زیر نظر بگیر و آن‌ها را تحلیل کن» و سیستم یک محرک پایش فایل با قابلیت تنظیم تأخیر (مثلاً ۵ ثانیه) ایجاد می‌کند.

همچنین پشتیبانی از زمان‌بندی‌های cron وجود دارد. برای مثال، یک عامل می‌تواند تنظیم شود تا هر روز ساعت ۶ صبح بدون دخالت انسان، سایت arXiv.org را برای مقالات جدید استدلال هوش مصنوعی اسکن کند. این محرک‌ها از طریق ابزار create_trigger مدیریت شده و در بخش اتوماسیونِ صف (Queue) لیست می‌شوند.

حاکمیت انسان در چرخه (Human-in-the-Loop)

برای جلوگیری از اجرای کنترل‌نشده و «فرار» هوش مصنوعی، سه سطح دسترسی تعریف شده است:

• Hands-off: حداکثر استقلال؛ فقط درخواست دسترسی (request_access) برای مسیرهای خارج از فضای کاری نیاز به تأیید دارد.
• Check-in: تعادل؛ نوشتن در فایل‌ها نیاز به تأیید دارد. این حالت پیش‌فرض برای عامل‌های خارجی است.
• Supervised: نظارت کامل؛ هر اقدامی به‌جز خواندن نیاز به تأیید دارد.

اگر عاملی به تصمیمی برسد که قادر به اتخاذ آن نباشد — مانند هزینه بودجه، پیامی که باید از حساب کاربری کاربر ارسال شود، یا قضاوت بین گزینه‌های تحقیق شده — آن را در Workbench علامت‌گذاری می‌کند. این بخش تصمیمات باز را از تمام پروژه‌ها در یک لیست جمع می‌کند. هر کارت شامل شواهدی است که عامل ثبت کرده و جلسه‌ای که از آن آمده است. این رویکرد برای ایجاد یک ردپای حسابرسی دقیق، مشابه راهکار Brightbeam برای تأیید ویرایش‌های انسانی در سطح سازمانی است.

کاربران می‌توانند این موارد را از طریق یک دستگاه موبایل در شبکه محلی (via QR code) یا یک رله ابری حل کنند. با ضربه روی کارت، چت پروژه باز شده و تصمیم به‌صورت پیش‌فرض پر می‌شود تا کاربر با یک پیام پاسخ دهد.

ایمنی فنی و کنترل هزینه‌ها

به نقل از مستندات گیت‌هاب، سیستم برای جلوگیری از حلقه‌های بی‌نهایت چندین حفاظ دارد:

• تشخیص تکرار: اگر ۵ هش (Hash) اقدام یکسان شناسایی شود، اجرا متوقف می‌شود.
• تشخیص پینگ-پونگ: شکستن چرخه در صورت تکرار ۳ جفت اقدام متوالی یکسان.
• قطع‌کننده (Circuit Breaker): مسدود کردن ابزار بعد از ۲ خطای یکسان متوالی تا زمانی که پیام جدیدی از کاربر دریافت شود.
• سرریز زمینه (Context Overflow): توقف سخت بعد از ۳ سرریز متوالی پس از کاهش تدریجی حجم.
• بودجه توکن: یک توقف سخت قابل تنظیم (پیش‌فرض ۱۰۰ میلیون توکن) روی مجموع مصرف.

هزینه‌ها از طریق محدودیت‌های بودجه به‌ازای هر پروژه مدیریت می‌شوند. حلقه عامل، مصرف توکن‌های تجمعی را ردیابی کرده و هزینه‌ها را بر اساس قیمت ارائه‌دهنده محاسبه می‌کند. وقتی سقف مصرف برسد، سیستم می‌تواند یا «بپرسد» (توقف و درخواست از کاربر) یا «متوقف شود» (قطع کامل عامل).

مسیریابی مدل‌ها و ابزارهای مرورگر

این پلتفرم از ۱۴ ارائه‌دهنده به‌صورت پیش‌فرض پشتیبانی می‌کند، از جمله Anthropic، OpenAI، DeepSeek، Moonshot (Kimi)، Groq، Google Gemini، xAI، Mistral، Together، OpenRouter، Zhipu و Qwen. همچنین یک ورودی سفارشی برای هر نقطه پایانی (Endpoint) سازگار با OpenAI مانند Ollama یا Azure OpenAI دارد.

برای کاربران چین، با TokenDance (词元跳动) ادغام شده است تا دسترسی به مدل‌های مختلف از طریق توکن‌های رایگان در زمان شروع ساده شود. سیستم از مسیریابی SDK (مثلاً SDK آنتروپیک برای مدل‌های آنتروپیک) استفاده می‌کند و متادیتای هر مدل را برای پنجره زمینه، قیمت و قابلیت‌ها نگه می‌دارد.

اتوماسیون مرورگر بر پایه Patchright (انشعابی از Playwright با قابلیت ضد-بات) است که امکانات زیر را فراهم می‌کند:

• حالت مخفی (Stealth Mode): تزریق اسکریپت‌های ضد-اتوماسیون در هر زمینه.
• پروفایل مشترک: یک پروفایل مرورگر برای تمام پروژه‌ها جهت اشتراک کوکی‌ها و لاگین‌ها.
• اولویت دسترسی (Accessibility-first): اسنپ‌شات‌ها یک درخت دسترسی با ارجاعات المان [ref=eN] برمی‌گردانند تا تعاملات قابل‌اعتماد باشند.
• ۲۶ اقدام: شامل ناوبری، کلیک، تایپ، پر کردن، فشردن، هاور، انتخاب، درگ، آپلود، اسنپ‌شات، اسکرین‌شات، استخراج، جستجو، ارزیابی، مدیریت تب‌ها، خروجی PDF و دریافت URL.

مهارت‌های خود-بهبودبخش و کارهای سریع

Orbital به عامل‌ها اجازه می‌دهد از گردش‌کارهای چندمرحله‌ای، «مهارت‌های» قابل استفاده مجدد بسازند. این‌ها به‌صورت فایل‌های SKILL.md در فضای کاری ذخیره شده و از طریق رابط کاربری تنظیمات مدیریت می‌شوند. مهارت‌هایی مانند «اجرای بهینه»، «ثبت یادگیری» و «برنامه‌ریزی وظایف» نحوه کار عامل را شکل می‌دهند و پروژه را با گذشت زمان توانمندتر می‌کنند.

برای نیازهای کوچک‌تر، نوار کناری شامل بخش Quick Task است. این بخش اجازه ایجاد «پروژه‌های پیش‌نویس» را می‌دهد که مراحل کامل ایجاد پروژه را دور می‌زنند؛ ایده‌آل برای کارهای یک‌باره که نیاز به فضای کاری اختصاصی ندارند.

نصب و پشتیبانی از پلتفرم‌ها

Orbital تحت لایسنس GNU GPL v3.0 است و به‌صورت یک اپلیکیشن دسکتاپ باندل شده با PyInstaller عرضه می‌شود.

• ویندوز: نصب از طریق .exe. شامل یک آیکون در System Tray برای وضعیت فعالیت است و با استفاده از SetThreadExecutionState از خواب رفتن سیستم در زمان فعال بودن عامل‌ها جلوگیری می‌کند. کاربران ممکن است هشدار Windows SmartScreen را ببینند زیرا اپلیکیشن هنوز امضای کد (Code-sign) ندارد.
• macOS: نیاز به macOS 13 (Ventura) یا بالاتر و تراشه‌های Apple Silicon (M1+). مک‌های اینتل پشتیبانی نمی‌شوند. نسخه‌ها دارای امضای Developer-ID و Notarized هستند.
• لینوکس: سندباکسینگ Bubblewrap برای نسخه‌های آینده برنامه‌ریزی شده است.

معماری و استقرار

Orbital به‌عنوان یک لایه کنترلی محلی عمل می‌کند. معماری آن شامل یک فرانت‌اند React SPA است که از طریق REST و WebSockets با یک دیمون FastAPI ارتباط برقرار می‌کند. این دیمون مدیریت AgentManager، SubAgentManager و TriggerManager را بر عهده دارد.

برای تضمین پایداری، سیستم از یک دیمون واحد با اجبار فایل PID استفاده می‌کند تا از اجرای چندین نمونه جلوگیری شود. برای دسترسی از راه دور، یک رله ابری اختیاری مبتنی بر Node.js می‌تواند مستقر شود تا تأییدیه‌ها و رویدادها را بدون افشای فایل‌های محلی به دستگاه موبایل منتقل کند.

این چرخش به سمت مدیریت وضعیت پروژه-محور به این معناست که هوش مصنوعی بالاخره به ابزاری تبدیل شده که تجربه را طبق شرایط شما انباشت می‌کند، نه مجموعه‌ای از گفتگوهای گسسته.

گام بعدی شما

• اگر از چندین ابزار کدنویسی (مثل Cursor و Claude Code) هم‌زمان استفاده می‌کنید، ساختار فایل‌های .md را در پروژه خود پیاده کنید تا زمینه را به صورت محلی ذخیره کنید.
• برای کاهش هزینه‌ها و تأخیر، تنظیمات Prefix Caching را در مدل‌های مورد استفاده بررسی کنید.
• از سیستم Trigger برای اتوماسیون کارهای تکراری (مثل پایش مقالات علمی) استفاده کنید.

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