VEKTOR با ۸۰ مبدل فایل، حافظهٔ محلی هوش مصنوعی را به مرکز اسناد تبدیل کرد

تصور کنید یک عامل هوش مصنوعی را دارید که نه فقط یک چت‌بات، بلکه کتابداری است که تمام فایل‌های PDF، کتاب‌های کیندل و نقشه‌های CAD شما را در حافظه محلی خود فهرست کرده است. VEKTOR در نسخه ۱.۹.۸ این رویا را به واقعیت تبدیل کرد و تمرکز خود را از یک SDK ساده به یک مرکز جامع اسناد و رسانه برای عامل‌های هوش مصنوعی تغییر داد. این سیستم اکنون می‌تواند کل کتابخانه دیجیتال شما را مدیریت کند، بدون اینکه حتی یک فایل را به فضای ابری ارسال کند.

به نقل از مستندات این نسخه، سرعت توسعه در ماه اخیر بی‌سابقه بوده و تیم سازنده در یک ماه گذشته، خروجی بیشتری نسبت به تمام ۱۲ ماه قبل داشته است. این جهش مدیون یک تغییر بنیادین در معماری است؛ اکنون تمام سیستم‌های VEKTOR در یک SDK واحد قرار دارند و قوانین یکسانی را دنبال می‌کنند، بنابراین دیگر نیازی به سیم‌کشی دستی ماژول‌های جدید در پنج نقطه مختلف نیست. این رویکرد بهینه‌سازی زیرساختی برای افزایش سرعت، یادآور تلاش‌های مشابه در پروژه‌های دیگر است؛ برای مثال، جایگزینی Babel با Rust در Outlyne نیز با هدف کاهش چشمگیر زمان ساخت و افزایش کارایی انجام شد.

این به‌روزرسانی در حالی می‌رسد که کاربران به‌شدت خواستار «داده‌های حاکمیتی» (Sovereign Data) هستند؛ یعنی توانایی استفاده از مدل‌های زبانی پیشرو (Frontier LLMs) بدون به خطر انداختن حریم خصوصی. همان‌طور که در تحلیل‌های قبلی ما درباره استانداردسازی گردش‌کارهای هوش مصنوعی اشاره کردیم، VEKTOR اکنون در تلاش است تا زیربنای نحوه تعامل عامل‌ها با فایل‌های محلی را استاندارد کند. هدف نهایی ایجاد سیستمی است که در آن یک ایده جدید بتواند در عرض چند ساعت طراحی، برنامه‌ریزی، ساخته، تایید، تست و اصلاح شود.

کتابخانه و خواننده جدید هوش مصنوعی

سامانه VEKTOR اکنون دارای «حالت کتابخانه» (Library mode) است که پوشه‌های محلی را به یک شبکه بصری تبدیل می‌کند. کاربران تنها با افزودن هر پوشه در بخش Config، فهرستی با کاورهای هنری سبک باوهاوس مشاهده می‌کنند. برای اطمینان از اینکه پیمایش (Scrolling) روان باقی بماند، سیستم به‌طور خودکار کاورهای سفارشی سبک باوهاوس را در لحظه تولید می‌کند. برای فایل‌های PDF و EPUB، سیستم جلد واقعی را از خود فایل استخراج کرده یا آن‌ها را از منابع آنلاین تامین می‌کند.

کاربران می‌توانند اسناد را بر اساس فرمت جست‌وجو، مرتب و فیلتر کنند و به کتاب‌ها از یک تا پنج ستاره امتیاز دهند. سیستم نسخه‌های مختلف یک کتاب — مثلاً یک نسخه PDF، یک نسخه EPUB و یک نسخه متنی — را در یک کارت واحد گروه‌بندی می‌کند. یک مدل محلی با نگه داشتن نشانگر روی هر کارت، خلاصه‌ای تک‌خطی شامل عنوان، نویسنده و سال انتشار را نمایش می‌دهد. اگر جزئیاتی اشتباه باشد، یک LLM آن را بازسازی می‌کند و هرگونه ویرایش دستی کاربر در سیستم حفظ می‌شود.

با راست‌کلیک روی هر کتاب، گزینه‌هایی برای یافتن کتاب‌های مشابه، تولید خلاصه جدید یا انتقال آیتم به یک پوشه سطل زباله قابل بازیابی ظاهر می‌شود. خواننده یکپارچه از فرمت‌های Text، Markdown، EPUB، فرمت‌های کیندل (MOBI, AZW3) و PDF پشتیبانی می‌کند. این خواننده چهار حالت چیدمان ارائه می‌دهد: کتاب دو صفحه‌ای، تک صفحه، مقاله سفید (Whitepaper) یا اسکرول مداوم. تم‌های بصری شامل حالت‌های کاغذی، سپیا و شب با فونت‌ها، فاصله‌گذاری و حاشیه‌های قابل تنظیم است.

ویژگی‌های کلیدی خواننده عبارتند از:

• دکمه «توضیح» (Explain) که با استفاده از LLM، نسخه‌ای به زبان ساده از یک بخش را در سه سطح مختلف از عمق ارائه می‌دهد و ذکر می‌کند که آیا این پردازش به‌صورت محلی انجام شده یا خیر.
• قابلیت تبدیل متن به گفتار (TTS) که کتاب‌ها را در بخش‌های کوتاه و طبیعی می‌خواند و دارای تایمر خواب است.
• یکپارچگی مستقیم با Jot یا Desk برای هایلایت کردن و یادداشت‌برداری، همراه با ویژگی NOTES که تمام هایلایت‌ها را جمع‌آوری می‌کند.
• جست‌وجوی درون‌صفحه‌ای، پرش بین فصل‌ها و سیستمی که مکان دقیق مطالعه را به خاطر می‌سپارد.

تب تبدیل: پشتیبانی از ۸۰+ فرمت

یکی از مهم‌ترین بخش‌های جدید، تب Convert است. این ابزار بیش از ۸۰ تبدیل مختلف را در دسته‌های اسناد، صفحات گسترده، اسلایدها، کتاب‌های الکترونیکی، فونت‌ها، آرشیوها، تصاویر، صوت و ویدیو مدیریت می‌کند. این ویژگی با سرعت بسیار زیاد توسعه یافت و تیم سازنده باگ‌های رابط کاربری — مانند مشکلات منوهای کشویی — را در همان روز گزارش کاربران برطرف کرد.

بیشتر این تبدیل‌ها کاملاً درون مرورگر رخ می‌دهند. این امر تضمین می‌کند که تصاویر، فایل‌های صوتی و ویدئویی هرگز دستگاه کاربر را ترک نمی‌کنند. سیستم به‌طور صریح لیست می‌کند که کدام داده‌ها در طول یک تبدیل خاص نتوانسته‌اند منتقل شوند.

قابلیت‌های خاص تبدیل شامل موارد زیر است:

• ابزارهای PDF: تکه تکه کردن PDF به صورت یک صفحه در هر فایل، نگه داشتن صفحات خاص (مثلاً ۱-۳ و ۵) یا ادغام چندین PDF در یک فایل.
• فرمت‌های کمیاب: پشتیبانی از فایل‌های قدیمی Word، فایل‌های فتوشاپ (.psd)، نقشه‌های CAD (تبدیل DXF به SVG)، تصاویر دیسک (Disc Images) و آرشیوهای bzip2.
• پردازش رسانه: ذخیره یک فریم از ویدیو، ساخت GIF متحرک، ایجاد برگه تماس (Contact Sheet)، استخراج صوت یا تبدیل فایل RAW دوربین به پیش‌نمایش JPEG ذخیره شده در داخل آن.
• صوت و ویدیو در مرورگر: پشتیبانی از WAV، FLAC، AIFF، AU و CAF با گزینه‌هایی برای برش (Trimming)، تبدیل به مونو و تنظیم نرخ نمونه‌برداری. فرمت WebM نیز برای ویدیو پشتیبانی می‌شود.
• فونت‌ها و آرشیوها: پشتیبانی از فونت‌های WOFF2 و آرشیوهایی شامل zip، tar، gz و bzip2.

VEKTOR نرم‌افزاری را به‌طور خودکار نصب نمی‌کند. در عوض، تشخیص می‌دهد آیا ابزارهایی مثل Pandoc، LibreOffice، ImageMagick، 7-Zip، FFmpeg یا Poppler نصب هستند یا خیر. کاربران می‌توانند با زدن دکمه Allow اجازه دهند VEKTOR از این ابزارها برای چیدمان بهتر و پشتیبانی از فرمت‌های گسترده‌تر استفاده کند. در صورت نبود ابزار، دکمه Get صفحه دانلود رسمی را باز می‌کند. علاوه بر این، کاربران می‌توانند با راست‌کلیک روی یک کتاب در کتابخانه، آن را تبدیل کنند. همچنین Desk اکنون اسناد پیوست شده شامل PDF، Word، OpenDocument، RTF، اسلایدها، صفحات گسترده و متن ساده را می‌خواند.

امنیت Faraday و حریم خصوصی

برای مقابله با تزریق پرامپت (Prompt Injection)، «rug pulls»، داده‌های آلوده (Taint) و فایل‌های مهارت ناامن، لایه امنیتی Faraday معرفی شد. حیاتی‌ترین تغییر این است که اقدامات ریسکی — مانند ارسال ایمیل، نوشتن فایل یا اجرای کد — اکنون به تایید صریح انسان نیاز دارند.

وقتی Faraday یک اقدام ریسکی را در Desk شناسایی می‌کند، کارت «تایید یک‌باره» یا «رد» را نمایش می‌دهد. هوش مصنوعی به‌طور اکید از تایید اقدامات خودش منع شده است. این امر یک سد سخت انسانی (Human-in-the-loop) ایجاد می‌کند. همچنین Faraday اقداماتی را که کاربر هرگز درخواست نکرده (مثلاً درخواست ارسال یا پست در حالی که کاربر فقط خلاصه متن را خواسته بود) شناسایی و متوقف می‌کند.

این لایه امنیتی داده‌های ورودی را نیز اسکن می‌کند. Faraday اسناد، ایمیل‌ها، نتایج کانکتورها و تصاویر پیوست شده را قبل از پردازش توسط هوش مصنوعی بررسی می‌کند. این سیستم می‌تواند درخواست‌های مودبانه‌ای را که در دل ایمیل‌ها پنهان شده‌اند تا تزریق پرامپت انجام دهند، شناسایی کند و اقداماتی را که سعی دارند داده‌ها را به آدرس‌هایی بفرستند که فقط در متن‌های غیرقابل اعتماد یافت شده‌اند، متوقف کند. متن‌های خارجی اکنون با برچسب «data» به هوش مصنوعی می‌رسند که تست‌ها نشان می‌دهد احتمال پیروی مدل‌های محلی کوچک از دستورات پنهان را به‌شدت کاهش می‌دهد.

حریم خصوصی از طریق فایل جدید PRIVACY.md مدیریت می‌شود. این سند به زبان ساده لیست می‌کند که دقیقاً چه چیزی محلی می‌ماند، چه چیزی فقط هنگام استفاده به ارائه‌دهنده ارسال می‌شود و چه درخواست‌های کوچک محدودی توسط خود VEKTOR ارسال می‌گردد. صفحه اپلیکیشن اکنون هیچ درخواست خارجی نمی‌فرستد؛ تایپ‌فیس‌ها، ویرایشگر کد و پنل نمودار جریان (Flow chart) به‌جای بارگذاری از سرورهای شخص ثالث، در داخل بسته نصب عرضه می‌شوند.

اصول چهارگانه VEKTOR عبارتند از:

• اول محلی، داده حاکمیتی: بدون ذخیره‌سازی داده، بدون فروش داده و بدون تبلیغات. آن‌ها هرگز با شرکت‌هایی که داده‌های کاربر را می‌فروشند شریک نخواهند شد.
• امنیت Faraday: حفاظت در برابر تزریق پرامپت و فایل‌های ناامن.
• حریم خصوصی مشتری: عدم جمع‌آوری آمار استفاده، به‌جز برای بررسی به‌روزرسانی‌های نرم‌افزاری.
• تکنولوژی نوآورانه: عرضه ابزارهای پیشرو پس از تایید، با تمرکز بر رابط‌های ساده و نگه داشتن پیچیدگی‌ها در پشت پنل.

معماری فنی و عملکرد

از نظر فنی، ابزار تبدیل از معماری «خواننده-مدل-نویسنده» (reader-model-writer) استفاده می‌کند. هر فرمت ابتدا به یک مدل سند مشترک کوچک تبدیل شده و سپس نویسنده، خروجی هدف را تولید می‌کند. این ساختار نیاز به صدها مبدل جفت‌به‌جفت را از بین می‌برد. تمام پردازش‌ها روی Node built-ins اجرا می‌شوند. نویسنده PDF از فونت‌های استاندارد استفاده می‌کند و فقط برای متون لاتین است؛ PDFهای اسکن شده بدون متن به OCR نیاز دارند که در حال حاضر گنجانده نشده است.

تیم توسعه صحت رمزگشاهای خود را با استانداردهای صنعت تطبیق داده است:

• فونت‌ها: خواننده WOFF2 با رمزگشای کروم روی ۶ فونت مقایسه شد و هیچ پیکسل متفاوتی یافت نشد.
• PDFها: خروجی‌های تفکیک و ادغام توسط دو کتابخانه مستقل PDF تایید شد.
• تصاویر: فایل‌های فتوشاپ با ImageMagick تا حد یک واحد در هر کانال تطبیق داشتند.
• آرشیوها: خواننده تصاویر دیسک با لیست 7-Zip مطابقت داشت.
• صوت: نویسنده FLAC فریم‌به‌فریم با چک‌سام‌های معتبر بررسی شد و در کروم به نمونه‌های یکسانی رمزگشایی شد.

امنیت از طریق Sandbox تقویت شده است. هر برنامه خارجی مجاز در یک پوشه موقت خصوصی اجرا شده و پس از استفاده حذف می‌شود. آرگومان‌ها به‌صورت لیست و بدون Shell ارسال می‌شوند تا از تزریق دستورات جلوگیری شود و یک Timeout کل درخت پردازش را می‌بندد. Pandoc با پرچم --sandbox اجرا می‌شود تا از خواندن مسیرهای غیرمجاز فایل‌ها جلوگیری کند. به ImageMagick فرمت‌های ورودی صریحی داده می‌شود تا فایل‌های اسکریپت تغییرنام داده شده را رد کند و LibreOffice با یک پروفایل تازه اجرا می‌شود که در آن ماکروها و به‌روزرسانی لینک‌ها غیرفعال هستند.

بنچمارک‌های عملکرد نشان می‌دهد که فهرست‌بندی ۲۵ فایل PDF واقعی (۱۲۶ مگابایت) حدود ۵.۲ ثانیه زمان می‌برد. اندازه نصب نیز بهینه شده و صفحه GUI از ۲.۶ مگابایت به ۰.۵ مگابایت کاهش یافته است. بیش از ۲۷۰ بررسی خودکار برای بخش‌های Convert، Library و اسناد Desk وجود دارد.

بهبودهای عامل‌محور

VEKTOR اکنون از سه تسک هم‌زمان Collab یا Agent پشتیبانی می‌کند که هر کدام در مسیر ترمینال خود با دکمه توقف مجزا اجرا می‌شوند. این قابلیت به کاربران اجازه می‌دهد چندین گردش‌کار خودکار را به‌طور هم‌زمان نظارت کنند. رابط کاربری اکنون به‌طور قابل توجهی سبک‌تر از نسخه‌های قبلی بارگذاری می‌شود.

رابط Desk اکنون به‌طور خودکار بهترین حالت را برای پیام‌های ساده انتخاب کرده و دلیل آن را توضیح می‌دهد، با این گزینه که کاربر بتواند در چت سوال کند. سینتکس جدید run_verified اجازه می‌دهد سیستم کد را اجرا کرده، حقایق واقعی ماشین را گزارش کند و رابط‌های گرافیکی بازی‌ها یا اپلیکیشن‌ها را جدا کند. کاربران اکنون می‌توانند یک اجرای کامل Collab را Undo کنند یا بر اساس یک خطای واقعی، یک «اجرای اصلاحی» (fix run) را آغاز کنند.

سایر بهبودها شامل موارد زیر است:

• ابزارهای نوار Sandbox و قابلیت Paste-and-run برای کدها.
• پوشش گسترده‌تر Lint و ترمینال‌های بهبود یافته.
• تغییر شخصیت Vek به یک دستیار تجاری آرام، در حالی که حالت شخصیت (Personality mode) اکنون اختیاری است.
• رفع خطاهای پاسخ‌های برنامه‌ریز Collab که قبلاً JSON نامعتبر بودند.
• حذف نشانگرهای داخلی MODEL از انتهای پاسخ‌های CASCADE و CRUCIBLE.

تحلیل: چرخش به سمت حاکمیت محلی

این نسخه نشان‌دهنده یک تغییر جهت در چشم‌انداز عامل‌های هوش مصنوعی است. در حالی که اکثر جریان‌های صنعت به سمت مدل‌های بزرگتر ابری می‌روند، VEKTOR روی جنبش «اول محلی» (Local-first) شرط‌بندی کرده است. آن‌ها با ادغام یک مجموعه عظیم تبدیل فایل، اصطکاک ورود داده‌های نامنظم دنیای واقعی به یک خط لوله RAG (تولید تقویت شده با بازیابی) محلی را از بین می‌برند. تیم سازنده پذیرفته است که یک توازن وجود دارد: تنها تنظیمات کاملاً ایزوله (Air-gapped)، استفاده از مدل محلی Ollama بدون فراخوانی ابزار برای جست‌وجوی وب یا کانکتورها است، اما این انتخاب را به کاربر واگذار کرده‌اند.

برای کاربر حرفه‌ای، این بدان معناست که هوش مصنوعی به ابزاری برای حاکمیت داده تبدیل می‌شود. شما دیگر مجبور نیستید بین قدرت یک LLM و امنیت یک ماشین ایزوله انتخاب کنید. لایه Faraday به‌طور خاص ترس رو به رشد از انجام اقدامات غیرمجاز توسط عامل‌های خودکار در محیط‌های عملیاتی را با تضمین اینکه هوش مصنوعی نمی‌تواند اقدامات ریسکی خود را تایید کند، برطرف می‌کند.

در نهایت، VEKTOR در حال تبدیل شدن از یک کتابخانه توسعه‌دهنده به یک سیستم‌عامل بهره‌وری برای هوش مصنوعی است. توانایی تبدیل یک نقشه CAD یا فایل فتوشاپ به فرمتی که یک LLM بتواند به‌صورت محلی درباره آن استدلال کند، یک جهش عملی بزرگ برای گردش‌کارهای مهندسی و طراحی است. سیستم اکنون طراحی شده تا تست کند مدل‌های محلی کوچک تا چه حد می‌توانند در فراخوانی ابزارها پیش بروند، با این انتظار که این قابلیت‌ها ماهانه بهبود یابند.

برای شروع استفاده از این ویژگی‌ها، می‌توانید به‌روزرسانی را از طریق دستور npm install -g ./vektor-slipstream-1.9.8.tgz نصب کنید و بخش Config را به پوشه‌های اسناد محلی خود متصل کنید. پایگاه داده حافظه شما در طول ارتقا دست‌نخورده باقی می‌ماند، زیرا نسخه ۱.۹.۸ شامل تمام ویژگی‌های نسخه ۱.۹.۷ است.

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