اگر امروز بین چندین پنجره ترمینال و تاریخچه‌های پراکنده چت برای مدیریت عامل‌های هوش مصنوعی جابه‌جا می‌شوید، احتمالاً نیمی از تمرکزتان را در این مسیر از دست می‌دهید. Waku با تبدیل این آشفتگی به یک کابین فرمان متمرکز، تجربه کدنویسی عامل‌محور را بازتعریف می‌کند.
طبق اعلام این پروژه، Waku در ۱۶ اوت ۲۰۲۶ و با حمایت Y Combinator عرضه شد. این برنامه یک رابط کاربری بومی برای macOS است که به‌جای تکیه بر حساب‌های ابری و تله‌متری، تمام عامل (Agent) — شبیه به دستیاران تخصصی که هر کدام بخشی از پروژه را بر عهده دارند — را به‌صورت محلی مدیریت می‌کند.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، حذف وابستگی به ابر، اولین قدم برای کنترل کامل روی داده‌هاست. Waku این کار را با استانداردسازی رابط‌های مختلف (مانند stream-json و JSON-RPC) در یک مدل واحد و مستقل از ارائه‌دهنده انجام می‌دهد.
این اپلیکیشن با زبان Rust و فریم‌ورک GPUI (همان زیرساختی که ادیتور Zed را قدرت می‌بخشد) ساخته شده است تا از کندی‌های رایج در برنامه‌های مبتنی بر Electron فاصله بگیرد. ویژگی‌های فنی کلیدی این ابزار عبارت‌اند از:
- نقاط بازرسی (Checkpoints) متصل به Git: هر پرامپت یک رفرنس مخفی در گیت ایجاد می‌کند تا بتوانید هم‌زمان کد و تاریخچه گفتگو را به عقب برگردانید.
- کنترل متمرکز بر کیبورد: استفاده از ⌘N برای شروع جلسات و ⌘⏎ برای هدایت عامل‌ها در میانه مسیر، نیاز به ماوس را حذف می‌کند.
- ذخیره‌سازی محلی: تمام پروژه‌ها، جلسات و شناسه‌های ارائه‌دهنده مستقیماً روی دیسک کاربر ذخیره می‌شوند.
به گزارش توسعه‌دهندگان Waku، این چرخش به سمت رابط‌های بومی نشان می‌دهد که گلوگاه بعدی در کدنویسی هوش مصنوعی، دیگر هوشمندی مدل نیست، بلکه تأخیر (Latency) رابط کاربری و مدیریت وضعیت (State Management) است. با انتقال لایه ارکستراسیون به واحد پردازش گرافیکی (GPU) — که مثل یک موتور توربوشارژ سرعت پردازش داده‌های بصری و رابط را بالا می‌برد — اصطکاک جابه‌جایی بین ابزارهای مختلف به حداقل می‌رسد. این رویکرد بهینه‌سازی سخت‌افزاری برای اجرای نرم‌افزارهای پیچیده، مشابه تلاش‌های پروژه tawc برای اجرای برنامه‌های گرافیکی لینوکس با شتاب‌دهنده سخت‌افزاری روی اندروید است که مرزهای سازگاری سیستم‌عامل‌ها را جابه‌جا می‌کند.
برای توسعه‌دهندگان، این یعنی داشتن یک دکمه «Undo» قابل‌اعتماد برای تغییرات تولید شده توسط هوش مصنوعی. حالا می‌توانید دقیقاً ردیابی کنید که کدام پرامپت منجر به کدام خط از کد شده است، بدون اینکه نیاز باشد ساعت‌ها در لاگ‌ها جست‌وجو کنید.
گام بعدی شما
- اگر کاربر macOS هستید، نسخه باینری Waku را از طریق Sparkle دانلود کنید تا به‌روزرسانی‌های خودکار را دریافت کنید.
- جریان کاری خود را با جایگزینی ترمینال‌های پراکنده با یک محیط متمرکز بهینه‌سازی کنید.
- بررسی کنید کدام یک از CLIهای فعلی شما با مدل‌های JSON-RPC سازگار هستند تا آن‌ها را به Waku متصل کنید.
اما تکمیل این چرخه آفلاین، نیازمند ادغام عمیق‌تر با اجراکننده‌های محلی مدل‌های زبانی است که در گزارش‌های آتی بررسی خواهیم کرد.
گفتگو