پرش به محتوای اصلی
پرش به محتوای مقاله

سامانه Zambo با رسیدهای رمزنگاری‌شده ادعای «انجام شد» را در عامل‌های AI مستند

·۲۲ مهر ۱۴۰۵۵ دقیقه مطالعه
عامل میوز کار را انجام داد. رسید آن را بگیرید.
عامل میوز کار را انجام داد. رسید آن را بگیرید.
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

معرفی لایه «اثبات اجرا» (Proof of Execution) از طریق رسیدهای رمزنگاری‌شده AER-1 که اجازه می‌دهد خروجی ابزارهای AI به‌صورت مستقل از خودِ مدل، تأیید و بازرسی شوند.

تصور کنید یک عامل هوش مصنوعی (AI Agent) تمام روز را صرف تحقیق درباره رقبا و بازسازی صفحات قیمت‌گذاری کند و در نهایت تنها با یک کلمه پاسخ دهد: «انجام شد». در این لحظه شما نه مدرک، بلکه یک «ادعا» در دست دارید؛ چراکه عامل‌ها معمولاً حافظه خود را خلاصه می‌کنند و شکست‌های کوچک یا حفره‌های اطلاعاتی را پنهان می‌کنند. اگر ابزاری خروجی خالی برگردانده باشد و عامل برای پر کردن آن حفره از تخیل یا بداهه استفاده کرده باشد، در خلاصه نهایی هرگز به این موضوع اشاره نخواهد کرد. در واقع، کلمه «انجام شد» تمام فشار یک روز کاری را بر دوش می‌کشد، اما این بار را به تنهایی و بدون هیچ شاهدی حمل می‌کند.

در ۱۳ اکتبر ۲۰۲۶، شرکت Zambo برای حل این شکاف اعتماد، سیستمی از رسیدهای رمزنگاری‌شده معرفی کرد. به‌جای تکیه بر روایتِ پس از اجرای عامل یا لاگ‌های داخلی که خودِ عامل از خودش نگه می‌دارد، Zambo در همان لحظه اجرای یک فراخوانی ابزار، یک رکورد در لایه اجرا (Execution Layer) ثبت می‌کند. این رویکرد پاسخی مستقیم به این چالش است که چرا اسکرین‌شات‌های ساده از خروجی عامل‌ها نمی‌توانند مدرکی معتبر برای اثبات کار باشند.

این تغییر شبیه این است که پیمانکار ساختمان به‌جای گفتن «لوله‌کشی تمام شد»، برای هر قطعه خریداری‌شده و هر اتصال جوش‌کاری‌شده، یک فاکتور مهرشده و زمان‌دار ارائه دهد. با این رویکرد، تجربه استفاده از عامل‌های هوش مصنوعی از یک «جعبه سیاه» به یک گردش‌کار قابل حسابرسی تبدیل می‌شود.

بستر شکاف اعتماد

وقتی یک عامل (Agent) — مثل دستیاری دیجیتال که می‌تواند به‌جای شما کارهای پیچیده را مدیریت کند — در پنجره‌ای دیگر مشغول به کار است و شما به زندگی خود می‌رسید، در واقع دارید به یک روایت اعتماد می‌کنید. ممکن است عامل یک پست معرفی محصول را دو بار پیش‌نویس کرده و نسخه بهتر را نگه داشته باشد، یا اسناد را در جای درست بایگانی کرده باشد، اما سوابق این تصمیمات اغلب نامرئی هستند. در همین راستا، پلتفرم‌هایی مانند Sanity و Notion نیز استراتژی‌های متفاوتی را برای مهار خطاهای نوشتاری و مدیریت لاگ‌های حسابرسی عامل‌ها به کار گرفته‌اند.

بدون رسید، شما فقط یک ادعا در دست دارید. Zambo این ادعا را با رکوردی جایگزین می‌کند که در لحظه وقوع ثبت شده است. این یک داستان نیست که عامل بعداً تعریف کند، بلکه سندی است که توسط سیستمی که کار را اجرا کرده، صادر شده است.

سازوکار رسیدهای Zambo

به نقل از گزارش dev.to، هر رسید Zambo یک رکورد استاندارد (Canonical Record) است که شامل چهار نقطه داده حیاتی است:

  • ابزار: نام دقیق ابزاری که وظیفه را اجرا کرده است.
  • ورودی‌ها: داده‌های دقیقی که به ابزار داده شده، شامل یک خلاصه‌ی دیجیتال (Digest) از آن‌ها.
  • نتیجه: خروجی کامل مشاهده‌شده که در یک رکورد ذخیره شده و اثر انگشت دیجیتال SHA-256 آن روی رسید چاپ شده است.
  • برچسب زمانی: لحظه دقیق اجرا.

عامل هوشمند میوز کار را انجام داد. رسید آن را دریافت کنید.

این رسیدها در لینک‌های عمومی قرار دارند. هر کسی می‌تواند با محاسبه مجدد اثر انگشت از روی نتیجه ذخیره‌شده، صحت رکورد را تأیید کند؛ اگر حتی یک کاراکتر پس از ثبت تغییر کرده باشد، تأییدیه شکست می‌خورد. برای این بررسی، حتی نیازی نیست که عامل آنلاین باشد، با شما همکاری کند یا هنوز روی سیستم نصب شده باشد.

مثال واقعی: بررسی قیمت بیت‌کوین

برای نمایش این قابلیت، یک فراخوانی زنده از طریق سرور MCP (پروتکل زمینه مدل) Zambo اجرا شد. ابزار live_price با ورودی BTC فراخوانی شد و نتیجه به‌صورت کامل ذخیره گردید: «BTC · $83,425.00 USD ▲ 0.94% (24h) · Market cap: $1677.05B Live price via CoinGecko · Tue, 13 Oct 2026 21:52:53 GMT».

اثر انگشت خروجی برای این فراخوانی خاص sha256:e188334b736b3dd005885f62c362eb5a0068524e3700a9142685796853e65baa بود. با رمزگشایی رکورد استاندارد و محاسبه مجدد SHA-256، نتیجه کاراکتر به کاراکتر با اصل تطبیق یافت.

زنجیره‌سازی اجرا

برای کارهای پیچیده، Zambo این رسیدهای تک‌مرحله‌ای را به هم زنجیر می‌کند. هر گام رسید خود را می‌گذارد و در نهایت، یک رسید خلاصه (Summary Receipt) تمام رسیدهای مراحل را تحت یک اثر انگشت ریشه (Root Digest) متصل می‌کند. اگر یکی از مراحل بعداً دستکاری شود، اثر انگشت ریشه دیگر مطابقت نخواهد داشت. این یعنی رکورد کل مسیر اجرا را پوشش می‌دهد، نه فقط بخش‌هایی که عامل دوست داشت خلاصه کند. این رویکرد دقیق، جایگزینی برای متدهای غیررسمی است که در چارچوب Four-Leaf Tree برای جلوگیری از کدنویسی بر اساس «حس» (Vibe-based) پیشنهاد شده بود.

یکپارچه‌سازی و استانداردها

کاربران می‌توانند این سیستم را بدون ساخت حساب یا کلید API در Muse فعال کنند. طبق مستندات، کافی است در چت از Muse بخواهید یک کانکتور سفارشی به https://zambo.dev/mcp بسازد تا عامل خودش اتصال را برقرار کند. Muse کاربر را در مراحل اتصال راهنمایی کرده و آن را در بخش Settings و سپس Connectors ذخیره می‌کند.

در حالی که درخواست Zambo برای حضور در دایرکتوری رسمی کانکتورهای Muse تا اواسط اکتبر در دست بررسی است، کانکتور سفارشی دسترسی فوری فراهم می‌کند. این فرآیندی است که زمان آن از دم کردن یک فنجان قهوه کمتر است.

از نظر فنی، این سیستم از فرمت AER-1 پیروی می‌کند که یک پیش‌نویس باز در IETF است (draft-zambo-aer1-19). این استاندارد توسط یک مشخصات عمومی (Public Specification) و بردارهای تست عمومی تعریف شده است. این امر تضمین می‌کند که رکوردها در قالب‌های انحصاری یک شرکت خاص زندانی نشوند و حتی اگر کاربر ابزار هوش مصنوعی خود را تغییر دهد، سوابق همچنان خواندنی باشند.

فلسفه ادعاهای محدود

این سازوکار رابطه کاربر و عامل را به‌طور بنیادی تغییر می‌دهد. رسید Zambo ثابت می‌کند که نتیجه ذخیره‌شده از لحظه ثبت تغییر نکرده است؛ اما ادعا نمی‌کند که جواب حتماً «درست» است و هرگز چنین تظاهری نمی‌کند. سیستم با محدود کردن ادعای خود به آنچه می‌تواند ثابت کند، قابل اعتماد می‌شود.

برای کاربر حرفه‌ای، این یعنی کار اکنون بر اساس «سند» پیش می‌رود، نه «اپلیکیشن». چون هر رسید در یک لینک عمومی است، سند همراه با کار حرکت می‌کند و در یک چت یا یک بعدازظهر خاص محبوس نمی‌ماند. می‌توانید کاری را در دسکتاپ شروع کنید، رسیدها را هنگام ناهار در گوشی تأیید کنید، لینک را برای هم‌تیمی خود بفرستید یا هفته آینده همان رکورد را در یک هوش مصنوعی کاملاً متفاوت باز کنید.

این حرکت نشان‌دهنده چرخش کلی به سمت «اثبات اجرا» (Proof of Execution) در عصر عامل‌محور است. هرچه عامل‌ها وظایف مالی و عملیاتی حساس‌تری را بر عهده بگیرند، توانایی حسابرسی لایه اجرا ارزشمندتر از کیفیت خلاصه مدل خواهد بود.

برای مشاهده سیستم در عمل بدون نیاز به تنظیمات، Zambo یک دموی زنده در zambo.dev/demo ارائه داده است که در ۱۰ ثانیه یک رسید واقعی صادر می‌کند. برای کسانی که می‌خواهند ادعای «انجام شد» هوش مصنوعی خود را به اثبات برسانند، یک مجوز یک‌روزه (Day-pass) با قیمت ۰.۹۹ دلار در zambo.dev/day-pass/ در دسترس است.

گام بعدی شما

  • برای تجربه سریع، به دمو در zambo.dev/demo مراجعه کنید تا در ۱۰ ثانیه یک رسید واقعی بسازید.
  • اگر از Muse استفاده می‌کنید، کانکتور zambo.dev/mcp را برای مستندسازی کارهای خود فعال کنید.
  • در پروژه‌های تیمی، به‌جای پذیرش گزارش‌های متنی عامل‌ها، لینک رسیدهای AER-1 را به عنوان معیار تأیید کار قرار دهید.

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

چرا این موضوع مهم است؟

این سیستم با تکیه بر استانداردهای باز IETF، اعتبار اجرایی عامل‌های AI را از سطح ادعای زبانی به سطح اثبات ریاضی می‌برد. این تحول برای سازمان‌هایی که امنیت و حسابرسی (Audit) را اولویت می‌دانند، پیش‌شرط پذیرش عامل‌های خودمختار است.

تأثیر برای ایران

برنامه‌نویسان ایرانی می‌توانند از استاندارد باز AER-1 برای ساخت سیستم‌های عامل‌محور قابل‌اعتماد استفاده کنند، زیرا این فرمت وابسته به زیرساخت‌های بسته نیست.

·نگاه ما
تحریریه دات‌هوش

جایگزینی «اعتماد به روایت» با «اعتماد به رمزنگاری» در لایه اجرا، نقطه پایان دوران توهمات پنهان در عامل‌های هوش مصنوعی است. این رویکرد نشان می‌دهد که آینده‌ی بهره‌وری نه در مدل‌های 똑똑تر، بلکه در لایه‌های نظارتی است که خروجی مدل را به واقعیت‌های خارجی گره می‌زند. در واقع، Zambo مدل استدلال را از یک جعبه سیاه به یک دفتر حسابرسی تبدیل کرده است.

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.