معرفی Prospero؛ بستر بومی و فوق‌العاده سبک اجرای ایجنت‌های کدنویسی هوش مصنوعی با C++

معرفی پروژه

پروژه Prospero یک بستر بومی و بسیار سبک برای اجرای ایجنت‌های کدنویسی هوش مصنوعی در سیستم‌عامل‌های ویندوز، مک و لینوکس است که در ۳۱ اکتبر ۲۰۲۶ توسط کریس ولنز (Chris Wellons ملقب به skeeto، نویسنده وبلاگ نام‌آشنای nullprogram و توسعه‌دهنده w64devkit) منتشر شد. بستر کدنویسی (Coding Harness) نرم‌افزاری است که به مدل هوش مصنوعی اجازه می‌دهد ابزارهای گوناگون را فراخوانی کند؛ یعنی فایل‌ها را بخواند و ویرایش نماید، دستورات ترمینال را به اجرا درآورد و زیرایجنت‌های مستقل بسازد تا بتواند توسعه و رفع ایراد نرم‌افزار را به‌صورت خودکار و مستقل به سرانجام برساند.

انتقاد اصلی ولنز به اکوسیستم فعلی این است که اغلب بسترهای اجرای ایجنت بر پایه فناوری‌های وب و بسته‌های سنگین توسعه یافته‌اند و چندین گیگابایت از حافظه رم را اشغال می‌کنند، در حالی که «هسته اصلی یک بستر کدنویسی در عمل چیزی جز اتصال ابزار ساده curl به تابع popen نیست». نرم‌افزار Prospero در قالب یک فایل اجرایی واحد با زبان C++ و رابط گرافیکی ماژولار Dear ImGui توسعه یافته است و حدود دو مرتبه بزرگی (نزدیک به صد برابر) منابع سیستمی کمتری نسبت به بسترهای معمول مصرف می‌کند. یادداشت معرفی این ابزار با عنوان «Prospero: بستری نوین برای دورانی متمدنانه‌تر در کدنویسی» با کسب ۱۸۱ امتیاز و ۱۲۰ دیدگاه در صفحه نخست پایگاه Hacker News قرار گرفت.

بررسی ویژگی‌های کلیدی

• بومی، کم‌حجم و مستقل: این ابزار یک فایل اجرایی واحد به زبان C++ است که به هیچ سرویس پس‌زمینه (Daemon) یا سروری متکی نیست. پردازش گرافیکی در رابط ImGui به‌صورت غیرفعال (Passive) انجام می‌شود و در حالت بدون فعالیت (Idle) تقریباً هیچ باری به پردازنده تحمیل نمی‌کند. سنجش کاربران نشان می‌دهد فایل اجرایی این نرم‌افزار حدود ۱۰ مگابایت حجم دارد و در حالت بیکاری تنها ۱۱۵ مگابایت از رم را اشغال می‌کند؛ در حالی که فایل اجرایی ابزاری مانند Claude Code بیش از ۳۱۰ مگابایت فضا می‌گیرد.
• انعطاف در انتخاب مدل: هیچ ارائه‌دهنده پیش‌فرضی درون ابزار تعبیه نشده است و کاربر می‌تواند مدل دلخواه خود را متصل کند. این نرم‌افزار از پروتکل OpenAI Chat Completions API (برای اتصال به llama.cpp، vLLM، LiteLLM و OpenRouter) و هم‌چنین رابط Anthropic Messages API با پشتیبانی از قابلیت تفکر پیشرفته (Extended Thinking) و کش کردن پرامپت‌ها پشتیبانی می‌کند. توجه داشته باشید که اشتراک‌های معمولی Claude در این ساختار قابل استفاده نیستند و به کلید API نیاز است.
• پشتیبانی از زیرایجنت‌ها (Sub-agents): ایجنت اصلی می‌تواند زیرایجنت‌های متعددی ایجاد کند، با آن‌ها تبادل پیام داشته باشد و کارها را به‌صورت موازی پیش ببرد.
• موتورهای راه دور و بدون رابط گرافیکی (Headless): از طریق SSH یا WSL، ابزار Prospero قادر است نسخه‌ای بدون رابط گرافیکی از خود را روی سرور دیگر مستقر کند؛ بنابراین جلسات کاری حتی پس از بستن پنجره اصلی به فعالیت ادامه می‌دهند و بعداً می‌توان مجدداً به آن‌ها متصل شد.
• کنترل مستقیم محیط دسکتاپ: با اتصال یک مدل بینایی ماشین، نرم‌افزار قادر است صفحه نمایش را ببیند، کلیک کند، متن بنویسد و پنجره‌ها را جابه‌جا کند؛ قابلیتی که آزمایش نرم‌افزارهای دسکتاپ با رابط گرافیکی محلی را بدون نیاز به سرورهای اختصاصی MCP ممکن می‌سازد.
• پایان دادن به انتظارهای بی‌پایان: تمامی عملیات‌ها دارای مهلت زمانی مشخص (Deadline) هستند؛ در نتیجه اگر درخواست تأیید دسترسی در طول شب بدون پاسخ بماند، خودبه‌خود رد تلقی می‌شود و ایجنت به ادامه کار خود می‌پردازد.
• پیکربندی ساده با فایل INI: تنظیمات در مسیر ~/.config/prospero/prospero.ini ذخیره می‌شوند و می‌توان فایل‌ها یا پیوندهای خارجی را برای اشتراک‌گذاری تنظیمات تیمی درون آن قرار داد. این فایل از مهارت‌ها (Skills)، سرورهای MCP و جستجوی وب نیز پشتیبانی می‌کند.
• مستند‌سازی خودکار و درون‌برنامه‌ای: ایجنت می‌تواند مستندات داخلی Prospero را بخواند، پیکربندی خود را مدیریت کند و بخش‌های مختلف رابط کاربری را به کاربر نشان دهد.

اهمیت و کاربرد در دنیای واقعی

بسترهای سبک کدنویسی بیش از هر چیز برای مدل‌های محلی و وظایف طولانی و بدون ناظر اهمیت دارند. ولنز اشاره می‌کند که این ابزار می‌تواند فرآیند تست نفوذ و فازینگ (Fuzzing) را روی یک سرور راه دور مدیریت کند، بدون آنکه مکانیزم مدیریت کمبود حافظه لینوکس (OOM Killer) به‌دلیل مصرف زیاد رم، به‌جای هدف آزمایش، بستر هوش مصنوعی را متوقف کند.

راهنمای نصب و راه‌اندازی

1. نرم‌افزار Prospero را از مخزن پروژه (در گیتهاب به آدرس skeeto/prospero، همراه با راهنمای ساخت در docs/building.md یا نسخه‌های آماده ارائه‌شده در وب‌سایت نویسنده) دریافت کنید.
2. نرم‌افزار را بدون آرگومان اجرا کنید، یا دستور prospero . را برای آغاز یک جلسه کاری در پوشه فعلی اجرا نمایید.
3. نقطه اتصال مدل را مشخص کنید؛ برای مثال سرور محلی llama.cpp، پلتفرم OpenRouter یا کلیدهای API سرویس‌های OpenAI یا Anthropic را در بخش تنظیمات یا فایل ~/.config/prospero/prospero.ini وارد نمایید:

model = falstaff/Qwen3.8-27B
[endpoint falstaff]
url = http://falstaff.local/
key = env:FALSTAFF_API_KEY

1. وظیفه مورد نظر را به ایجنت محول کنید و مراحل کار، فهرست وظایف، زیرایجنت‌ها و پردازش‌های پس‌زمینه را در پنل‌های متحرک رابط کاربری زیر نظر بگیرید.
2. برای کارهای راه دور، یک میزبان SSH تعریف کنید تا موتور بدون رابط گرافیکی مستقیماً روی آن دستگاه اجرا شود.

نکته کاربردی: پس از اتصال مدل، می‌توانید مستقیماً از خود Prospero بپرسید که چگونه باید پیکربندی شود؛ چراکه این ابزار توانایی مطالعه مستندات داخلی خود را دارد.