لینوکس اوپن‌اولر (openEuler) با ابزارهای هوش مصنوعی و ساختار AgentOS غوغا کرد!
خیلی از توزیع‌های لینوکس هنوز دارند سر و کله می‌زنند تا بفهمند هوش مصنوعی دقیقا کجای کارشان باید قرار بگیرد. بعضی‌ها کلاً جلوی کدهای هوش مصنوعی را می‌گیرند و بعضی دیگر هم ابزارهای هوش مصنوعی را همینطوری می‌ریزند داخل سیستم‌عامل. اما قضیه openEuler کاملاً فرق دارد! این سیستم‌عامل با سر و ته آمده توی دنیای هوش مصنوعی و از جریان کاری توسعه گرفته تا خود سیستم‌عامل، همه‌چیز را با هوش مصنوعی گره زده تا یک AgentOS واقعی تحویل کاربران بدهد.
این پروژه هوش مصنوعی را هم‌زمان گذاشته توی سه جای مختلف: زیرساخت خود جامعه کاربری، سیستم کامپیوتری که روی آن کد می‌زنید، و خود سیستم‌عامل تا ایجنت‌های هوش مصنوعی (مثل OpenClaw و Hermes) بتوانند راحت روی آن مانور بدهند. پروژه openEuler این نقشه راه را در رویداد Developer Day 2026 رو کرد و تمرکزش را گذاشت روی اینکه حال توسعه‌دهندگان (DX) را از همیشه بهتر کند؛ اصطلاح باحالی که واقعاً به دل می‌نشیند!
هوش مصنوعی در دل زیرساخت‌های جامعه کاربری openEuler
openEuler قبل از اینکه از شما بخواهد به هوش مصنوعی در سیستم‌عاملتان اعتماد کنید، خودش آستین‌ها را بالا زده و دارد از هوش مصنوعی برای مدیریت کدهای خودش استفاده می‌کند. جامعه کاربری openEuler دارد قابلیت بررسی کدهای کمک¬شده با هوش مصنوعی را به خطوط لوله CI (Continuous Integration) اضافه می‌کند و کار را با پچ‌های Kernel شروع کرده است. سیستم CI قبل از اینکه یک نگه‌دارنده بخواهد کد را بررسی کند، با هوش مصنوعی آن را تست می‌کند. ایجنت‌های هوش مصنوعی همچنین دارند فایل‌های spec پکیج‌ها را می‌سازند؛ یعنی همان دستورالعمل‌هایی که کدهای منبع را تبدیل به RPM پکیج می‌کنند تا کار طاقت‌فرسای بسته‌بندی دیگر برنامه‌نویس‌ها را فراری ندهد.
بخش جذاب ماجرا هندل کردن باگ‌ها و آسیب‌پذیری‌هاست. طبق گزارش ماهانه اپریل 2026، تیم زیرساخت یک تیم ایجنت برای تعمیر CVE با ۶ نقش مختلف از جمله معمار، بررسی‌کننده، QA و ناظر CI ساخته است. این سیستم کل مسیر از تحلیل مشکل CVE تا ارسال یک PR اصلاحی را اتوماتیک می‌کند و وقتی یک Build شکست می‌خورد، از لاگ‌های EulerMaker درس می‌گیرد تا قوانین خودش را آپدیت کند.
فناوری MCP و زیرساخت ایجنت
بخش دوم داستان به داده‌ها برمی‌گردد. اطلاعات جامعه کاربری معمولاً پخش و پلاست. حالا openEuler از پروتکل Model Context Protocol یا همان MCP استفاده کرده تا دسترسی به این داده‌ها مثل آب خوردن شود. کافی است آن را به Claude Code، Cursor یا Cline وصل کنید تا به زبان ساده بپرسید «فلان بخش را چه کسی مدیریت می‌کند؟» یا «کدام CVEها روی این نسخه تأثیر دارند؟»
یک ورک‌استیشن که از قافله هوش مصنوعی عقب نمی‌ماند
اگر تا حالا خواسته‌اید یک ایجنت هوش مصنوعی جدید را روی یک توزیع سازگاهی اجرا کنید، احتمالاً با این دیوار خشتی برخورد کرده‌اید: ایجنت پایتون 3.12 یا Node.js 22 می‌خواهد، اما نسخه پایدار سیستم‌عامل شما یک چیز خیلی قدیمی‌تر را نشان می‌دهد!
نسخه DevStation که نسخه دسکتاپ توسعه‌دهندگان openEuler است، حالا یک «Innovation Edition» دارد تا این مشکل را حل کند. این نسخه هر ۲ هفته یک‌بار آپدیت می‌شود و بسته‌های نرم‌افزاری به‌روز را می‌کشد بالا، طوری که پایتون 3.12+ و Node.js 22+ به عنوان پایه و اساس در آن حضور دارند.
حرکت به سمت ساخت یک AgentOS
پروژه openEuler حالا دارد به سمت یک AgentOS حرکت می‌کند؛ یعنی ترکیب مستقیم هوش مصنوعی با قابلیت‌های سیستم‌عامل. این سیستم‌عامل لایه‌لایه است: لایه اپلیکیشن ایجنت، لایه سرویس ایجنت و لایه Kernel ایجنت. همچنین شما در انتخاب ابزارها محدود نیستید و ابزارهایی مثل Claude Code در کنار ایجنت‌های اختصاصی خود سیستم‌عامل در دسترس هستند.
چهار قابلیت کلیدی این سیستم شامل موارد زیر است:
۱. یک هاب هوشمند
شما از طریق گرافیک PolyMind یا محیط ترمینال (TUI) با AgentOS صحبت می‌کنید و سیستم به‌سرعت ماژول‌های مهارتی جامعه کاربری را احضار می‌کند. رم مصرفی هم به لطف فشرده‌سازی لایه‌ای کانتکست به‌شدت پایین می‌ماند.
۲. امنیت حفاظتی سرتاسری
AgentOS با تحلیل رفتار و مانیتورینگ eBPF یک شبکه دفاعی فعال می‌سازد. تکنولوژی eBPF به برنامه‌های سبک اجازه می‌دهد دسترسی به فایل‌ها و شبکه را بدون افت سرعت زیر نظر بگیرند.
۳. موتور سندباکس Conch
ابزار Conch با استفاده از ماشین‌های مجازی سبک، یک محیط کاملاً ایزوله به هر ایجنت می‌دهد تا کدهای خطرناک را بدون ریسک اجرا کند. جالب اینجاست که زمان راه‌اندازی این محیط در حدود ۱۰۰ میلی‌ثانیه است؛ یعنی امنیت ماشین مجازی با سرعت کانتکست!
۴. بهینه‌سازی فوق‌العاده مصرف Token
توکن‌ها هزینه دارند! openEuler با یک کلیک کامپوننت‌های شتاب‌دهنده‌ای مثل X-LITE و LMCache را ادغام می‌کند تا سرعت پاسخ‌دهی مدل‌ها (TTFT و TPOT) بین ۲۰ تا ۳۰ درصد سریع‌تر شود.
openEuler با این قابلیت‌های جدید نشان داده که چقدر جدی به دنبال تحول در دنیای توسعه نرم‌افزار است و باید دید در آینده چطور این ایده‌ها را در مقیاس وسیع‌تر پیاده‌سازی می‌کند.
