Содержание статьи
Слоган проекта звучит красиво, но что за ним стоит? Разбираем по слоям: как AI-модель получает доступ к терминалу, как приложение защищает пользователя и почему «выполнять» — принципиально другой продукт, чем «советовать».
В чём принципиальная разница
Обычный AI-чат — это односторонний канал: пользователь → текст → модель → текст → пользователь. Модель не знает, выполнил ли ты её совет, не видит ошибок, не может их исправить.
AI-агент замыкает петлю: модель → команда → исполнение → результат → модель. Ключевое слово — исполнение. Модель получает обратную связь от реального мира: вывод компилятора, код возврата, содержимое файла.
Разница как между «объясни, как заменить колесо» и «поменяй колесо».
Слой 1: мозг (AI-модель)
На этом уровне ничего необычного: DeepSeek, Claude, Gemini — любая модель, которая умеет генерировать команды в ответ на задачу. Работает через WebView (сайт модели) или API — для архитектуры это взаимозаменяемый компонент.
Модель ничего не знает о телефоне. Она просто выдаёт текст, в котором может быть bash-блок. Всё.
Слой 2: мост (HTTP-сервер)
Между моделью и телефоном — локальный HTTP-сервер на Python. Две задачи: принять команду и вернуть результат.
POST http://127.0.0.1:8767/task
Content-Type: application/json
{"task": "auto:ls -la ~/projects"}
Ответ — обычный JSON: вывод, код возврата, время, признак ошибки. Модель читает его и решает, что делать дальше.
Почему HTTP, а не прямой вызов функции? Потому что это стандартный интерфейс. Любой клиент — приложение, cron, скрипт на другом устройстве — может отправить задачу. Сервер можно перезапустить независимо от приложения.
Слой 3: guard (защита)
Дать модели прямой bash — плохая идея. Первая же галлюцинация «rm -rf ~/» сотрёт всё. Поэтому каждая команда проходит через guard — синтаксический анализатор на bashlex.
Что блокируется:
- Опасные команды:
rm -rf /,dd if=/dev/zero,chmod 000на системные пути. - Подстановки и обратные кавычки:
$(...),`...`— их можно использовать для обхода правил. - Доступ к секретам: чтение файлов токенов, переменных с паролями.
- Сетевые запросы к внешним хостам — только к разрешённым.
Важно: guard сканирует весь текст команды, включая тело heredoc. Если внутри есть подстановка — вся команда отклоняется. Это иногда раздражает, но лучше так.
Слой 4: аудит (журнал)
Каждое действие пишется в JSONL-лог: время, команда, результат, код возврата, причина блокировки. Это:
- Помогает разбираться, «почему AI сделал так».
- Показывает, что guard не пропустил лишнего.
- Даёт материал для улучшения правил.
Аудит — не роскошь, а необходимость. Если AI работает автономно — ты должен знать, что именно он сделал.
Как выглядит петля вживую
Задача: «собери APK таймера». Что происходит по шагам:
- Модель генерирует первые команды: создать структуру проекта, MainActivity.java, layout.
- Сервер выполняет, возвращает «OK».
- Модель просит сборку:
bash build.sh. - Guard пропускает, сборка падает —
error: cannot find symbol. - Модель видит ошибку, дописывает импорт, пересобирает.
- Сборка успешна → APK готов → публикация в TG.
Вся петля — 5-10 итераций, 5-15 минут. Человек в это время пьёт кофе.
Почему это не «ещё один чат с AI»
- Модель видит результаты. Не «я думаю, должно работать», а «работает / не работает».
- Модель исправляет свои ошибки. Сама, без напоминаний.
- Модель помнит контекст задачи. Не сбрасывает после каждого шага.
- Модель может вызвать человека. Если упёрлась — запросит подтверждение.
Границы: где это НЕ работает
- Задачи вне телефона. Модель не управляет внешними сервисами без явного API.
- Задачи, требующие глаз. Пока нет «зрения» — интерфейсы читаются через UI-дамп, но это ограниченно.
- Опасные операции без подтверждения. Guard специально тормозит.
- Долгие операции. Android может прибить процесс — нужен wake-lock.
Что дальше
Архитектура расширяется: планировщик-агент, память между сессиями, локальные модели. Но основа уже работает: модель → мост → guard → терминал → результат → модель. Просто, надёжно, ремонтопригодно.
FAQ
Можно так же с ChatGPT?
Да. Принцип не зависит от модели: любой чат в WebView + JS-мост = управляемый агент.
Нужен ли API-ключ?
Нет, для WebView-подхода не нужен. Для API — нужен, но это другой трейд-офф (быстрее, стабильнее, платно).
Guard можно отключить?
Технически да, но не стоит. Если очень нужно — только на конкретные команды и с аудитом.
Это безопасно для моего телефона?
Guard + аудит + подтверждения покрывают основные риски. Но любой агент с доступом к терминалу — ответственность пользователя.
Попробуй Termux Assistant AI
Бесплатно, без ПК и API-ключей. Твой телефон умеет больше, чем кажется.
Скачать APK Задать вопрос на форуме