یک کاربر حوزه فناوری تجربه خود از افزودن یک دستیار هوش مصنوعی محلی به کلیپ‌بورد (Clipboard) ویندوز ۱۱ را منتشر کرده است؛ ترکیبی که به گفته او عملیات ساده کپی و پیست را به فرایندی مولدتر تبدیل می‌کند. در این راه‌کار، ابزار Sirius AI Tray Assistant به عنوان رابط کاربری و مدل زبانی محلی Gemma 4 E4B به عنوان موتور پردازش به کار می‌رود و همه عملیات بدون نیاز به سرویس ابری یا اشتراک پولی انجام می‌شود.
ترکیب Sirius AI Tray Assistant با مدل محلی Gemma 4 E4B
به گزارش XDA Developers، کاربر پس از بررسی ابزارهای اجتماعی مختلف، مخزن Sirius AI Tray Assistant ساخته توسعه‌دهنده‌ای با نام Zoott28354 را انتخاب کرده است. دلیل این انتخاب، دسترسی این دستیار به همه متن‌هایی است که کاربر در طول روز کپی می‌کند؛ بنابراین حفظ حریم خصوصی و عدم ارسال داده به سرورهای خارجی اهمیت دارد. مدل Gemma 4 E4B با نسخه Q4_K_M و اندازه مؤثر پارامتر حدود ۴.۵ میلیارد، به اندازه‌ای سبک است که روی طیف گسترده‌ای از کارت‌های گرافیک اجرا شود.
در آزمایش این کاربر، ترکیب Gemma 4 E4B و کارت گرافیک RTX 3080 Ti سرعت بیش از ۱۱۰ توکن بر ثانیه (Tokens/Second) را ثبت کرده است؛ سرعتی که برای تحلیل کلیپ‌بورد و پرهیز از انتظار طولانی مناسب ارزیابی می‌شود. اتصال این دستیار به مدل نیز ساده توصیف شده است: کاربر از منوی Tray گزینه Configuration را باز کرده، سرور llama.cpp را انتخاب کرده و نشانی http://localhost:8080/v1 را به عنوان میزبان Gemma 4 E4B وارد کرده است.
علاوه بر اجرای محلی، امکان اتصال از راه دور نیز فراهم است. کاربر می‌تواند با انتخاب پروفایل Custom server و افزودن نشانی IP مربوط به llama-server روی کانتینر LXC مبتنی بر Proxmox، از دیگر GPUهای موجود برای پردازش کلیپ‌بورد استفاده کند.
پرسش‌های سفارشی و حافظه پایدار
به طور پیش‌فرض، گزینه تحلیل در منوی Sirius AI Tray Assistant محتوای کلیپ‌بورد را به انگلیسی تبدیل کرده و تحلیلی تفصیلی از کاربرد آن ارائه می‌دهد. اما نکته کلیدی برای کارهای روزمره، پنجره پرسش سفارشی (Custom Prompt) است که به کاربر اجازه می‌دهد عملیات تحلیل را متناسب با نیاز خود تغییر دهد.
- پاک‌سازی قالب‌بندی: کاربر برای اسکریپت‌های PowerShell، فرمان‌های لینوکس و قطعه‌کدهایی که در مستندسازی پروژه‌ها کپی می‌کند، دستور «Clear formatting» را تنظیم کرده تا قالب‌بندی ناخواسته حذف شود.
- تحلیل کد و فرمان: با کلیک روی گزینه Analyze text، خلاصه‌ای کوتاه از کارکرد فرمان‌ها، قطعه‌کدها و اسکریپت‌های کپی‌شده از مستندات ارائه می‌شود.
- ترجمه: برای پژوهش در زبان‌های دیگر، دستور «Translate to English» فعال می‌ماند و ترکیب Sirius و Gemma 4 E4B در چند ثانیه ترجمه را انجام می‌دهد.
- حافظه پایدار: گزارش‌های گفت‌وگوی ماندگار در Sirius AI قابل دسترسی است و کاربر می‌تواند برای کارهایی که به مراجعه به محتوای کلیپ‌بورد نیاز دارند، از آن استفاده کند.
OCR روی اسکرین‌شات‌ها و اجرا روی سخت‌افزار قدیمی
Sirius Assistant تنها به متن‌های کپی‌شده محدود نیست و می‌تواند اسکرین‌شات‌های ساخته‌شده با ابزار Windows Snipping Tool را نیز بررسی کند. چون Gemma 4 E4B قابلیت تحلیل تصویر دارد، کاربر می‌تواند برای متن‌هایی که با Ctrl + C قابل کپی نیستند، اسکرین‌شات بگیرد و از ترکیب Sirius و Gemma 4 E4B گزارش OCR دریافت کند؛ البته به شرط آنکه متن مورد نظر تا حدی خوانا باشد و به شکل پیکسلی مخدوش نباشد.
به گفته این کاربر، اجرای این راه‌کار به GPU قدرتمند نیاز ندارد و با سیستم‌های قدیمی‌تر خانه نیز سازگار است. او آن را با نمونه‌های Gemma 4 E4B روی لپ‌تاپ مجهز به GTX 1060 و کانتینر LXC مبتنی بر llama.cpp با GTX 1080 آزمایش کرده و هر دو پیکربندی را برای کارهای روزمره به اندازه کافی سریع دانسته است. ترکیب اجرای کاملاً محلی و نبود هزینه اشتراک، دلیل نصب این ابزار روی همه ماشین‌های ویندوزی او عنوان شده است.
نتیجه‌گیری: این تجربه نشان می‌دهد که مدل‌های زبانی محلی، حتی روی سخت‌افزار نه‌چندان جدید، می‌توانند قابلیت‌های کاربردی مانند تحلیل متن، ترجمه، پاک‌سازی قالب‌بندی و OCR را به کلیپ‌بورد ویندوز ۱۱ اضافه کنند؛ بدون آنکه داده کاربر به سرور خارجی ارسال شود.