aiedit: настольный редактор кода с программной изоляцией закрытых строк от ИИ-агентов

Habr AI · оригинал

Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.

Разработчик представил aiedit — Python-редактор, который исключает выбранные строки кода из контекста ИИ-моделей на уровне программного обеспечения, а не через промпты. Инструмент использует цепочку проверок, включая песочницу и diff-валидацию, но автор признает, что по качеству генерации он пока уступает специализированным агентам вроде Claude Code.

Проект демонстрирует новый подход к безопасности в ИИ-редакторах: вместо надежды на соблюдение инструкций моделью используется техническое ограничение доступа к данным. Это критически важно для разработчиков, работающих с чувствительной бизнес-логикой или секретами, которые нельзя передавать внешним LLM.

В экосистеме ИИ-ассистентов для разработки кода существует фундаментальная проблема: большинство инструментов полагаются на «мягкие» ограничения, такие как файлы исключений (.cursorignore, .clineignore). Однако документация таких сервисов, как Cursor и Cline, прямо указывает, что эти механизмы не гарантируют запрет доступа, а лишь снижают вероятность его использования. Более того, они работают только с целыми файлами, лишая разработчика возможности скрыть конкретную функцию или строку в рамках общего контекста. Проект aiedit предлагает иное решение: это настольный редактор на Python (PySide6/PyQt6), где защита реализована на уровне кода приложения. Закрытые участки просто физически не попадают в запрос к языковой модели, что исключает возможность их «подглядывания» со стороны ИИ.

Механика работы aiedit строится на многоуровневой системе безопасности. Пользователь может помечать закрытыми не только файлы, но и отдельные диапазоны строк с различными уровнями доступа (например, полностью скрытый код или интерфейс). При отправке запроса редактор вырезает эти зоны из контекста. Дополнительно модель лишена прямого доступа к терминалу и работает только через инструменты редактора. Каждая предложенная правка проходит проверку через diff: если изменение затрагивает закрытую область, оно автоматически отклоняется. Для выполнения тестов используется песочница на базе bubblewrap, где на копии проекта закрытый код физически отсутствует, а сеть и домашние папки недоступны.

Разработчик подчеркивает прозрачность процесса: все запросы логируются локально, фиксируя количество скрытых строк и переданных символов. Встроенная цепочка моделей позволяет одной ИИ-системе писать код, а другой — проверять его на ошибки, при этом пользователь видит только результат прогона тестов в песочнице, а не субъективные оценки модели. Проект написан на Python без использования специализированных SDK, что обеспечивает совместимость с любым API, поддерживающим стандарт OpenAI или Anthropic.

Тем не менее, автор честно указывает на текущие ограничения инструмента. В сравнительном тесте на создание Flask-приложения aiedit уступил Claude Code в качестве генерируемого кода, несмотря на использование той же базовой модели (Claude Opus 5.5). Причина была найдена в собственной системе защиты: фильтр секретов ошибочно интерпретировал тестовые данные как реальные пароли и заменял их на исключения, ломая синтаксис Python. Хотя эта проблема была исправлена, она демонстрирует сложность балансировки между безопасностью и функциональностью.

Существуют и другие уязвимости, которые автор признает и частично закрывает. Например, переименование файлов вне редактора могло приводить к потере меток закрытия, что решено через использование хешей строк. Также выявлено, что локальные копии проекта в виртуальных окружениях могли быть доступны песочнице, что теперь предотвращается. Важно понимать, что защита не является абсолютной: пересказанный своими словами секрет или измененная копия закрытого кода могут обойти фильтры. Кроме того, песочница стабильно работает только на Linux, тогда как для macOS и Windows решение находится в экспериментальной стадии.

Несмотря на ранний статус и наличие багов, aiedit представляет интерес как пример инженерного подхода к изоляции данных в ИИ-инструментах. Код проекта открыт под лицензией MIT, что позволяет сообществу аудировать реализацию и предлагать улучшения. Для разработчиков, которым критично удерживать конфиденциальную логику в локальном контуре, этот инструмент предлагает более надежную альтернативу стандартным промптовым ограничениям, хотя и требует внимательного изучения его границ применения.