«نمو الهيكل لا السياق»: كيف تحول الشيفرة البرمجية وكلاء الذكاء الاصطناعي الصغار إلى خبراء؟

تعتمد بنية وكلاء النماذج اللغوية الكبيرة اليوم على تحميل نافذة السياق بكل شيء: من تعليمات التوجيه وسجلات التفاعل، إلى محاولات استنتاج مسارات التحكم البرمجي في كل خطوة تنفيذية على حدة. هذه المقاربة، رغم شيوعها في بيئات التطوير الحالية، تجبر النموذج على إعادة استنتاج قرارات التحكم ذاتها مراراً وتكراراً، ما يؤدي إلى تضخم تكلفة الاستدلال وتراجع كفاءة المهام المتتابعة. ورقة بحثية جديدة بعنوان «نمو الهيكل لا السياق» تقترح قلباً هندسياً لهذه المعادلة، عبر تحويل منطق التحكم المتكرر من نصوص داخل السياق إلى شيفرات برمجية تنفيذية قابلة لإعادة الاستخدام، وحصر استدعاءات النماذج اللغوية في التفكير الدلالي الخاص بكل مهمة.

قدّم الباحثون إطاراً تدريبياً أطلقوا عليه اسم «Growing Harness»، وهو نموذج يعتمد على التوجيه بواسطة الإخفاق لبناء هيكل الوكيل تدريجياً. يبدأ النظام من هيكل أولي خالٍ من الاستراتيجيات المسبقة، يقتصر دوره على توفير واجهات برمجية ثابتة للنموذج والأدوات دون تضمين أي منطق تحكم مسبق لحل المهام. وعند وقوع خطأ أثناء التنفيذ، تلتقط سجلات التتبع على مستوى الدوال موضع الخلل وتحصره في نطاق برمجي محدد، ليتولى نظام تحسين مشترك معالجة نافذة من الإخفاقات معاً.

الابتكار الجوهري يكمن في بوابة تقييم تعتمد مبدأ «النجاح أولاً»، حيث تتولى التراجع التلقائي عن أي تعديلات برمجية قد تضر بالقدرات السابقة التي اكتسبها الوكيل. وتتراكم التعديلات المقبولة في هيكل برمجي مشترك، ما يسمح لبنية التحكم بالتبلور والتطور انطلاقاً من التغذية الراجعة للمهام، بدلاً من تكديس الأمثلة في ذاكرة النموذج المؤقتة.

أظهرت نتائج الاختبارات على منصتي «BrowseComp-Plus» و«WebArena-Verified»، وباستخدام ثلاثة نماذج تشغيلية تتراوح أحجامها بين 4 مليارات و120 مليار معامل، تفوق هذا النهج بصورة واضحة. فقد حقق الإطار أعلى متوسط نجاح في خمس من أصل ست بيئات تجريبية، بينما تأخر بفارق 0.7 نقطة مئوية فقط في البيئة السادسة. والأهم من ذلك أن الإطار نجح، مقارنة بنظام استدعاء الأدوات التقليدي، في خفض استدعاءات النماذج اللغوية بنسبة راوحت بين 76.0 و91.8 بالمئة، وقلّص كلفة استدلال الوكيل في بيئات التشغيل بنسبة راوحت بين 74.4 و98.6 بالمئة. وعلاوة على ذلك، أثبتت التجربة على منصة «WebArena-Verified» استقرار معدل النجاح بين 44.7 و45.3 بالمئة عبر مختلف أحجام النماذج، في حين تدهور معدل نجاح استدعاء الأدوات التقليدي إلى 6.7 بالمئة فقط عند استخدام نموذج بسعة 4 مليارات معامل.

يحمل هذا التحول دلالة تقنية ومالية مباشرة لفرق الهندسة البرمجية والشركات في الخليج ومصر والمنطقة العربية. تواجه المؤسسات المصرفية والجهات التي تبني أنظمة أتمتة داخلية معضلة مزدوجة: إما دفع فواتير متصاعدة لاستدعاء نماذج سحابية عملاقة مع حساسيات سيادة البيانات ونقلها عبر الحدود، أو تشغيل نماذج محلية صغيرة داخل خوادمها الخاصة تعجز عادة عن إدارة مهام التصفح واستدعاء الأدوات بدقة. إن خفض كلفة الاستدلال بنسبة تصل إلى نحو 98 بالمئة، مع تمكين نموذج محلي صغير بسعة 4 مليارات معامل من تحقيق كفاءة تماثل النماذج الكبرى بفضل تراكم الشيفرة، يجعل نشر الوكلاء المؤتمتين داخل بيئات العمل المغلقة أمراً مجدياً اقتصادياً وتشغيلياً دون استنزاف البنية التحتية.

خطوتك كقائد تقني أو مطور نظم هي التوقف عن تضخيم سياق الوكلاء بتعليمات مطولة، والبدء في بناء هياكل برمجية تحيط بالنموذج وتتعلم من أخطائه وتحولها إلى كود دائم. فالكفاءة الحقيقية للوكلاء المتخصصين لن تأتي من حشو نوافذ السياق، بل من عزل التحكم المتكرر في شيفرة قابلة للتدقيق والاختبار، وترك التفكير الدلالي الصرف للنموذج.