وكيل الذكاء الاصطناعي ذو الـ12 عاملاً: بناء أنظمة ذكاء اصطناعي فعّالة وقابلة للتوسع

ما الذي يجعل وكيل الذكاء الاصطناعي فعّالاً؟

قبل الخوض في العوامل، لنوضّح أولاً ما نعنيه بـ"وكلاء الذكاء الاصطناعي". في جوهرهم، هؤلاء هم أنظمة قادرة على تفسير الطلبات بلغة طبيعية، واتخاذ قرارات بناءً على السياق، وتنفيذ إجراءات محددة عبر الأدوات أو واجهات برمجة التطبيقات—كل ذلك مع الحفاظ على تفاعلات مستمرة ومتسقة.

أقوى الوكلاء هم من يدمجون قدرات الاستدلال للنماذج اللغوية مع موثوقية الشيفرة الحتمية. لكن تحقيق هذا التوازن يتطلب قرارات تصميم دقيقة، وهو بالضبط ما تتناوله هذه العوامل.

العوامل الـ12 لبناء وكلاء ذكاء اصطناعي متينين

1. إتقان تحويل اللغة الطبيعية إلى استدعاء الأداة

القدرة على تحويل الطلبات باللغة الطبيعية إلى استدعاءات أدوات منظمة تكمن في صميم وظائف الوكيل. هذا ما يمكّن الوكيل من أخذ أمر بسيط مثل “أنشئ رابط دفع بقيمة 750 دولارًا لتيري لاجتماع فبراير لمهتمي الذكاء الاصطناعي” وتحويله إلى استدعاء API منسق بشكل صحيح.

رابط الصورة

{
  "function": {
    "name": "create_payment_link",
    "parameters": {
      "amount": 750,
      "customer": "cust_128934ddasf9",
      "product": "prod_8675309",
      "price": "prc_09874329fds",
      "quantity": 1,
      "memo": "Hey Jeff - see below for the payment link for the February AI Tinkerers meetup"
    }
  }
}

المفتاح لجعل هذا يعمل بشكل موثوق هو استخدام شيفرة حتمية لمعالجة المخرجات المنظمة من نموذج اللغة الخاص بك. دائمًا تحقق من حمولة واجهات برمجة التطبيقات قبل التنفيذ لمنع الأخطاء، وتأكد من أن النموذج اللغوي الكبير الخاص بك يرجع تنسيقات JSON متسقة يمكن تحليلها بشكل موثوق.

2. امتلك الحوافز الخاصة بك بالكامل

حوافزك هي واجهة التطبيق الخاص بك مع النموذج اللغوي—عاملها كشيفرة من الدرجة الأولى. قد تبدو الأطر التي تُجرد الحوافز مريحة، لكنها غالبًا ما تُخفي كيفية تمرير التعليمات إلى النموذج، مما يجعل التخصيص الدقيق صعبًا أو مستحيلاً.

بدلاً من ذلك، حافظ على السيطرة المباشرة على حوافزك بكتابتها صراحةً:

function DetermineNextStep(thread: string) -> DoneForNow | ListGitTags | DeployBackend | DeployFrontend | RequestMoreInformation {
  prompt #"
    {{ _.role("system") }}
    You are a helpful assistant that manages deployments for frontend and backend systems.
    ...
    {{ _.role("user") }}
    {{ thread }}
    What should the next step be?
  "#
}

هذا النهج يمنحك عدة مزايا:

• تحكم كامل لكتابة تعليمات دقيقة تناسب حالتك الخاصة
• إمكانية بناء تقييمات واختبارات للحوافز مثل أي شيفرة أخرى
• شفافية لفهم بالضبط ما يتلقاه النموذج اللغوي
• حرية التكرار بناءً على مؤشرات الأداء

3. صمّم نافذة السياق الخاصة بك بشكل استراتيجي

نافذة السياق هي مدخل النموذج اللغوي الكبير، وتشمل الحوافز، وسجل المحادثة، والبيانات الخارجية. تحسين هذه النافذة يعزز الأداء وكفاءة الرموز.

رابط الصورة

تجاوز التنسيقات التقليدية المبنية على الرسائل إلى هياكل مخصصة تزيد كثافة المعلومات:

<slack_message>
    From: @alex
    Channel: #deployments
    Text: Can you deploy the backend?
</slack_message>
<list_git_tags>
    intent: "list_git_tags"
</list_git_tags>
<list_git_tags_result>
    tags:
      - name: "v1.2.3"
        commit: "abc123"
        date: "2024-03-15T10:00:00Z"
</list_git_tags_result>

هذا النهج يوفر عدة فوائد:

• تقليل استخدام الرموز عبر تنسيقات مضغوطة
• تحسين تصفية البيانات الحساسة قبل تمريرها للنموذج اللغوي
• مرونة لتجربة تنسيقات تحسن من فهم النموذج

4. نفّذ الأدوات كمخرجات منظمة

في جوهرها، الأدوات هي ببساطة مخرجات JSON من النموذج اللغوي الكبير تُطلق إجراءات حتمية في الشيفرة الخاصة بك. هذا يخلق فصلًا واضحًا بين اتخاذ القرار بالذكاء الاصطناعي ومنطق التنفيذ.

عرّف مخططات الأدوات بوضوح:

class CreateIssue {
  intent: "create_issue";
  issue: {
    title: string;
    description: string;
    team_id: string;
    assignee_id: string;
  };
}

class SearchIssues {
  intent: "search_issues";
  query: string;
  what_youre_looking_for: string;
}

ثم ابنِ تحليلًا موثوقًا لمخرجات JSON من النموذج، واستخدم شيفرة حتمية لتنفيذ الإجراءات، وأعد تغذية النتائج في السياق لتدفقات العمل التكرارية.

5. وحّد حالة التنفيذ وحالة الأعمال

تفصل العديد من أطر عمل الوكلاء بين حالة التنفيذ (مثل: الخطوة الحالية في العملية) وحالة الأعمال (مثل: سجل استدعاءات الأدوات ونتائجها). هذا الفصل يضيف تعقيدًا غير ضروري.

بدلاً من ذلك، خزّن كل الحالة مباشرة في نافذة السياق، واستنتج حالة التنفيذ من تسلسل الأحداث:

<deploy_backend>
    intent: "deploy_backend"
    tag: "v1.2.3"
    environment: "production"
</deploy_backend>
<error>
    error running deploy_backend: Failed to connect to deployment service
</error>

هذا النهج الموحد يوفر:

• بساطة مع مصدر واحد للحقيقة للحالة
• تصحيح أخطاء أفضل مع سجل كامل في مكان واحد
• استعادة سهلة عبر الاستئناف من أي نقطة بتحميل السلسلة

نقل وكلاء الذكاء الاصطناعي إلى الإنتاج

6. صمّم واجهات برمجة تطبيقات للإطلاق، الإيقاف المؤقت، والاستئناف

يجب على الوكلاء الجاهزين للإنتاج أن يتكاملوا بسلاسة مع الأنظمة الخارجية، مع إمكانية الإيقاف المؤقت للمهام الطويلة والاستئناف عند التحفيز بواسطة Webhook أو أحداث أخرى.

نفّذ واجهات برمجة تطبيقات تسمح بإطلاق، إيقاف مؤقت، واستئناف الوكلاء، مع تخزين حالة قوي بين العمليات. هذا يمكّن من:

• دعم مرن لتدفقات العمل غير المتزامنة
• تكامل نظيف مع Webhook والأنظمة الأخرى
• استئناف موثوق بعد الانقطاعات دون إعادة التشغيل

7. مكن التعاون البشري عبر استدعاءات الأدوات

غالبًا ما يحتاج وكلاء الذكاء الاصطناعي إلى مدخلات بشرية للقرارات الحساسة أو الحالات الغامضة. استخدام استدعاءات أدوات منظمة يجعل هذا التفاعل سلسًا:

class RequestHumanInput {  
  intent: "request_human_input";  
  question: string;  
  context: string;  
  options: {  
    urgency: "low" | "medium" | "high";  
    format: "free_text" | "yes_no" | "multiple_choice";  
    choices: string[];  
  };  
}

رابط الصورة

يوفر هذا النهج مواصفات واضحة لنوع ودرجة إلحاح التفاعل، ويدعم المدخلات من عدة مستخدمين، ويتكامل جيدًا مع واجهات برمجة التطبيقات لتدفقات عمل دائمة.

8. تحكم في تدفق وكيلك

يتيح تدفق التحكم المخصص لك التوقف لمراجعة بشرية، أو تخزين النتائج مؤقتًا، أو تنفيذ تحديد معدل التنفيذ—لتخصيص سلوك الوكيل وفقًا لاحتياجاتك الخاصة:

رابط الصورة

async function handleNextStep(thread: Thread) {
  while (true) {
    const nextStep = await determineNextStep(threadToPrompt(thread));
    if (nextStep.intent === 'request_clarification') {
      await sendMessageToHuman(nextStep);
      await db.saveThread(thread);
      break;
    } else if (nextStep.intent === 'fetch_open_issues') {
      const issues = await linearClient.issues();
      thread.events.push({ type: 'fetch_open_issues_result', data: issues });
      continue;
    }
  }
}

مع هذا النهج، تحصل على:

• إمكانية التوقف لمراجعة بشرية قبل الإجراءات الحرجة
• خيارات تخصيص للتسجيل، التخزين المؤقت، أو التلخيص
• معالجة موثوقة للمهام طويلة المدى

9. ضمّن الأخطاء في السياق للتعافي الذاتي

إدراج الأخطاء مباشرة في نافذة السياق يمكّن وكلاء الذكاء الاصطناعي من التعلم من الإخفاقات وتعديل نهجهم:

try {
  const result = await handleNextStep(thread, nextStep);
  thread.events.push({ type: `${nextStep.intent}_result`, data: result });
} catch (e) {
  thread.events.push({ type: 'error', data: formatError(e) });
}

لكي يعمل هذا بفعالية:

• حد من عدد المحاولات لتجنب الحلقات اللانهائية
• صعّد للبشر بعد الإخفاقات المتكررة
• نسّق الأخطاء بوضوح بحيث يستطيع النموذج فهم ما حدث

أفضل الممارسات المعمارية

10. ابنِ وكلاء صغار ومركَّزين

الوكلاء الصغار الذين يتعاملون مع 3–20 خطوة يحافظون على نوافذ سياق قابلة للإدارة، مما يعزز أداء وموثوقية النماذج اللغوية الكبيرة. يوفر هذا النهج:

• وضوح بنطاق محدد جيدًا لكل وكيل
• تقليل خطر فقدان الوكيل للتركيز
• سهولة اختبار والتحقق من الوظائف المحددة

رابط الصورة

مع استمرار تطور النماذج اللغوية الكبيرة، يمكن لهؤلاء الوكلاء الصغار توسيع نطاقهم مع الحفاظ على الجودة، مما يضمن قابلية التوسع على المدى الطويل.

11. مكن التحفيز من مصادر متعددة

اجعل وكلاءك متاحين من خلال السماح بالتحفيز من Slack أو البريد الإلكتروني أو أنظمة الأحداث—لتلبية المستخدمين حيث يعملون بالفعل.

نفذ واجهات برمجة تطبيقات تُطلق الوكلاء من قنوات مختلفة وترد عبر نفس الوسيط. هذا يمكّن من:

• وصول أفضل عبر التكامل مع المنصات المفضلة للمستخدمين
• دعم تدفقات العمل المؤتمتة القائمة على الأحداث
• تدفقات عمل موافقة بشرية للعمليات الحساسة

12. صمّم الوكلاء كدوال عديمة الحالة

معاملة الوكلاء كدوال عديمة الحالة تحول سياق الإدخال إلى إجراءات إخراجية يبسط إدارة الحالة، ويجعلهم قابلين للتنبؤ وأسهل في التصحيح.

رابط الصورة

هذا النهج المفاهيمي يرى الوكلاء كدوال نقية لا تحافظ على أية حالة داخلية، ويوفر:

• سلوكًا يمكن التنبؤ به لمُدخلات معينة
• سهولة تتبع المشكلات من خلال سجل السياق
• بساطة في الاختبار والتحقق

البناء للمستقبل

مجال وكلاء الذكاء الاصطناعي يتطور بسرعة، لكن هذه المبادئ الأساسية ستبقى ذات صلة حتى مع تحسن النماذج الأساسية. من خلال البدء بوكلاء صغار ومركَّزين يتبعون هذه الممارسات، يمكنك إنشاء أنظمة تحقق قيمة اليوم مع التكيف مع التطورات المستقبلية.

تذكّر أن أكثر وكلاء الذكاء الاصطناعي فعالية هم من يجمعون بين قدرات الاستدلال للنماذج اللغوية وموثوقية الشيفرة الحتمية—وهذه العوامل الـ12 تساعدك في تحقيق هذا التوازن.

كيف طبّقت FlowHunt منهجية الـ12 عاملاً

في FlowHunt، قمنا بتطبيق هذه المبادئ عمليًا من خلال تطوير وكيل ذكاء اصطناعي خاص بنا ينشئ تلقائيًا أتمتة تدفقات العمل لعملائنا. إليك كيف طبقنا منهجية الـ12 عاملاً لبناء نظام موثوق وجاهز للإنتاج