SEW: Self-Evolving Agentic Workflows for Automated Code Generation
تقدم الورقة البحثية SEW، وهو إطار عمل ذاتي التطور يقوم تلقائياً بتوليد وتحسين سير عمل الوكلاء المتعددين لمهام توليد الأكواد المعقدة، محققاً تحسينات كبيرة في الأداء مقارنة بالنماذج المرجعية دون الاعتماد على مطالبات أو هياكل مصممة يدوياً.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول بناء قطعة أثاث معقدة، مثل رف كتب عالي التقنية، ولكن ليس لديك سوى ذراع روبوت واحدة ذكية جداً. ذراع الروبوت هذه هي نموذج لغوي كبير (LLM). إنها بارعة في اتباع التعليمات، ولكن إذا أعطيتها مخططاً ضخماً ومعقداً دفعة واحدة، فقد ترتبك، أو تفقد خطوة ما، أو تبني الرف مقلوباً.
في الماضي، ولإصلاح ذلك، كان الخبراء البشريون يصممون يدوياً "فريقاً" من الروبوتات. كانوا يقولون: "الروبوت (أ)، اقطع الخشب. الروبوت (ب)، صنفر الخشب. الروبوت (ج)، ادهن الخشب". كانوا يكتبون تعليمات محددة (Prompts) لكل روبوت ويرسمون مخططاً انسيابياً (Workflow) يربط بينهم.
المشكلة:
المشكلة في هذه الطريقة القديمة هي أنها تشبه استخدام نفس فريق الروبوتات لبناء رف كتب، ثم سفينة فضاء، ثم كعكة. هذا لا يعمل بشكل جيد لأن كل مهمة مختلفة. أيضاً، يقضي البشر ساعات في تصميم هذه الفرق يدوياً وإعادة كتابة التعليمات في كل مرة تتغير فيها المهمة. إنه أمر بطيء وجامد.
الحل: SEW (سير العمل ذاتي التطور)
تقدم الورقة البحثية SEW، وهي تشبه إعطاء فريق الروبوتات "عقلاً" يمكنه تعليم نفسه كيفية تنظيم ذاته.
بدلاً من أن يقوم إنسان برسم المخطط الانسيابي وكتابة التعليمات، فإن SEW هو نظام:
- يبدأ بفكرة تقريبية: ينشئ فريقاً أساسياً من الروبوتات لحل مشكلة البرمجة.
- المحاكاة الذاتية والتطور: يعمل ككائن حي. يحاول تنفيذ المهمة، ويرى أين فشل، ثم "يحدث طفرات" في تعليماته الخاصة.
- تشبيه: تخيل طباخاً يتذوق حساءً، ويدرك أنه يحتاج إلى مزيد من الملح، ثم يكتب وصفة جديدة لنفسه. لكن SEW يفعل ذلك لهيكل الفريق بأككامل، وليس فقط للوصفة.
- نوعان من التطور:
- تطور سير العمل (Workflow Evolution): يعيد ترتيب الفريق. ربما يقرر: "لسنا بحاجة إلى رسام، بل نحتاج إلى مفتش جودة أولاً". إنه يغير المخطط الانسيابي تلقائياً.
- تطور الوكيل (Agent Evolution): يعيد كتابة التعليمات المحددة لكل روبوت. ربما يخبر روبوت "مولد الكود": "توقف عن كونك حرفياً للغاية؛ حاول أن تكون أكثر إبداعاً وتحقق من حساباتك مرتين".
"لغة" الفريق
للتحدث مع الروبوتات، يحتاج النظام إلى لغة. اختبرت الورقة خمس "لغات" لوصف كيفية عمل الفريق:
- BPMN: مثل مخطط انسيابي رسمي للأعمال.
- Python: كود برمجي فعلي.
- YAML: تنسيق بسيط (مثل قائمة تسوق).
- Pseudo-code (الشيفرة الوهمية): "كود زائف" يشبه اللغة الإنجليزية.
- CoRE: مزيج خاص من الإنجليزية والكود مصمم خصيصاً لتفهمه الروبوتات.
الاكتشاف:
وجد الباحثون أن CoRE كانت اللغة الأفضل. كانت بمثابة العثور على اللهجة المثالية التي يمكن للروبوتات قراءتها بسه Far وسهولة والعمل بناءً عليها بشكل صحيح. اللغات الأخرى كانت إما مربكة للغاية (مثل محاولة رسم آلة معقدة باستخدام رسم كرتوني بسيط) أو جامدة للغاية.
النتائج:
عندما اختبروا SEW على تحديات برمجية صعبة (مثل حل مسائل رياضية أو كتابة وظائف برمجية معقدة):
- تفوق على "الروبوت الخارق" المنفرد (النموذج اللغوي الأساسي) بفارق كبير (حوالي 12% أفضل).
- تفوق على الطرق المتقدمة الأخرى التي تتطلب من البشر تعديل الفرق يدوياً.
- أثبت أنه إذا سمحت للذكاء الاصطناعي بـ "تطوير" هيكل فريقه وتعليماته الخاصة، فإنه يصبح أفضل بكثير في حل المشكلات الصعبة مما لو حاول إنسان إدارته بدقة.
باخت-مختصر:
SEW هو نظام يتوقف عن معاملة الذكاء الاصطناعي كأداة يجب عليك معايرتها يدوياً في كل مرة. بدلاً من ذلك، يعامله كـ شركة ناشئة ذاتية التحسين. فهو يوظف موظفيه الخاصين، ويكتب أوصافهم الوظيفية، ويرسم مخطط تنظيمي خاص به، ويقوم باستمرار بطرد نفسه وإعادة توظيف نفسه حتى يجد الفريق المثالي لحل المشكلة. إنه الفرق بين مدير بشري يحاول إدارة مصنع وبين روبوتات المصنع التي تنظم نفسها لبناء المنتج المثالي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.