Agentic Context Engineering: Evolving Contexts for Self-Improving Language Models
تقدم الورقة البحثية "هندسة السياق الوكيلية" (ACE)، وهو إطار عمل يعامل السياقات ككتيبات تعليمات متطورة للتغلب على انحياز الإيجاز وانهيار السياق، مما يمكّن النماذج اللغوية ذاتية التحسين من تحقيق أداء رائد في الاختبارات المعيارية للوكلاء والمجالات المتخصصة من خلال تحديثات هيكلية وتزايدية دون الحاجة إلى إشراف مصنف.
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
شرح ورقة بحثية بعنوان: "هندسة السياق الوكيل" (Agentic Context Engineering - ACE) باستخدام لغة بسيطة وتشبيهات إبداعية.
المشكلة الكبرى: فخ "الملاحظة القصيرة"
تخيل أنك تقوم بتدريب متدرب عبقري ولكنه نسيّ (الذكاء الاصطنا artificial intelligence) للقيام بمهمة معقدة، مثل إدارة بنك أو تشغيل شركة برمجيات.
في الماضي، عندما كان المتدرب يرتكب خطأً، كان المدير (المطور) يحاول إصلاحه عن طريق إعادة كتابة دليل التعليمات الخاص بالمتدرب بالكامل. ولكن كانت هناك مشكلة: استمر المدير في محاولة جعل الدليل أقصر وأقصر ليسهل قراءته.
تسبب هذا في مشكلتين كبيرتين:
- مشكلة "القِصر المخل": لجعل الدليل قصيراً، اضطر المدير إلى التخلص من التفاصيل الصغيرة والدقيقة التي كانت مهمة حقاً (مثل "تحقق دائماً من تنسيق التاريخ" أو "لا تثق أبداً في هذه الواجهة البرمجية المحددة"). أصبح الدليل ملخصاً غامضاً مثل "كن حذراً"، وهو ما لم يكن مفيداً.
- مشكلة "انهيار الذاكرة": في كل مرة يعيد فيها المدير كتابة الدليل، كان المتدرب يحذف بالخطأ ملاحظات قديمة ومفيدة أثناء محاولته تلخيص ملاحظات جديدة. بعد بضعة أسابيع، أصبح الدليل قصيراً وفارغاً لدرجة أن المتدرب أصبح أسوأ في عمله مما كان عليه في البدافلة.
الحل: ACE (الكتيب الحي)
ابتكر مؤلفو هذه الورقة نظاماً جديداً يسمى ACE (هندسة السياق الوكيل). بدلاً من إعادة كتابة الدليل بالكامل في كل مرة، يتعامل ACE مع التعليمات كأنها كتيب استراتيجيات متنامٍ وحي (مثل دفتر استراتيجيات مدرب رياضي أو كتاب وصفات الطاهي).
إليك كيف يعمل ACE، باستخدام تشبيه المطبخ:
تخيل رئيس طهاة (الذكاء الاصطناعي) يحاول طهي وجبة مثالية.
1. الأدوار الثلاثة المتخصصة
بدلاً من شخص واحد يحاول القيام بكل شيء، يقسم ACE العمل إلى ثلاثة أدوار متخصصة:
- المولد (الطباخ): هذا هو الذكاء الاصطناعي الذي يقوم بالمهمة فعلياً. يحاول حل المشكلة (طهي الوجبة). إذا احترق الخبز، فإنه يدون ما حدث.
- المتأمل (ناقد الطعام): هذا مراقب ذكي. ينظر إلى أخطاء ونجاحات الطباخ. وبدلاً من الاكتفاء بالقول "لقملت"، فإنه يكتب ملاحظة محددة: "احترق الخبز لأن الفرن كان مضبوطاً على وضع 'التشعيب/التحمير' بدلاً من 'الخبز'. في المرة القادمة، تحقق من قرص التحكم".
- القيم (أمين المكتبة): هذا هو المنظم. يأخذ ملاحظات الناقد المحددة ويضيفها إلى الكتيب. هو لا يعيد كتابة الكتاب بأكمله؛ بل يضيف فقط ملاحظة لاصقة جديدة أو نقطة جديدة إلى القائمة الموجودة.
2. تحديث "الفرق" (إضافة الملاحظات اللاصقة)
حاولت الطرق القديمة إعادة كتابة الكتيب بالكامل من الصفر في كل مرة. أما ACE فهو مختلف، حيث يستخدم "تحديثات الفرق" (Delta Updates).
فكر في الأمر كملف "مستندات جوجل" حيث لا تحذف الصفحة بأكملها لإصلاح خطأ مطبعي، بل تكتفي بإضافة تعليق صغير أو نقطة جديدة.
- الطريقة القديمة: "إليك الدليل الجديد. طوله صفحتان." (الصفحات الخمسين القديمة اختفت).
- طريقة ACE: "إليك الدليل القديم. أنا أضيف قاعدة واحدة جديدة: 'تحقق من قرص الفرن'."
هذا يمنع "انهيار الذاكرة" لأن القواعد القديمة والمفصلة تظل آمنة في الكتاب، بينما تُضاف الرؤى الجديدة ببساطة فوقها.
3. استراتيجية "النمو والتهذيب"
بينما يحل الذكاء الاصطناعي المزيد من المشكلات، يكبر الكتيب. ولكن الكتاب الضخم يصعب قراءته، لذا يحتوي ACE على خطوة "التهذيب".
- إذا أصبح الكتيب فوضوياً للغاية، يبحث "القيم" عن الملاحظات المكررة (مثل "تحقق من الفرن" و"تأكد من أن الفرن يعمل") ويقوم بدمجها.
- هو يحافظ على الكتاب شاملاً (مليئاً بالتفاصيل) ولكن منظماً (سهل البحث فيه).
لماذا هذا مهم (النتائج)
اختبرت الورقة هذا النظام على شيئين رئيسيين:
- الوكلاء الذكيون (AI Agents): منح الذكاء الاصطناعي القدرة على استخدام الأدوات (مثل إرسال رسائل البريد الإلكتروني أو حجز الرحلات الجوية).
- المعرفة المتخصصة: مثل التحليل المالي أو التشخيص الطبي.
كانت النتائج مذهلة:
- أداء أفضل: حقق الذكاء الاصطناعي الذي يستخدم ACE درجات أعلى بكثير (حوالي 10% أفضل) من أفضل الطرق السابقة.
- أرخص وأسرع: لأن ACE لا يضطر لإعادة كتابة الدليل بالكامل في كل مرة، فإنه يوفر كمية هائلة من قدرة الحوسبة والوقت.
- لا يحتاج إلى معلم: يمكن لـ ACE التعلم بمجرد النظر إلى ما إذا كان الذكاء الاصطناعي قد نجح أم فشل في العالم الحقيقي. هو لا يحتاج إلى بشر ليصحح له واجباته المدرسية.
- التفوق على العمالقة: في اختبار شهير يسمى "AppWorld"، قدم ذكاء اصطناعي مفتوح المصدر يستخدم ACE أداءً يضاهي (أو يتفوق على) نظام ذكاء اصطناٍ مغلق المصدر وعالي التكلفة من شركة تقنية كبرى.
الخلاصة
ACE يغير قواعد اللعبة من "التلخيص" إلى "التراكم".
بدلاً من إجبار الذكاء الاصطناعي على نسيان التفاصيل ليكون موجزاً، يسمح ACE للذكاء الاصطناعي ببناء مكتبة ضخمة ومفصلة من الخبرات. إنه يتعامل مع ذاكرة الذكاء الاصطنا ليس كملاحظة قصيرة على منديل ورقي، بل كـ موسوعة متنامية تصبح أكثر ذكاءً، وتفصيلاً، وموثوقية كل يوم، دون أن تفقد الأشياء المهمة أبداً.
إنه الفرق بين محاولة تذكر كتاب كامل عبر تسميع ملخص من جملة واحدة، وبين امتلاك مكتبة منظمة جيداً حيث يمكنك البحث عن أي شيء تحتاجه بالضبط، في الوقت الذي تحتاجه فيه.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.