AOrchestra: Automating Sub-Agent Creation for Agentic Orchestration
تقدم AOrchestra تجريداً للوكلاء غير مرتبط بإطار عمل محدد، يُمكّن منسقاً مركزياً من أتمتة إنشاء وكلاء فرعيين متخصصين ديناميكياً عبر تركيب التعليمات والسياق والأدوات والنماذج، مما يحسن الأداء والكفاءة بشكل كبير عبر الاختبارات المعيارية المعقدة.
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 الرئيس التنفيذي لشركة إنشاءات ضخمة ومعقدة.
مهمتك ليست رص الطوب، أو تمديد الأسلاك الكهربائية، أو طلاء الجدر walls بنفسك. مهمتك هي النظر إلى مخطط ناطحة سحاب ومعرفة كيفية بنائها.
حالياً، معظم "وكلاء الذكاء الاصطناعي" (العمال الرقميين في المستقبل) يعملون مثل عامل صيانة واحد، مثقل بالأعباء. إذا طلبت منهم بناء ناطحة سحاب، سيحاولون القيام بكل شيء بأنفسهم. يصابون بالإرهاق، وينسون ما فعلوه قبل عشر خطوات، وفي النهاية يرتكبون خطأً فادحاً لأنهم يحاولون التوفيق بين الكثير من الأدوات في وقت واحد.
AORCHESTRA هو طريقة جديدة لإدارة شركة ذكاء اصطناعي. بدلاً من عامل صيانة واحد مثقل بالأعباء، يقوم بإنشاء مهندس رئيسي (المنسق/Orchestrator) يدير فريقاً من المقاولين المتخصصين (الوكلاء الفرعيين/Sub-Agents).
إليك كيف يعمل الأمر، مقسماً إلى مفاهيم بسيطة:
1. "وصفة" العامل (الرباعية - The 4-Tuple)
في الطريقة القديمة، إذا أردت عاملاً جديداً، كان عليك توظيفه يدوياً، وإعطاؤه دليلاً إرشادياً، وصندوق أدوات، ومكتباً محدداً. كان الأمر بطيئاً وجامداً.
يستخدم AORCHESTRA "وصفة سحرية" لإنشاء عمال عند الطلب. كلما ظهرت مهمة، يقوم المهندس الرئيسي فوراً بـ "طباعة" عامل جديد عبر دمج أربعة مكونات:
- التعليمات: قائمة "مهام" محددة (مثلاً: "فقط افحص السباكة").
- السياق: الملاحظات التي يحتاجونها فعلياً فقط (مثلاً: "الأنابيب موجودة في القبو"، بدلاً من تاريخ المبنى بالكامل).
- الأدوات: الأدوات المناسبة لتلك المهمة (مثلاً: مفتاح ربط، وليس فرشاة طلاء).
- العقل (النموذج): المستوى المناسب من الذكاء (مثلاً: عامل بسيط للمهام السهلة، مهندس عبقري للمهام المعقدة).
2. تجنب "ضبابية الدماغ" (إدارة السياق)
هل حاولت يوماً اتباع وصفة طويلة، ولكن بحلول الخطوة العشرين، نسيت ماذا فعلت في الخطوة الثانية؟ هذا ما يسمى "تآكل السياق" (Context Rot).
معظم وكلاء الذكاء الاصطناعي يعانون من هذا؛ إذ يصابون بـ "ضبابية الدماغ" لأنهم يحاولون تذكر كل تفصيل في مشروع طويل. يحل AORCHESTRA هذه المشكلة من خلال كونه مصفاة رئيسية. عندما يرسل المهندس الرئيسي عاملاً للقيام بمهمة، فإنه لا يلقي عليه تاريخ المشروع بأكمله، بل يعطيه "مكتباً نظيفاً" يحتوي فقط على الملاحظات الأكثر صلة. هذا يبقي العمال في حالة تركيز وحدة ذهن.
3. "المدير الذكي" (التنسيق القابل للتعلم)
الجزء الأفضل هو أن المهندس الرئيسي (المنسق) يصبح أكثر ذكاءً بمرور الوقت.
- من خلال الممارسة (SFT): مثل المدير الذي يراقب الخبراء ويتعلم كيف يفوض المهام بشكل أفضل.
- من خلال الميزانية (التعلم داخل السياق - In-Context Learning): يتعلم المهندس الرئيسي كيفية الموازنة بين الجودة مقابل التكلفة. إذا كانت المهمة سهلة، فإنه يستأجر "عاملاً رخيصاً" لتوفير المال. وإذا كانت المهمة تمثل أزمة، فإنه يستأجر "عبقرياً باهظ الثمن". إنه يتعلم إيجاد "النقطة المثالية" حيث يتم إنجاز العمل بإتقان دون إهدار الأموال.
لماذا يهم هذا؟
في العالم الحقيقي، نحن لا نحتاج فقط إلى ذكاء اصطناعي يمكنه الدردشة؛ نحن بحاجة إلى ذكاء اصطناعي يمكنه حل مشكلات ضخمة ومتعددة الخطوات—مثل إصلاح أكواد برمجية معقدة، أو إدارة مكتب رقمي، أو إجراء بحث معمق.
من خلال الانتقال من "عامل واحد يفعل كل شيء" إلى "مهندس رئيسي يدير فرقاً متخصصة"، يسمح AORCHESTRA للذكاء الاصطناعي بالتصدي لمشاريع أكبر بكثير، وأصعب بكثير، وأطول أمداً من أي وقت مضى، كل ذلك مع البقاء منظماً وفعالاً من حيث التكلفة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.