AgentOpt v0.1 Technical Report: Client-Side Optimization for LLM-Based Agent
تقدم هذه الورقة البحثية AgentOpt، وهي حزمة برمجية بلغة بايثون غير مرتبطة بإطار عمل محدد، تعمل على تحسين تخصيص موارد جانب العميل للوكلاء القائمين على النماذج اللغوية الكبيرة عبر البحث بكفاءة عن تعيينات النماذج ذات التكلفة الفعالة عبر مراحل خط الإنتاج، مما يقلل ميزانيات التقييم بشكل كبير مع الحفاظ على الدقة.
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 تقوم ببناء مطعم فاخر.
في الماضي، كان الناس يعتقدون أن الطريقة الوحيدة لجعل هذا المطعم فعالاً هي توظيف رئيس طهاة (الخادم/Server) فائق الذكاء يمكنه تنظيم المطبخ، وإدارة النادلين، وتسريع عملية الطهي. وهذا هو ما يركز عليه معظم أبحاث الذكاء الاصطناعي الحالية: جعل "الخادم" أسرع وأرخص.
لكن هذه الورقة البحثية، AgentOpt، تجادل بأن هناك مشكلة أكبر تحدث في تصميم المطبخ نفسه (جانب العميل/Client Side).
المشكلة: الشيف الخطأ للمهمة الخطأ
تخيل أن مطعمك يحتوي على ثلاث محطات:
- المخطط (The Planner): يقرر قائمة الطعام والاستراتيجية.
- المنفذ (The Solver): يقوم بطهي الأطبى فعلياً.
- الناقد (The Critic): يتذوق الطعام ويقدم الملاحظات.
لديك قائمة من الطهاة المشهورين (نماذج الذكاء الاصطناعي) الذين يمكنك توظيفهم. بعضهم "نجوم سوبر" (Superstars) (مثل Claude Opus) وهم موهوبون للغاية ولكنهم مكلفون. والبعض الآخر "مبتدئون" (Rookies) (مثل Ministral 3) وهم رخيصون ولكنهم جيدون في مهام محددة.
الخطأ: يفترض معظم الناس أن الشيف "النجم السوبر" يجب أن يقوم بكل شيء لأنه الأفضل.
الواقع (اكتشاف الورقة البحثية):
- إذا وظفت الشيف "النجم السوبر" ليكون المخطط، فقد يصبح واثقاً جداً من نفسه لدرجة أنه يتخطى خطوة الطهي تماماً ويكتفي بتخمين الإجابة. هنا يتوقف المطبخ عن العمل.
- إذا وظفت "مبتدئاً" ليكون المخطط، فقد يكون متواضعاً بما يكفي ليطلب من "النجم السوبر" (الموظف كمنفذ) القيام بالطهي الثقيل.
- النتيجة: فريق "المبتدئ + النجم السوبر" قد يطبخ طعاماً أفضل ويكلف أقل بـ 30 مرة من فريق "النجم السوبر + النجم السوبر".
وجدت الورقة أن اختيار الفريق الخطأ يمكن أن يجعل مطعمك أغلى بـ 32 مرة لنفس جودة الطعام تماماً.
الحل: AgentOpt (أداة "متذوق الطعام")
قام المؤلفون ببناء أداة تسمى AgentOpt. فكر فيها كأنها مدير مطعم ذكي يساعدك في تحديد المزيج المثالي للفريق دون إضاعة المال.
إليك كيف تعمل، باستخدام تشبيهات بسيطة:
1. لغز "الصندوق الأسود"
لا يمكنك مجرد قراءة السيرة الذاتية للشيف لتعرف ما إذا كان سيعمل بشكل جيد مع الآخرين. عليك فعلياً وضعهم في المطبخ ورؤية ما سيحدث. لكن اختبار كل التشكيلات الممكنة من الطهاة سيكون مكلفاً للغاية (سيستغرق وقتاً طويلاً وسيكلف ثروة).
2. استراتيجية "الاستبعاد الذكي"
بدلاً من اختبار كل تشكيلة فرق ممكنة (وهو ما يشبه تجربة كل قوائم الطعام في العالم)، تستخدم AgentOpt خدعة ذكية تسمى "إقصاء الأذرع" (Arm Elimination).
- تخيل أن لديك 100 تشكيلة مختلفة من الفرق.
- تقوم AgentOpt بتجربة عدد قليل منها.
- تدرك بسرعة: "مهلاً، هذا الفريق الذي يضم مخططاً من فئة النجوم يتفشل فشلاً ذريعاً. دعونا نطرد جميع التشكيلات التي تضم ذلك المخطط فوراً".
- تستمر في استبعاد الفرق السيئة والتركيز فقط على الفرق الواعدة.
- النتيجة: تجد أفضل فريق باستخدام مال أقل بنسبة 24% إلى 67% مما لو كنت قد جربت كل شيء عشوائياً.
3. "المحول العالمي"
أحد أروع الأجزاء هو أن AgentOpt لا تهتم بنوع البرنامج الذي يستخدمه مطعمك. سواء بنيت مطبخك باستخدام LangGraph أو AutoGen أو كود مخصص، تعمل AgentOpt كـ مقبس عالمي. فهي تجلس بين مطبخك والعالم الخارجي، تراقب كل طلب، وتتبع التكلفة، وتقيس الوقت، دون أن تضطر لإعادة بناء مطبخك بالكامل.
لماذا يهم هذا؟
- للمطور: الأمر يشبه امتلاك مستشار شخصي يقول لك: "توقف عن توظيف أغلى شيف لكل مهمة. وظف الرخيص للتخطيط، والمكلف للطهي. ستوفر ثروة".
- للعالم: مع ازدياد انتشار وكلاء الذكاء الاصطنايد (مثل مساعدي البرمجة أو المساعدين الطبيين)، لا يمكننا الاعتماد فقط على شركات الذكاء الاصطناعي لجعلهم فعالين. الأشخاص الذين يبنون هؤلاء الوكلاء يحتاجون لمعرفة كيفية مزج أدواتهم للحصول على أفضل النتائج لميزانيتهم الخاصة.
الخلاصة
AgentOpt هي أداة تساعد المطورين على التوقف عن التخمين بشأن أي نماذج الذكاء الاصطناي استخدامها. إنها تعامل وكلاء الذكاء الاصطناعي كـ رياضة جماعية وليس كأداء فردي. من خلال اختبار تركيبات مختلفة من "اللاعبين" (النماذج) واستخدام الرياضيات الذكية لإقصاء السيئين منهم بسرعة، تساعدك على بناء أنظمة ذكاء اصطناعي أرخص، وأسرع، وغالباً ما تكون أذكى من تلك التي ستبنيها بمجرد اختيار النماذج "الأكثر شهرة".
باختصار: لا توظف النجم الأكثر شهرة لكل دور. وظف الفريق المناسب، ودع AgentOpt تساعدك في العثور عليهم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.