Formal Skill: Programmable Runtime Skills for Efficient and Accurate LLM Agents
تقدم هذه الورقة البحثية "المهارة الرسمية" (Formal Skill)، وهي تجريد أصيل في وقت التشغيل يستبدل التعليمات غير الرسمية باللغة الطبيعية بآلات حالة قابلة للتنفيذ ومخططات JSON لتعزيز كفاءة ودقة وقابلية إنفاذ وكلاء النماذج اللغوية الكبيرة، كما يتضح من الأداء المتفوق لإطار عمل FairyClaw مفتوح المصدر على اختبار Harness-Bench.
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 توظف متدرباً ذكياً جداً وسريعاً للغاية (الوكيل الذكي - AI Agent) لإصلاح مشكلة معقدة في مكتبك، مثل إصلاح برنامج برمجِيّ معطل.
الطريقة القديمة: دليل "جدار النصوص"
في الوقت الحالي، تعمل معظم الوكلاء الذكيين بهذه الطريقة: تعطيها دليلاً إرشادياً ضخماً ومفصلاً مكتوباً بلغة طبيعية (مهارة التلقين - Prompt Skill). يقول الدليل أشياء مثل: "أولاً، انظر إلى سجل الأخطاء. ثم، حاول إصلاح الكود. تأكد من عدم حذف ملفات الاختبار. إذا فشلت، حاول مجدداً. بمجرد الانتهاء، اكتب تقريراً."
يطلق الورقة البحثية على هذا اسم "المهارة غير الرسمية" (Informational Skill). وهي تعاني من ثلاث مشكلات كبيرة:
- مكلفة: يتعين على الذكاء الاصطناعي قراءة هذا الدليل الضخم في كل مرة يتخذ فيها خطوة. وهذا يستهلك الكثير من "التوكنز" (Tokens) (وهي عملة قوة الحوسبة للذكاء الاصطناعي).
- غامضة: يتعين على الذكاء الاصطناعي تخمين ما يعنيه "حاول مجدداً" أو "لا تحذف". الأمر يشبه قولك لإنسان: "كن حذراً"، دون تحديد ما الذي يعنيه "الحذر" فعلياً.
- هشة: إذا ارتكب الذكاء الاصطناعي خطأً، فعليه العودة عبر تاريخ المحادثة بأكمله ليتذكر أين كان. ليس لديه "قائمة تحقق" مدمجة ليعرف ما إذا كان قد انتهى أم أنه بحاجة للعودة خطوة إلى الوراء.
الطة الجديدة: "المهارة الرسمية" (Formal Skill)
يقترح المؤلفون طريقة جديدة تسمى "المهارة الرسمية". بدلاً من إعطاء الذكاء الاصطناعي دليلاً نصياً طويلاً، تعطيه مجموعة أدوات قابلة للبرمجة.
فكر في الأمر كترقية من إعطاء طباخ كتاب وصفات مكوناً من 50 صفحة إلى إعطائه مطبخاً ذكياً مزوداً بميزات سلامة مدمجة:
- الوصفة هي كود برمجي، وليست نصاً: بدلاً من قراءة فقرات، يتفاعل الذكاء الاصطناعي مع أزرار محددة (أدوات) ويتبع مخططاً انسيابياً صارماً (آلة الحالة - State Machine).
- نظام "الخطاف" (The Hook System): تخيل وجود حارس عند باب ملهى ليلي (الخطاف). اعتماداً على المرحلة التي يمر بها الذكاء الاصطناعي في المهمة، يقرر الحارس أي الأبواب ستكون مفتوحة.
- المرحلة 1 (التحقيق): يفتح الحارس فقط الباب المؤدي إلى "أدوات البحث". بينما يظل باب "الحذف" مغلقاً.
- المرحلة 2 (الإصلاح): يفتح الحارس "أداة الإصلاح" لكنه يعيد إغلاق باب "الحذف".
- المرحلة 3 (التحقق): لن يسمح الحارس للذكاء الاصطناعي بمغادرة الغرفة حتى يُظهر "شهادة نجاح" من آلة الاختبار.
- آلة الحالة (The State Machine): لا يحتاج الذكاء الاصطناعي لتذكر القصة بأكملها. لديه فقط شارة رقمية صغيرة تقول: "أنا حالياً في مرحلة 'الإصلاح'". إذا حاول القفز إلى مرحلة "التقرير" قبل انتهاء مرحلة "الإصلاح"، سيقوم النظام بإيقافه تلقائياً.
محرك "FairyClaw"
لجعل هذا الأمر ممكناً، بنى المؤلفون محركاً جديداً يسمى FairyClaw. يمكنك التفكير في FairyClaw كـ مدير ذكي يدير العرض.
- هو لا يكتفي بالدردشة مع الذكاء الاصطناعي فحسب؛ بل يدير أدواته وقواعده بنشاط.
- يقوم بتفكيك المهام الكبيرة إلى مهام فرعية أصغر ويعين "المهارة الرسمية" المناسبة لكل منها.
- يحتفظ بسجل مستمر يوضح بالضبط أين يوجد الذكاء الاصطناعي، وماذا فعل، وما الذي لا يزال يتعين عليه القيام به، حتى لا يضيع الذكاء الاصطناعي أبداً.
النتائج: أسرع، أرخص، وأكثر أماناً
اختبر المؤلفون هذا النظام (FairyClaw) مقابل أنظمة وكلاء ذكاء اصطناعي شهيرة أخرى باستخدام اختبار صعب يسمى Harness-Bench.
- النتيجة: قدم FairyClay أداءً يضاهي، أو يتفوق على، الأنظمة الأخرى في إنجاز المهمة فعلياً.
- التكلفة: هذا هو الفوز الكبير. استخدم FairyClaw توكنز أقل بنسبة 48% من متوسط الأنظمة الأخرى.
- تشبيه: إذا كانت الأنظمة الأخرى تشبه شاحنة توصيل تجوب المدينة وهي تقرأ خريطة ضخمة بصوت عالٍ للسائق عند كل منعطف، فإن FairyClaw يشبه نظام GPS يظهر للسائق المنعطف التالي فقط ويبقي بقية الخريطة مخفية حتى وقت الحاجة إليها.
- اختبار "إصلاح الكود": في مهمة محددة تتعلق بإصلاح كود برمجي يحتوي على أخطاء، كان FairyClaw هو الفائز بوضوح. ولأن "المهارة الرسمية" أجبرت الذكاء الاصطناعي على التحقق من عمله قبل الانتهاء، فإنه لم يرتكب الأخطاء السخيفة التي وقعت فيها الوكلاء الآخرون.
الملخص
يجادل الورقة البحثية بضرورة التوقف عن معاملة مهارات الذكاء الاصطناعي كأدلة تعليمات طويلة وغامضة، والبدء في معاملتها كـ بروتوكولات برمجية صارمة وقابلة للتنفيذ. من خلال نقل القواعد من "نصوص يقرأها الذكاء الاصطناعي" إلى "كود يشغله الذكاء الاصطناعي"، نحصل على وكلاء أقل تكلفة في التشغيل، وأصعب في الخداع، وأفضل في اتباع الإجراءات المعقدة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.