Compiling Agentic Workflows into LLM Weights: Near-Frontier Quality at Two Orders of Magnitude Less Cost
تجادل هذه الورقة بأن تجميع تدفقات العمل الوكالية مباشرة في أوزان النماذج الصغيرة المضبطة ("الوكلاء تحت الأرضيين") يقدم بديلاً فعالاً من حيث التكلفة، وخصوصاً، وكفاءة السياق مقارنة بأطر التنسيق الخارجية السائدة، مما يظهر جودة تقارب جودة النماذج الرائدة عبر مهام معقدة متنوعة مع التغلب على حواجز الاعتماد الرئيسية.
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
الفكرة الكبرى: خبز الوصفة داخل الشيف
تخيل أنك تحاول إنجاز مهمة معقدة، مثل حجز رحلة معقدة أو إصلاح آلة معطلة. حالياً، تستخدم معظم الشركات نظام "المدير والعامل" (يسمى تنسيق الوكلاء - Agent Orchestration).
- الطريقة الحالية (المدير): لديك "مدير" ذكي جداً ومكلف (نموذج ذكاء اصطناعي متطور). في كل مرة يحتاج فيها "العامل" (الذكاء الاصطناعي الذي يتحدث إليك) إلى اتخاذ قرار، يقوم المدير بإيقافه، وقراءة كتاب قواعد ضخم، وإخبار العامل بما يجب فعله بعد ذلك، ثم ينتظر رد العامل. يتكرر هذا الأمر مراراً وتكراراً؛ مما يجعله بطيئاً، مكلفاً، ويضطر المدير لقراءة كتاب القواعد بالكامل في كل مرة.
- الطريقة الجديدة (الوكيل تحت السطحي - Subterranean Agent): يقترح المؤلفون نهجاً مختلفاً: برمجة الإجراء داخل الأوزان (Weights). تخيل أخذ كتاب القواعد الضخم هذا وخبزه مباشرة داخل عقل العامل. الآن، أصبح العامل هو الخبير. لا يحتاج إلى مدير ليخبره بما يجب فعله تالياً؛ بل أصبح يعرف المسار بشكل طبيعي. لقد أصبح "وكيلاً تحت سطحياً" — خبيراً يعمل من الداخل إلى الخارج.
يسأل البحث: هل خبز القواعد داخل ذكاء اصطناعي أصغر وأرخص هو حقاً بجودة استخدام مدير ضخم ومكلف؟
العقبات الثلاث (وكيف تجاوزوها)
اعتقد المؤلفون أن الناس لم يفعلوا ذلك بسبب ثلاثة مخاوف كبيرة. وقد اختبروا هذه المخاوف في ثلاث سيناريوهات من الواقع: حجز السفر، الدعم الفني لـ Zoom، ومطالبات التأمين.
1. خوف الجودة: "هل سيكون العقل الصغير بذكاء العقل الكبير؟"
- الخوف: اعتقد الناس أن ذكاءً اصطناعياً صغيراً ورخيصاً (بـ 3 مليارات أو 8 مليارات بارامتر) لن يستطيع التعامل مع الخطوات المعقدة بنفس كفاءة ذكاء اصطناعي ضخم ومكلف (مثل تلك المستخدمة في شركات التقنية الكبرى).
- النتيجة: للمفاجأة، أدى الذكاء الاصطناعي الصغير أداءً مقارباً جداً للذكاء الكبير.
- في السفر، كان الذكاء الاصطناعي الصغير أقل "لباقة" أو "سلاسة" قليلاً من الكبير، لكنه أنجز المهمة بشكل صحيح.
- في دعم Zoom والتأمين (وهي مهام أصعب بكثير)، قاموا بترقية الذكاء الاصطناعي الصغير إلى نسخة أكبر قليلاً (8 مليارات). هذه النسخة طابقت الذكاء الاصطناعي الكبير والمكلف في كل المقاييس تقريباً.
- التشبيه: الأمر يشبه توظيف ميكانيكي محلي خبير مقابل استقدام فريق سباقات عالمي مشهور. لإصلاح مشكلة يومية في سيارتك، الميكانيكي المحلي جيد بنسبة 90-98%، لكنه يكلف جزءاً بسيطاً من الثمن.
2. خوف التكلفة: "هل تشغيل هذا أرخص بالفعل؟"
- الخوف: اعتقد الناس أنه حتى لو كان الذكاء الاصطناعي الصغير رخيص التدريب، فإن تشغيله قد يظل مكلفاً بسبب الحاجة لطاقة حوسبة.
- النتيجة: إنه أرخص بشكل هائل.
- نظام "المدير" يضطر لاستدعاء واجهة برمجة تطبيقات (API) باهظة الثمن لكل جملة يقولها الذكاء الاصطناعي.
- نظام "المخبوز في الداخل" يعمل على خادم كمبيوتر قياسي (استضافة ذاتية).
- الحسابات: الطريقة الجديدة أرخص بمقدار 128 إلى 462 مرة لكل محادثة.
- التشبيه: الطريقة القديمة تشبه دفع 50 دولاراً لسائق تاكسي في كل مرة تطلب منه أن يلف المقود. الطريقة الجديدة تشبه شراء سيارة بـ 1000 دولار وقيادتها بنفسك. كلما قمت بالقيادة أكثر (كلما كانت المهمة أكثر تعقيداً)، زاد مقدار المال الذي توفره.
3. خوف المرونة: "ماذا لو تغيرت القواعد؟ هل سأضطر لإعادة التدريب لشهور؟"
- الخوف: اعتقد الناس أنه إذا غيرت شركة تأمين نموذجاً ما أو غيرت وكالة سفر سياسة معينة، فستضطر للانتظار لأسابيع لإعادة تدريب الذكاء الاصطناعي.
- النتيعة: العملية سريعة.
- تغيير القواعد وإعادة تدريب الذكاء الاصطناعي يستغرق من 30 إلى 50 دقيقة فقط على أجهزة قياسية.
- التشبيه: الأمر ليس كبناء منزل من الصفر؛ بل يشبه تحديث البرامج على هاتفك. يمكنك القيام بذلك في الوقت الذي يستغرقه إعداد إبريق من القهوة.
كيف يعمل الأمر (خط الإنتاج "تحت السطحي")
العملية بسيطة بشكل مدهش:
- رسم الخريطة: ترسم مخططاً انسيابياً لكيفية سير المحادثة (مثلاً: "اسأل عن التواريخ" -> "تحقق من الميزانية" -> "اعرض الخيارات").
- جولة تجريبية: يقوم ذكاء اصطناعي فائق الذكاء ("المعلم") بلعب هذه الخريطة آلاف المرات، منشئاً محادثات وهمية.
- خبز الدماغ: تقوم بتعليم ذكاء اصطناعي أصغر هذه المحادثات الوهمية. يتعلم الذكاء الاصطناعي نمط المحادثة، وليس مجرد الكلمات.
- الانطلاق للعمل: تقوم بنشر الذكاء الاصطناعي الصغير. لم يعد بحاجة إلى المخطط الانسيابي؛ فقد أصبح المخطط الآن جزءاً من ذاكرته. هو يتحدث إليك مباشرة.
الحكم النهائي
يخلص البحث إلى أنه للمهام ذات الخطوات الواضحة (مثل الحجز، الدعم، أو المطالبات): أنت لست بحاجة إلى مدير.
- الهيكل المستمر ينتمي إلى الأوزان (Weights): يجب أن تُخبز قواعد اللعبة داخل دماغ الذكاء الاصطناعي.
- الحالة المتغيرة تنتمي إلى المطالبة (Prompt): التفاصيل المحددة لرحلتك أو لمكالمة Zoom المتعطلة يجب أن تُقال للذكاء الاصطناعي أثناء المحادثة.
من خلال نقل القواعد من "المدير" إلى "دماغ العامل"، ستحصل على جودة تقارب الكمال بتكلفة أقل بمقدار رتبتين عشريتين (100 ضعف)، مع القدرة على تحديث القواعد في أقل من ساعة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.