🤖 AI

Fetch-then-Explore: Decoupling Selection from Extraction over a Persistent Workspace for Search Agents

تقدم الورقة البحثية إطار عمل "الجلب ثم الاستكشاف" (Fetch-then-Explore)، وهو إطار عمل لوكيل بحث يفصل بين عملية اختيار الصفحات واستخراج الأدلة من خلال الحفاظ على مساحة عمل لنظام ملفات مستمر، مما يمكّن الوكلاء من إعادة زيارة واستخراج المعلومات من الصفحات التي تم جلبها مسبقاً عند الطلب، وهو ما يحسن الدقة بشكل كبير في اختبارات البحث المعقدة مقارنة بالواجهات العابرة التقليدية.

المؤلفون الأصليون: Qi Liu, Yiqun Chen, Zidan Chen, Yan Gao, Yi Wu, Yao Hu, Jiaxin Mao, Fengbin Zhu, Tat-Seng Chua

نُشر 2026-08-04

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Qi Liu, Yiqun Chen, Zidan Chen, Yan Gao, Yi Wu, Yao Hu, Jiaxin Mao, Fengbin Zhu, Tat-Seng Chua

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 محقق تحاول حل لغز ضخم، ولكن بدلاً من مسرح جريمة واحد، فإن الأدلة مبعثرة عبر الإنترنت بأكمله. لديك مساعد فائق الذكاء (وكيل ذكاء اصطناعي) يمكنه التحدث إليك، والتفكير في المشكلات، واستخدام الأدوات لإيجاد الإجابات. هذا هو عالم وكلاء البحث بالذكاء الاصطناعي (AI search agents). هؤلاء المحققون الرقميون لا يكتفون بقراءة كتاب واحد فحسب؛ بل يتعين عليهم مطاردة المعلومات عبر آلاف المواقع الإلكترونية، وتجميع الحقائق، والوصول إلى الحقيقة.

للقيام بذلك، يحتاج الوكيل إلى مهارتين رئيسيتين: إيجاد صفحات الويب الصحيحة وقراءتها. فكر في "الإيجاد" كاستخدام محرك بحث للحصول على قائمة من الأدلة المحتملة. أما "القراءة" فهي الجزء الصعب. في الماضي، عندما كان الوكيل ينقر على رابط، كان عليه ابتلاع الصفحة بأكملة، أو على الأقل جزء كبير منها، فوراً. كان الأمر يشبه تسليمك رواية من 500 صفحة وإخبارك: "اقرأ هذه الآن وأخبرني بالنهاية"، رغم أنك لا تعرف بعد أي فصل يحتوي على الإجابة. إذا فاتك تفصيل ما، كان عليك رمي الكتاب بعيداً، والعودة إلى المكتبة، والتحقق منه مرة أخرى. تستعرض هذه الورقة طريقة أذكى للتعامل مع هذه الكتب الرقمية حتى لا يضطر المحقق لإعادة قراءة نفس الصفحات مراراً وتكراراً.

المشكلة: فخ "اقرأ الآن أو افقدها للأبد"

تخيل أنك تلعب لعبة "Clue" عالية المخاطر مع صديق هو عبارة عن ذكاء اصطناعي. تسأله: "من هو المؤسس المشارك لشركة Acme Corp؟" يبحث الذكاء الاصطناعي في الويب ويجد قائمة من الروابط.

في الطريقة القديمة (المسماة الزيارة والقراءة - Visit-and-Read)، يختار الذكاء الاصطناعي رابطاً ويجبر الصفحة بأكملها فوراً على الدخول في ذاكرته قصيرة المدى. الأمر يشبه قيام الذكاء الاصطناعي بالإمساك بكتاب، وقراءة الصفحات الأولى، وتلخيصها، ثم إلقاء بقية الكتاب في سلة المهملات. إذا أدرك الذكاء الاصطناعي لاحقاً: "مهلاً، أنا بحاجة لمعرفة المؤسس الثاني، وليس الأول"، فلن يتمكن من العودة إلى الكتاب. لقد ذهب الكتاب. يجب على الذكاء الاصطناعي العودة إلى المكتبة، وإيجاد الكتاب مرة أخرى، وقراءته من جديد. هذا الأمر بطيء، ومكلف، وغالباً ما يؤدي إلى فقدان الذكاء الاصطناعي لتفاصيل حاسمة لأنه أُجبر على قراءة الجزء الخاط% من الصفحة في وقت مبكر جداً.

هناك طريقة أخرى، تسمى التصفح (Browsing)، وهي أفضل قليلاً. فهي تسمح للذكاء الاصطناعي بفتح صفحة والتجول فيها قبل التلخيص. لكن هناك مشكلة: يمكن للذكاء الاصطناعي فتح صفحة واحدة فقط في كل مرة. بمجرد فتحه لصفحة جديدة، تختفي الصفحة القديمة من ذاكرته. الأمر يشبه امتلاك نافذة واحدة فقط على جهاز الكمبيوتر الخاص بك؛ إذا فتحت علامة تبويب جديدة، تُغلق العلامة القديمة. إذا احتاج الذكاء الاصطناعي لمقارنة حقائق من الصفحة (أ) والصفحة (ب)، فعليه التنقل ذهاباً وإياباً، وإعادة فتح وقراءة الصفحات باستمرار.

الحل: "خزانة الملفات الرقمية"

اقترح مؤلفو هذه الورقة طريقة جديدة تسمى الجلب ثم الاستكشاف (Fetch-then-Explore). لقد أدركوا أن المشكلة ليست فقط في كيفية قراءة الذكاء الاصطناعي، بل في أين يحتفظ بالصفحات التي يجدها.

بدلاً من إجبار الذكاء الاصطناعي على قراءة الصفحة فوراً أو الاحتفاظ بصفحة واحدة فقط في نافذة مؤقتة، منحوا الذكاء الاصطناعي مساحة عمل مستمرة — فكر فيها كخزانة ملفات رقمية شخصية على قرص صلب.

إليك كيف يعمل الأمر:

الجلب (أمين المكتبة): عندما يجد الذكاء الاصطناعي رابطاً واعداً، فإنه لا يقرأه بعد. إنه فقط "يجلب" الصفحة ويحفظها بالكامل في خزانة ملفاته. يحصل على إيصال صغير يقول: "تم حفظ الصفحة في هذا الموقع". هذا لا يكلف شيئاً تقريباً.
الاستكشاف (المحقق): لاحقاً، عندما يكون لدى الذكاء الاصطناعي سؤال محدد (مثل: "من هو المؤسس المشارك؟")، فإنه يتوجه إلى خزانة الملفات. لا يحتاج لإعادة تحميل الصفحة. بل يستخدم أداة تسمى grep (مثل وظيفة بحث فائقة السرعة) للعثور على السطر المحدد في الملف المحفوظ الذي يذكر "المؤسس المشارك".

هذا يشبه وجود مكتبة حيث يمكنك استعارة كتاب، ووضعه على رفّك، والعودة إليه بعد أيام دون الحاجة لإعادة استعارته مرة أخرى. يمكن للذكاء الاصطناعي حفظ عشرات الصفحات، ثم العودة إلى أي منها في أي وقت ليسأل: "ماذا قلت عن (س)؟" أو "أرني الجزء المتعلق بـ (ص)".

ما وجدوه: قوة العودة للوراء

اختبر الباحثون هذه الطريقة الجديدة مقابل الطرق القديمة باستخدام ثلاثة نماذج مختلفة من "الأدمغة" (النماذج الأساسية للذكاء الاصطناعي) واختبارين صعبين للبحث عبر الإنترنت: BrowseComp (الذي يتطلب إيجاد حقيقة واحدة يصعب العث عليها جداً) و WideSearch (الذي يتطلب ملء جدول كبير بالعديد من الحقائق).

كانت النتائج واضحة:

دقة أفضل: كانت طريقة "الجلب ثم الاستكشاف" هي الفائزة. في اختبار البحث عن الحقيقة الصعبة (BrowseComp)، تفوقت على جميع الطرق الأخرى عبر جميع أدمغة الذكاء الاصطنا الثلاثة. على سبيل المثال، مع أقوى دماغ للذكاء الاصطناعي، حققت دقة بنسبة 70.5%، مقارنة بـ 66.0% للطريقة التالية في الأفضلية.
السلاح السري: كان السبب الأكبر لهذا النجاح هو الرجوع (revisiting). فالذكاء الاصطناعي الذي يستخدم خزانة الملفات عاد إلى الصفحات التي رآها بالفعل بنسبة تتراوح بين 12% إلى 20% في المهام الصعبة، وما يصل إلى 75% في المهام الواسعة. أما الطرق القديمة، التي كانت ترمي الصفحات، فنادراً ما كانت تعود إليها.
الكفاءة: نظرًا لأن الذكاء الاصطناعي يمكنه إعادة قراءة الصفحات المحفوظة فوراً، فإنه لم يضع وقته في البحث عبر الويب مراراً وتكراراً. في الواقع، استخدم عدد استعلامات بحث أقل من الطرق الأخرى بينما حصل على إجابات أفضل.

لماذا يهم هذا الأمر؟

تظهر الورقة أن الطريقة التي "يمسك" بها الذكاء الاصطناعي المعلومات لا تقل أهمية عن الطريقة التي "يفكر" بها. من خلال الفصل بين عملية اختيار الصفحة (حفظها في الخزانة) وعملية استخراج الإجابة (قراءتها لاحقاً)، يصبح الذكاء الاصطناعي أكثر مرونة. يمكنه صياغة فرضية، والتحقق من صفحة محفوظة، وتغيير رأيه، والتحقق من الصفحة مرة أخرى دون أن يفقد مكانه.

يقترح المؤلفون أن نهج "مساحة العمل المستمرة" هذا يعد تغييراً جذرياً للمهام البحثية الطويلة والمعقدة. فهو يحول الذكاء الاصطناعي من قارئ مذعور ينسى كل شيء بمجرد انتقاله لشيء آخر، إلى محقق دقيق يحتفظ بكل أدلته منظمة وجاهزة لإعادة الفحص في أي وقت تزداد فيه تفاصيل اللغز عمقاً. تؤكد الدراسة أن منح الذكاء الاصطناعي مكاناً لتخزين ما يجده — والحرية في النظر إلى ما وجده مجدداً — يؤدي إلى إجابات أذكى وأكثر دقة.

ملخص تقني: الجلب ثم الاستكشاف (Fetch-then-Explore)

بيان المشكلة

تعتمد وكلاء البحث طويلة الأمد الحالية، التي تجيب على أسئلة معقدة تتطلب عشرات عمليات البحث، بشكل أساسي على واجهتين للوصول إلى المستندات تربطان محتوى الصفحة بلحظة الاسترجاع.

الزيارة والقراءة (Visit-and-Read): تدمج هذه الواجهة بين اختيار المستند واستخراج الأدلة في إجراء واحد. عند زيارة رابط (URL)، يتلقى الوكيل فوراً عرضاً ثابتاً (مثل نافذة مقسمة حسب الهدف، أو ملخص لنموذج لغوي كبير، أو نص مجتزأ) يتم حقنه في سجل الرسائل. هذا يجبر الوكيل على الالتزام بقراءة محددة قبل أن يعرف ما هي الحقائق المحددة التي سيحتاجها. المحتوى الذي يقع خارج هذا العرض الأولي يُفقد ما لم يتم جلب الصفحة مرة أخرى.
التصفح ذو الحالة (Open-and-Find): يفصل هذا النهج بين الاختيار والاستخراج عن طريق فتح صفحة في جلسة مؤقتة. ومع ذلك، فإنه لا يحتفظ إلا بصفحة واحدة في كل مرة؛ حيث يؤدي فتح صفحة جديدة إلى إغلاق الصفحة السابقة. وبناءً على ذلك، إذا احتاج الوكيل إلى إعادة زيارة صفحة لاحقاً للتحقق من ادعاء ما أو القراءة من زاوية جديدة، فيجب عليه إعادة جلب الصفحة وإعادة عرضها، مما يتسبب في تكلفة استرجاع جديد ويفقده القدرة على تراكم الأدلة عبر المستندات.

يعاني كلا النموذجين من عدم القدرة على الاحتفاظ بالصفحات المختارة لاستخراج المعلومات بشكل مؤجل وقابل للتكرار. فالصفحة التي قد تصبح ذات ص relevance بعد عدة خطوات لاحقاً يجب جلبها وعرضها في نافذة السياق (context window) مرة أخرى، مما يجعل التفكير طويل الأمد غير فعال وعرضة لفقدان الأدلة.

المنهجية: الجلب ثم الاستكشاف (FTE)

يقترح المؤلفون نموذج الجلب ثم الاستكشاف (Fetch-then-Explore)، وهو نموذج يفصل بين اختيار الصفحة واستخراج الأدلة ويحتفظ بالمحتوى المختار في مساحة عمل خارجية مستمرة.

البنية الأساسية

يعمل FTE ضمن إطار عمل وكيل ReAct قياسي، ولكنه يستبدل مجموعة أدوات الوصول إلى المستندات بمجموعة من الأدوات التي تعمل على ذاكرة تخزين مؤقتة لنظام ملفات لكل سؤال ( $C_q$ ).

مساحة العمل المستمرة: بدلاً من حقن أجسام الصفحات في نافذة السياق أو في جلسة مؤقتة، يقوم FTE بتخزين النص الكامل للصفحات التي تم جلبها كملفات نصية بسيطة في دليل مؤقت على نظام الملفات.
الأدوات المنفصلة:
- fetch(url): يسترجع صفحة، ويحولها إلى نص، ويخزنها في $C_q$ . يعيد فقط سجلاً خفيف الوزن (المسار، الحجم، الحالة) بدلاً من المحتوى. يصبح الاختيار "شبه مجاني" لأنه لا يستهلك رموز السياق (tokens) لنص الصفحة.
- grep(pattern, path, context): يبحث في الملفات المخزنة عن تطابقات تعبيرات نمطية (regex). يمكنه البحث عبر كامل الذاكرة المؤقتة (جميع الصفحات التي تم جلبها) أو في ملف محدد، ويعيد نتائج مرقمة بالأسطر مع سياق اختياري.
- read(path, offset, limit): يقرأ نافذة محدودة من الأسطر من ملف معين، مما يسمح للوكيل بالتوسع في نتيجة مستخرجة من grep.
- list_fetched(): يحصي محتويات الذاكرة المؤقتة.

مبادئ التصميم

الفصل (Decoupling): يتم فصل الاختيار (fetch) عن الاستخراج (grep/read). يمكن للوكيل اختيار صفحة بناءً على مقتطف (snippet) وتأجيل الاستخراج حتى تتبلور فرضيته.
الاحتفاظ (Retention): لا يتم طرد الصفحات عندما ينتقل الوكيل إلى مهمة جديدة. تنمو مساحة العمل على مدار المسار، مما يسمح بتراكم الأدلة عبر المستندات.
الاستخراج المؤجل والمتكرر: يمكن للوكيل الاستعلام عن نفس الصفحة عدة مرات بفرضيات مختلفة دون الحاجة لإعادة الجلب.

الإعداد التجريبي

تعزل الدراسة تأثير واجهة المستندات من خلال تثبيت خلفية البحث (Serper API)، وإطار عمل الوكيل (ReAct)، والنماذج الأساسية (backbone models).

النماذج الأساسية: ثلاثة نماذج تغطي مستويات قدرات مختلفة: Qwen3.5-35B-A3B، وQwen3.5-122B-A10B، وDeepSeek-V4-Pro.
الاختبارات المرجعية (Benchmarks):
- BrowseComp: اختبار بحث عميق يتطلب تفكيراً متعدد الخطوات للعثور على حقيقة واحدة يصعب العثور عليها (1,266 سؤالاً، تم أخذ عينة منها مكونة من 200).
- WideSearch: اختبار بحث واسع يتطلب استرجاع معلومات عالي الدقة (high-recall) لملء جداول من صفحات كثيرة (200 مهمة).
النماذج المرجعية (Baselines):
- Snippet-only: بدون الوصول إلى المستندات.
- Visit-Snippet / Visit-Summary: الزيارة والقراءة التقليدية مع مستويات ضغط مختلفة.
- Open+Find: التصفح ذو الحالة مع جلسات مؤقتة.

النتائج الرئيسية

1. مكاسب الأداء

BrowseComp: يحقق FTE أعلى دقة عبر النماذج الثلاثة (44.5%، 52.5%، و70.5% على التوالي)، متفوقاً على أقوى النماذج المرجعية بمقدار 2 إلى 4.5 نقطة مئوية، وعلى نموذج (visit-snippet) بمقدار 7 إلى 14 نقطة.
WideSearch: يطابق FTE النماذج المرجعية أو يتفوق عليها بشكل عام. يتصدر في نموذج 122B، ويتساوى مع أقوى نموذج مرجعي في نماذج 122B/Pro، رغم أن نموذج (visit-summary) يتفوق عليه قليلاً في أضعف نموذج أساسي.
كفاءة البحث: يصدر وكلاء FTE استعلامات بحث أقل من النماذج المرجعية. ولأنهم يستطيعون استخراج الأدلة من الصفحات المحفوظة عند الطلب، فإنهم يعتمدون بشكل أقل على إعادة البحث للعثور على معلومات يمتلكونها بالفعل.

2. التحليل السلوكي

إعادة زيارة الصفحات: الفرق السلوكي الجوهري هو القدرة على العودة إلى صفحة بعد مغادرتها. يعيد FTE زيارة 12-20% من المستندات في BrowseComp و67-76% في WideSearch، مقارنة بـ 3-10% للواجهات المؤقتة.
دراسات الاستبعاد (Ablation Studies):
- إزالة grep (الذي يجبر الوكيل على التصفح الأعمى) أو read يؤدي إلى انخفاض كبير في الأداء، مما يؤكد ضرورة وجود كلا الأداتين.
- قصر نطاق grep على ملف واحد (إزالة نطاق البحث عبر كامل الذاكرة) يتسبب في انخفاض في الأداء يماثل إزالة أداة الاستخراج تماماً. وهذا يشير إلى أن الاستمرارية وحدها ليست كافية؛ بل إن القدرة على الاستعلام عن كامل مساحة العمل المتراكمة أمر بالغ الأهمية.

الأهمية والمساهمات

يدعي البحث ثلاث مساهمات رئيسية:

تحديد الاستمرارية (Identification of Persistence): حدد البحث "الاستمرارية" كمحور غير مستكشف في واجهات مستندات وكلاء البحث. بينما تقوم الوكلاء الحاليون إما بدمج الاختيار/الاستخراج أو استخدام جلسات مؤقتة، يقدم FTE مساحة عمل خارجية مستمرة.
العزل المنضبط (Controlled Isolation): من خلال تثبيت إطار العمل وخلفية البحث، تعزل الدراسة قيمة واجهة المستندات. وتثبت النتائج أن تحويل الوصول إلى المستندات إلى ذاكرة تخزين مؤقتة مستمرة يؤدي إلى مكاسب ملموسة في دقة المهام النهائية، خاصة في مهام البحث العميق (BrowseComp).
آلية المكسب (Mechanism of Gain): يربط التحليل التحسن في الأداء بالقدرة المحددة على العودة إلى صفحة بعد مغادرتها. وهذا يسمح للوكلاء بتصحيح الفرضيات غير المكتملة واستعادة الأدلة المفقودة دون تكلفة إعادة الجلب، وهي قدرة تفتقر إليها الواجهات المؤقتة بشكل جوهري.

يخلص المؤلفون إلى أن فصل العمليات عن الوسيط الذي يحمل مخرجاتها يثير تساؤلات هيكلية حول أين يجب أن تعيش الذاكرة العاملة للوكيل، مما يشير إلى أن الركائز الخارجية المستمرة تعد بديلاً قابلاً للتطبيق وفعالاً لذاكرة السياق (context-window-based memory) في عمليات البحث طويلة الأمد.