From Prompt to Harness: Coderlet from Scratch
تقدم هذه الورقة "Coderlet"، وهو تصميم حمالة (harness) مدمج وقابل للتنفيذ يوضح الدور الحاسم لبنية النظام في الوكلاء البرمجيين من خلال تحديد الحدود وانتقالات دورة الحياة بين النموذج، والتنفيذ، والحالة، لتحويل توليدات النماذج بفعالية إلى أفعال بيئية مع تغذية راجعة مستمرة واستمرارية للحالة.
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 بنيت للتو عقلًا آليًا عبقريًا وفائق الذكاء. يمكنه كتابة الأكواد، وحل المسائل الرياضية، وحتى إلقاء النكات. لكن هناك عقبة: هذا العقل يشبه عبقريًا يعيش داخل صندوق زجاجي محكم الإغلاق. يمكنه التفكير، لكنه لا يستطيع لمس أي شيء في الخارج؛ لا يمكنه فتح ملف، أو تشغيل برنامج، أو حتى معرفة ما إذا كان الكود الخاص به يعمل بالفعل. لكي تجعل هذا العقل "وكيلًا" حقيقيًا يمكنه إنجاز المهام، فأنت بحاجة إلى وسيط. فكر في هذا الوسيط كمدير مسرح فائق التنظيم، ومترجم، وكاتب في آن واحد. في عالم الذكاء الاصطناعي، يُسمى هذا الوسيط "السرج" (harness). وبدونه، تظل أفكار العقل العبقرية مجرد كلمات تطفو في الهواء. أما معه، فتتحول تلك الكلمات إلى أفعال، وتُغذى نتائج تلك الأفعال عائدةً إلى العقل ليتعلم ويستمر في المضي قدمًا. هذا هو سحر تحويل نموذج ثابت إلى وكيل ديناميكي يمكنه التنقل في العالم الحقيقي.
تتعمق ورقة بحثية بعنوان "من التلقين إلى السرج: كودرلت من الصفر" (From Prompt to Harness: Coderlet from Scratch) للباحث مينغفان لي في كيفية بناء مدير المسرح هذا تحديدًا. فبدلاً من الضياع في الأكواد المعقدة والفوضوية للأنظمة الضخمة المستخدمة في الإنتاج، يبني المؤلف نسخة صغيرة ونظيفة وشفافة تسمى "كودرلت" (Coderlet). والنتيجة الرئيسية هي أن سر الوكيل الجيد لا يكمن فقط في امتلاك عقل أكثر ذكاءً، بل في امتلاك تدفق واضح ومنظم يفصل بين ثلاث وظائف متميزة: التحدث إلى العقل، والقيام بالعمل، وتذكر ما حدث.
تجادل الورقة البحثية بأن العديد من الأنظمة الحالية تشبه كرة متشابكة من الخيوط حيث يستحيل معرفة من فعل ماذا ولماذا. يقوم "كودرلت" بفك هذا التشابك عبر إنشاء ثلاثة "حدود" واضحة. أولاً، هناك حد النموذج (Model Boundary)، حيث يتلقى العقل تعليماته ويرسل أفكاره. ثانيًا، حد التنفيذ (Execution Boundary)، حيث يتم فحص تلك الأفكار للتأكد من سلامتها ثم تُنفذ فعليًا (مثل فتح ملف أو تشغيل أمر ما). ثالثًا، حد الحالة (State Boundary)، وهو الذاكرة طويلة المدى التي تحفظ قصة ما حدث لكي يتمكن العقل من تذكرها لاحقًا.
يوضح المؤلف أنه من خلال إبقاء هذه المناطق الثلاث منفصلة ولكن متصلة، يمكنك إنشاء نظام أسهل بكثير في الفهم والإصلاح. إذا حدث خطأ ما، ستعرف بالضبط أي جزء من السلسلة قد تعطل: هل أعطى العقل فكرة سيئة؟ أم فشلت الأداة في العمل؟ أم فشلت الذاكرة في حفظ القصة؟ تقترح الورقة أن هذا الهيكل الواضح يسمح بعملية تسمى التمهيد الذاتي (bootstrapping). هذا يشبه روبوتًا يعلم نفسه كيف يكون روبوتًا أفضل. بمجرد أن تعمل الحلقة الأساسية، يمكن للروبوت استخدام أدواته الخاصة للنظر في الكود الخاص به، وإيجاد طرق لتحسين كيفية تنظيم أفكاره، ثم حفظ تلك التحسينات للمرة القادمة التي يعمل فيها. إنها دورة تحسين ذاتي، لكنها لن تعمل إلا إذا بُني "السرج" على أساس صلب وشفاف. لا تدعي الورقة أن هذا هو الحل النهائي والمثالي لكل أنواع الذكاء الاصطناعي، لكنها تقدم مخططًا عمليًا وواضحًا لكيفية بناء المحرك الذي يقود هؤلاء الوكلاء الأذكياء.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.