خاتمة: عودة إلى معادلة الوكيل = النموذج + السياق + الأدوات

افتتحنا هذا الكتاب بمعادلة: الوكيل = نموذج لغوي كبير + سياق + أدوات. ومن هذه العناصر الثلاثة تتفرع فصوله العشرة كلها.

يؤسس الفصل الأول لفهم المعادلة على ثلاثة مستويات: مستوى التنفيذ، والمستوى الحدسي، والمستوى الأكاديمي. كما يعرض طيف التنسيق الممتد من سير العمل المحدد سلفًا إلى الوكيل المستقل. ثم تتدرج الفصول التالية عبر ثلاث مراحل: «البناء»، ثم «التقييم والتطور»، ثم «التفاعل والتعاون».

• بناء الوكلاء (الفصول 2–5). تحدد هندسة السياق ما يراه الوكيل أثناء المهمة، وتمتد الذاكرة وقواعد المعرفة بهذه المعلومات عبر الجلسات. وتحدد الأدوات ما يستطيع الوكيل فعله، فيما يمنحه توليد الشفرة قدرة فوقية على إنشاء أدوات وأنظمة جديدة.
• التقييم والتطور (الفصول 6–8). يحوّل التقييم الأداء إلى إشارات موثوقة، وتُرسّخ مرحلة ما بعد التدريب القدرات المعقدة في معلمات النموذج، ثم يحوّل التطور المستمر خبرة الإنتاج إلى تحديثات منضبطة للمعرفة أو التعليمات أو البرامج أو المعلمات.
• التفاعل والتعاون (الفصلان 9 و10). يوسّع التفاعل متعدد الوسائط والآني نطاق الإدراك والفعل ليشمل الصوت والواجهات الرسومية والعالم المادي، بينما يعيد التعاون متعدد الوكلاء تنظيم السياق والأدوات والمسؤوليات.

ليست هذه المراحل جزرًا منفصلة. فالفصل الثامن، على وجه الخصوص، يعتمد على جميع الأسس السابقة: من دون المسارات وأنظمة المعرفة لا تجد الخبرة مكانًا تُخزّن فيه؛ ومن دون القدرة على توليد الشفرة لا يستطيع الوكيل تعديل أدواته ومنظومة تشغيله؛ ومن دون التقييم لا يستطيع النظام أن يميّز التحسن من التراجع. لذلك يمثل الفصل الثامن نقطة التقاء ينتقل عندها الكتاب من سؤال «كيف نبني وكيلًا؟» إلى سؤال «كيف نُحسّنه على المدى الطويل؟».

سحابتان

في عام 1900، قال اللورد كلفن إن سحابتين ما زالتا تعكران صفو سماء الفيزياء؛ ثم تحولت إحداهما إلى النسبية، والأخرى إلى ميكانيكا الكم. وسماء الوكلاء اليوم ليست صافية تمامًا هي الأخرى؛ إذ أرى فيها سحابتين.

السحابة الأولى هي قدرة الوكلاء على التفاعل المتدفق والآني مع بيئتهم. فما زالت الغالبية العظمى تعمل اليوم بنمط متقطع من «الطلب ثم الإجابة»: تنهي كلامك، فيفكر الوكيل، ثم يخرج الإجابة دفعة واحدة. لكن العالم الحقيقي لا يتوقف حتى يفرغ الوكيل من التفكير؛ يقاطع الناس بعضهم بعضًا، وتتغير المشاهد، وتصل الرسائل باستمرار. والوكيل «الحي» حقًا ينبغي أن يسمع وهو يفكر، ويتكلم وهو يفكر، ويبدأ التخطيط قبل أن تتم جملتك، ويلتفت من تلقاء نفسه إلى رسالة تحتاج إلى معالجة حتى إن لم يطلب منه أحد ذلك. ثمة مساران متوازيان نحو هذه الآنية. أولهما الفصل المعماري بين المسار السريع والمسار البطيء: فالاستجابة الآنية والذكاء العميق بُعدان يصعب على نموذج واحد توسيعهما معًا؛ لذلك يحافظ نموذج سريع في الواجهة على إيقاع الحوار، بينما يتولى نموذج أبطأ في الخلفية التفكير المتعمق. وثانيهما تسريع الاستدلال نفسه: فإذا ارتفعت سرعة فك الترميز بما يكفي، تقلص انتظار كل خطوة حتى يكاد يختفي، وذاب الحد بين التفاعل المتقطع والتفاعل الآني. وتدفع الرقائق ومحركات الاستدلال هذا المسار سريعًا؛ فقد شغّلت Xiaomi MiMo نموذجًا ذا تريليون معلمة بسرعة تجاوزت 1000 رمز في الثانية على عقدة من ثماني وحدات GPU¹، بينما دفعت حلول مخصصة تضع النموذج كاملًا على شريحة، مثل Taalas HC1، نموذجًا من ثمانية مليارات معلمة إلى نحو 17 ألف رمز في الثانية، بزمن استجابة دون 100 مللي ثانية². وحين يستطيع النموذج إخراج آلاف الكلمات في الثانية، يتلاشى عمليًا الفرق بين «يفكر ثم يتكلم» و«يفكر أثناء الكلام».

السحابة الثانية هي قدرة الوكلاء على تراكم الخبرة من نجاحاتهم وإخفاقاتهم، كما يفعل البشر. تشبه نماذج اليوم عبقريًا ذا ذاكرة هائلة لكنه عاجز عن تعلّم الجديد: أثناء التدريب تستوعب قدرًا دقيقًا من المعرفة البشرية، لكنها تكاد تتوقف عن النمو بعد بدء العمل. فبعد كل مهمة، تُرمى مع السياق الحفر التي وقعت فيها والحيل التي اكتشفتها. ويتوقف اعتبار ذلك مشكلة جوهرية على فرضيتين متعارضتين.

الأولى هي «فرضية العالم الصغير»: إذا بلغ النموذج حجمًا كافيًا — تريليونات المعلمات مثلًا — فسوف يحتوي أصلًا على معظم المعارف العامة المهمة عن العالم، ويكفي تدريبه مرة واحدة. ويشير أنصار هذا الرأي، ومنهم باحثون في OpenAI وAnthropic، إلى أن البرمجة هي المجال الذي يبرع فيه الذكاء الاصطناعي أكثر من غيره، لا لخصوصية في البرمجة ذاتها، بل لأنها أكثر المجالات انفتاحًا: تتوافر كميات هائلة من الشفرة مفتوحة المصدر، بينما تفتقر صناعات كثيرة إلى بيانات عامة تُذكر. ومن ثم تعمل المختبرات المتقدمة قطاعًا بعد قطاع، بالشراكة مع أهله، على «تقطير» خبرته المهنية في نموذج كبير واحد. ووفق هذا التصور، لا تكمن العقدة في قدرة النموذج أو قابليته للتعلم، بل في توافر البيانات: اجمع البيانات ودرّب النموذج مرة واحدة، تُحل المشكلة.

أما «فرضية العالم الكبير» فتشير إلى طبقة لا يكفيها «تدريب واحد»: المعرفة الخاصة بمستخدم بعينه أو شركة بعينها. فقواعد كتابة الشفرة في شركتك، وذوق فريقك في العروض التقديمية، وطباع عميل محدد، كلها أمور غائبة عن بيانات التدريب وتتغير باستمرار. ولكي يلائم النموذج هذا «العالم الكبير» المؤلف من مواقف خاصة لا حصر لها، لا بد أن يواصل التعلم بعد النشر؛ إذ يستحيل أن يغادر المصنع مزودًا بكل شيء. وهذا هو المسار الذي تستكشفه ذاكرة الفصل الثالث والتطور المستمر في الفصل الثامن: هل تُدوَّن الخبرة في وثائق معرفة أو تعليمات أو برامج، أم تُنتقى لتحديث معلمات النموذج؟ وعلى نطاق أوسع، يدفع «الذكاء الاصطناعي من أجل الذكاء الاصطناعي» و«الذكاء الاصطناعي من أجل العلوم» الوكلاء إلى تخوم لا توجد فيها إجابات جاهزة. وهناك لا مفر من التعلم الذاتي من نجاح التجارب وإخفاقاتها بدل الرجوع إلى البشر في كل قرار. لذا قد لا تكون أقوى قدرات النموذج في النهاية هي الحفظ، بل التعلم والتكيف.

لن تبدد ترقية واحدة لنموذج واحد أيًا من السحابتين. ولكي نفهم كيف قد تنقشعان، ينبغي أن ندرك حقيقة أساسية: لم تكن النماذج والوكلاء طبقتين تتقدم إحداهما على حساب الأخرى؛ بل يتطوران معًا.

التطور المشترك للنماذج والوكلاء

تأمل طبقات المنطق الاحتياطي في منظومات التشغيل: ضغط السياق متعدد المستويات، وإعادة المحاولة المقرونة بقواطع الدوائر، وفحوص الأذونات التي تفترض تشاؤميًا أن العملية «غير آمنة». كل مقطع قبيح من «شفرة السباغيتي» يسجل موضعًا ما زال النموذج يتعثر فيه. وحين يستبطن الجيل التالي من النماذج هذا القيد، يمكن حذف الشفرة المقابلة. ولا يستطيع النموذج استبطانه إلا لأن الوكلاء وقعوا قبله في تلك الحفر داخل أعمال حقيقية، ثم تحولت الدروس إلى إشارات لدورة التدريب التالية. يطرح المستخدمون تحديات واقعية؛ وتعالج طبقة التطبيق، بمنظومة تشغيلها، ما لا يحسن النموذج أداءه بعد؛ ثم تصير هذه المعالجات بدورها إشارات تدريب للجيل التالي. هكذا تنشأ عجلة نمو ذاتي التعزيز، وهي التي تبدد السحابتين تدريجيًا.

وتجيب هذه العجلة أيضًا عن السؤال الذي تركه الفصل الأول معلّقًا: هل تستوعب النماذج منظومة التشغيل في النهاية؟ نعم، طبقةً بعد طبقة. فكلما استبطن النموذج قدرةً بثبات، أمكن حذف الطبقة المقابلة من منظومة التشغيل. ونموذج التفاعل في الفصل التاسع مثال على ذلك: سلوكيات كالمقاطعة والمداخلة، كان لا بد سابقًا من تركيبها بإضافات خارجية، ثم صارت جزءًا أصيلًا من النموذج. لكن هذا «الاستيعاب» لن يكتمل أبدًا. أولًا، يستغرق التدريب شهورًا؛ قد ينتظر النموذج، لكن العمل لا ينتظر. ثانيًا، يستحيل على النموذج استبطان جميع قيود الأعمال الواقعية وتفضيلاتها؛ فستبقى دائمًا حدود جديدة يسندها منطق خارجي. وثالثًا، يفتح كل جيل جبهة قدرات جديدة، والجبهة هي تحديدًا المكان الأقل استقرارًا. لذلك لن تختفي منظومة التشغيل؛ بل ستنتقل مع النموذج إلى كل جبهة جديدة. وهذه هي قراءة «الدرس المرير» في عصر الوكلاء: ستنتصر الأساليب العامة في نهاية المطاف، لكن منظومات التشغيل هي التي تعبّد كل مرحلة من الطريق إلى تلك النهاية.

وتدور العجلة أسرع في يد من يملك طرفيها. وهذا بالضبط ما تفعله Anthropic مع Claude Code: تجعل نموذجها ومنظومة تشغيله يغذي أحدهما الآخر ويتطور معه. يعرف النموذج كيف ستستدعيه المنظومة، وتعرف المنظومة حدود النموذج، ويرتد كل تغيير في أحد الطرفين فورًا إلى الآخر. وفي إحدى التجارب، أدى تغيير منظومة التشغيل وحدها، مع إبقاء النموذج نفسه، إلى رفع دقة المهمة من 52.8% إلى 66.5%. يوضح ذلك مقدار تأثير منظومة التشغيل اليوم، لكنه يذكّرنا أيضًا بأن هذا التأثير الكبير قائم لأن النموذج لم يستبطن تلك القدرات بعد. ولهذا السبب تمثل هذه العجلة أعمق خندق تنافسي في هذا العصر: كلما اشتبكت الأعمال الواقعية وبيانات التغذية الراجعة ودورات تطوير النماذج، صَعُب على منافس خارجي اللحاق بها.

وتختلف دلالة ذلك باختلاف الطرف الذي تقف عنده من العجلة. فإن كنت تبني النماذج، فميزتك هي تسريع دورانها: أعد التغذية الراجعة من المواقف الواقعية إلى التدريب بأسرع ما يمكن. وإن كنت تبني تطبيقات فوق النماذج، فمنظومة التشغيل أقوى أدواتك التقنية على المدى القصير. لكن ينبغي أن تدرك أن استبطان النموذج لطبقة جديدة من القيود سيمحو سريعًا طائفة من المزايا المبنية على تلك الطبقة وحدها. أما المزايا المستدامة حقًا فتوجد غالبًا خارج التقنية الخالصة: البيانات الحصرية، وقنوات التوزيع القوية، وثقة المستخدم، وتأثيرات الشبكة، والسيناريوهات المعقدة التي لا يزال البشر والوكلاء بحاجة إلى التعاون فيها. والاستراتيجية الحكيمة أن تستخدم منظومة التشغيل لكسب الوقت، ثم تستثمر ذلك الوقت في بناء مزايا تتجاوز التقنية.

لذلك لا تنشغل كثيرًا باحتمال تقادم الإطار الذي بين يديك. تتجدد النماذج كل بضعة أشهر، وتتعاقب واجهات البرمجة والمنتجات ولوحات الصدارة. أما الأسئلة الثلاثة — ماذا يرى النظام؟ ماذا يستطيع أن يفعل؟ وكيف نتحقق من صحة فعله؟ — فلن تتقادم. فهي لا تصف استعمال نموذج بعينه، بل الطريقة الأساسية لتفاعل النظام الذكي مع العالم. أتقنها، ومهما حمل الجيل التالي من قدرات جديدة، ستعرف موضعها في المعادلة، وستقدّر من النظرة الأولى مقدار اقترابنا من تبديد السحابتين.

لا تزال تقنية الوكلاء تتطور بأقصى سرعة، ولا يستطيع كتاب واحد مواكبة كل تغير. لكن إن لم يترك لك هذا الكتاب وصفة لاستخدام واجهة برمجة بعينها، بل ترك لك بصيرة تحافظ بها على صفاء الحكم وسط موجات التقنية، فقد أدى مهمته. جميع نصوص الكتاب ورسومه وشفرة تجاربه مفتوحة المصدر. ندعوك إلى زيارة المستودع، وإجراء التجارب بنفسك، وفتح القضايا وطلبات السحب؛ فبين الفهم والبناء نهر لا يُعبر إلا بالممارسة. وأجمل ما في الوكلاء أنهم يستطيعون، بكتابة الشفرة، إنشاء قدرات جديدة، بل وتحسين ذواتهم. وقد أصبحت بين يديك الآن مبادئ هذا «الخلق». فاذهب واصنع شيئًا.

---

1. تعمل تقنية Xiaomi MiMo-V2.5-Pro-UltraSpeed، من خلال التصميم المشترك لنظام النموذج مع تكميم FP4، وفك تشفير التخمين المتوازي DFlash، ونظام الاستدلال TileRT، على دفع سرعة توليد نموذج بمعلمة 1T إلى ما يتجاوز 1000 رمز مميز/ثانية على عقدة واحدة ذات 8 وحدات معالجة رسومات للأغراض العامة لأول مرة. راجع المدونة الفنية الرسمية لـ Xiaomi MiMo، "دفع سرعة إنشاء نموذج 1T-Parameter إلى 1000 TPS،" 2026. https://mimo.xiaomi.com/blog/mimo-tilert-1000tps ↩

2. يقوم Taalas HC1 بتشفير نموذج Llama 3.1 8B بأكمله على شريحة 6 نانومتر، مما يحقق ما يقرب من 17000 رمز/ثانية مع وقت استجابة أقل من 100 مللي ثانية؛ وتتمثل المقايضة في أن الشريحة يمكنها فقط تشغيل النموذج المشفر، وتتطلب تحديثات النموذج شريطًا جديدًا للرقاقة. انظر كارل فرويند، "Taalas Launches Hardcore Chip With 'Insane' AI Inference Performance"، فوربس، 2026. https://www.forbes.com/sites/karlfreund/2026/02/19/taalas-launches-hardcore-chip-with-insane-ai-inference-performance/ ↩