أنواع وكلاء الذكاء الاصطناعي: شرح مبسط

أنواع وكلاء الذكاء الاصطناعي

تندرج أنواع وكلاء الذكاء الاصطناعي ضمن تصنيف واحد: الوكلاء الانعكاسيون البسيطون، والوكلاء الانعكاسيون القائمون على نموذج، والوكلاء القائمون على الأهداف، والوكلاء القائمون على المنفعة، والوكلاء المتعلمون. يصف كل اسم أمراً واحداً: مقدار ما يتذكره الوكيل، ومدى ما يخطط له مسبقاً قبل أن يتصرف. ويصف مصطلحان إضافيان، هما الوكلاء متعددو الوكلاء والوكلاء الهرميون، طريقة ربط عدة وكلاء معاً، لا طريقة اتخاذ أي واحد منهم للقرار.

هذا التصنيف أقدم من كل نموذج استخدمته. وهو وارد في الكتاب الدراسي القياسي للذكاء الاصطناعي، وقد استمر بعد ظهور نماذج اللغة الكبيرة لأنه يطرح السؤال الذي لا يزال يحسم تصميمك: ما الذي يحتاج هذا الشيء إلى معرفته قبل أن يتصرف؟ إذا كنت لا تزال تحدد أين ينتهي الوكيل ويبدأ المساعد الحواري، فاقرأ أولاً الفرق بين وكيل الذكاء الاصطناعي ونموذج LLM الذي يعمل عليه. تبدأ هذه الصفحة بعد ذلك الحد.

الوكلاء الانعكاسيون البسيطون: شرط واحد، وإجراء واحد

يربط الوكيل الانعكاسي البسيط الإدخال الحالي بإجراء، ولا يحتفظ بأي ذاكرة لما حدث سابقاً. إذا تجاوزت درجة الحرارة 25، شغّل المروحة. هذه هي الآلية كاملة.

من شبه المؤكد أنك استخدمت واحداً من قبل. يُعد webhook يشغّل سير عمل n8n، ثم يقرأ إرسال نموذج ويكتب صفاً في قاعدة بيانات، وكيلاً انعكاسياً بسيطاً. ويظل كذلك حتى عندما يكون نموذج لغوي في الوسط ويختار فئة لذلك الصف. إذا سألته عما فعله قبل ساعة، فلن يستطيع إخبارك، لأن شيئاً لم يحتفظ بالإجابة.

يناسب هذا النوع حالات أكثر مما يتوقع الناس. تشغيله منخفض التكلفة، وفشله واضح: إما أن الشرط انطبق أو لم ينطبق. عندما تكون المهمة فعلاً «عند وصول X، نفّذ Y»، تضيف الذاكرة طرقاً جديدة للخطأ ولا تحقق فائدة. وكيل n8n الذي يشغّله webhook هو هذا الصف من التصنيف مع واجهة مستخدم فوقه.

يتعطل فوراً عندما يعتمد الإجراء الصحيح على السجل السابق. سيتناقض روبوت الردود الذي لا يملك حالة للمحادثة في الرسالة الثالثة، لأن الرسالتين الأوليين لم تكونا جزءاً من إدخاله.

الوكلاء الانعكاسيون المعتمدون على نموذج: الحفاظ على الحالة بين الأحداث

يحتفظ الوكيل الانعكاسي المعتمد على نموذج بصورة داخلية عن بيئته، ويحدّث هذه الصورة عند وصول مدخلات جديدة. المقصود بكلمة «نموذج» هنا هو نموذج للعالم، وليس شبكة عصبية. ظهر هذا المصطلح قبل المعنى الحالي بنحو أربعين عاماً، ولذلك يربك تقريباً كل من يقرأه للمرة الأولى.

تُعدّ قاعدة التشغيل الآلي للمنزل التي تطفئ الأضواء بعد مرور عشرين دقيقة من دون حركة معتمدة على نموذج. ولا بد أن تكون كذلك. إنّ «لا توجد حركة الآن» و«لم توجد حركة منذ 21:40» هما المدخل نفسه بالنسبة إلى وكيل انعكاسي بسيط، ولذلك لا يميّز بينهما إلا state المخزنة.

نسخة LLM هي أي وكيل لديه مخزن ذاكرة خلفه: ملخص متجدد للمحادثة، أو ملف markdown عادي يقرأه الوكيل في بداية كل تشغيل. خدمة ذاكرة محلية لوكيل تجسّد هذه الفكرة في حزمة واحدة. لا تتغير الآلية. إذ تبقى صورة الوكيل عن العالم بعد انتهاء الحدث الذي أنشأها.

للحالة تكلفة. تكون المعلومة القديمة أسوأ من غياب المعلومة، لأن الوكيل يتصرف بناءً عليها بثقة كاملة ومن دون تحذير. يجب أن تتضمن أي معلومة تخزنها آلية لانتهائها أو لإعادة التحقق منها، وإلا فسيواصل الوكيل الاستدلال بشأن خادم أوقفته في مارس.

العوامل القائمة على الأهداف: التخطيط للوصول إلى حالة يمكن التحقق منها

يتلقى العامل القائم على الأهداف حالة مستهدفة، ثم يبحث عن سلسلة من الإجراءات التي توصله إليها. وهو يعمل عكسياً انطلاقاً من الحالة النهائية المطلوبة، لذلك لا يكون المسار مكتوباً مسبقاً.

عامل البرمجة أوضح مثال يمكنك تشغيله بنفسك. لا تحدد عبارة «اجعل الاختبار الفاشل ينجح» أي ملفات أو خطوات. يقرأ العامل الاختبار، ويضع خطة، ويعدّل شيئاً، ويشغّل الاختبار، ويقرأ الخطأ، ثم يحاول مرة أخرى. تنتهي الحلقة عند عملية تحقق يستطيع تنفيذها فعلياً، ولهذا تنجح هذه التعليمات بينما لا تنجح عبارة «حسّن هذا الكود». الهدف الذي يستطيع العامل تقييمه هو هدف يستطيع الوصول إليه. أما الهدف الذي لا يستطيع تقييمه فيتحول إلى حلقة لا تنتهي، وتترتب عليها تكلفة. يضع تشغيل عامل برمجة على VPS الخاص بك هذه الحلقة في مكان يمكنها العمل فيه دون إشغال حاسوبك المحمول.

تظهر التكلفة في هذا الصف. كل خطوة تخطيط هي استدعاء إضافي للنموذج يحمل السجل المتراكم حتى تلك اللحظة، لذلك لا تساوي تكلفة مهمة من عشر خطوات عشرة أضعاف تكلفة خطوة واحدة، بل تكون أكبر. يكمن العمل الهندسي المهم في بنية الحلقة وشرط إيقافها، وهذا هو موضوع هندسة الحلقات.

الوكلاء القائمون على المنفعة: الاختيار بين عدة إجابات جيدة

الهدف قيمة ثنائية. أما المنفعة فهي درجة. يواجه الوكيل القائم على المنفعة عدة نتائج مقبولة، ويختار النتيجة التي تحصل على أعلى درجة وفق دالة كتبتها.

تُعد مهمة النسخ الاحتياطي التي يجب أن تكتمل قبل بدء يوم العمل من دون إشباع سعة الاتصال الصاعد مسألة منفعة. لا توجد إجابة صحيحة واحدة، بل توجد مفاضلة. وينطبق الأمر نفسه على موجّه يقرر النموذج الذي يعالج كل طلب، مع موازنة السعر مقابل جودة الإجابة.

الخوارزمية ليست الجزء الصعب. الصعب هو كتابة دالة منفعة صادقة. إذا قيّمت التكلفة فقط، فستحصل على النموذج الأرخص في كل طلب، بما في ذلك الطلب الوحيد الذي كان يحتاج إلى النموذج الأغلى. يحسّن النظام بالضبط ما قسته، وهذه مشكلة عندما يكون ما قسته قد اختير لأنه سهل القياس.

وكلاء التعلّم: النوع الذي يفترض معظم الناس أنهم يملكونه بالفعل

يغيّر وكيل التعلّم سلوكه استناداً إلى ملاحظات حول النتائج السابقة. ويحتاج إلى مكوّن يقيّم النتيجة، ومكوّن يغيّر السياسة استجابةً لذلك.

عدد قليل جداً من الأنظمة المستضافة ذاتياً يستوفي هذا التعريف. فالوكيل الذي يقرأ ملاحظات كتبها في الأسبوع الماضي هو وكيل قائم على نموذج، مع ملف للذاكرة. أوزانه لم تتغير. وسياسته لم تتغير. الاسترجاع ليس تعلّماً، وهذا الفرق عملي: يكرر النظام القائم على الذاكرة الخطأ إلى الأبد ما لم يعدّل أحد الذاكرة، بينما يُفترض أن يتوقف النظام المتعلّم عن ارتكاب الخطأ.

إذا أردت إضافة جانب التعلّم، فابدأ ببناء التقييم. تشكّل مجموعة اختبارات ذات درجات، وتشغيل التغيير الذي أجريته عليها، ثم اتخاذ قرار بالإبقاء على التغيير أو التراجع عنه، حلقة مغلقة تكون فيها أنت مكوّن التعلّم. وهذه العملية أبطأ مما قد يبدو، لكنها الإصدار الوحيد الذي يعمل اليوم باستخدام مكوّنات مستضافة ذاتياً. ومن هنا يبدأ استضافة بنية اختبار التقييم ذاتياً.

الأنظمة متعددة الوكلاء والهرمية: ترتيبات وليست أنواعاً

هذه ليست نوعين سادساً وسابعاً. بل تصف كيفية ترتيب الوكلاء.

يشغّل النظام متعدد الوكلاء عدة وكلاء في الوقت نفسه داخل بيئة مشتركة، مثل قائمة انتظار أو مستودع git. وبما أنّ البيئة مشتركة، فإنهم يتصادمون فيها. يُعدّ تحرير وكيلين لملف واحد حالة الفشل المعتادة، ويكون الإصلاح باستخدام قفل أو قائمة عمل. لا يحل أي prompt هذه المشكلة.

يضع النظام الهرمي مشرفاً فوق العمال. يقسّم المشرف المهمة، ويوزّع الأجزاء، ثم يدمج النتائج الواردة. يحظى هذا الأسلوب بشعبية لأنه يطابق طريقة تقسيم الأشخاص للعمل، لكنه مكلف لأن السياق الخاص بالمشرف يكبر مع كل تقرير يقرأه. يوضح إطار عمل متعدد الوكلاء كيفية توصيل ذلك عملياً.

وكيل واحد يعمل أفضل من أربعة يعمل معظمهم فقط.

كل تسليم يمثل موضعاً قد تُفقد فيه معلومات. ابدأ بحلقة واحدة. لا تقسّمها إلا عندما تتمكن من تحديد الخطوة التي تمثل عنق الزجاجة.

لماذا يكون كل نظام حقيقي تقريباً هجيناً

لنفترض وجود وكيل نشر تشغّله بنفسك. يبدأ تشغيله عبر webhook، وهذا سلوك انعكاسي. ويقرأ حالة الإصدار الحالية، وهذا يعتمد على نموذج. ويخطط للخطوات اللازمة للانتقال من الإصدار قيد التشغيل إلى الإصدار المستهدف، وهذا يعتمد على هدف. ويختار نافذة النشر استناداً إلى الحمل الحالي، وهذا يعتمد على المنفعة. ولا يعدّل سياسته بنفسه، لذلك فهو لا يتعلم.

يجمع نظام واحد بين أربعة صفوف من هذا التصنيف في الوقت نفسه. وتثبت فائدة التصنيف باعتباره قائمة تحقق للتصميم، لا باعتباره تسمية للمنتج النهائي. عندما يتصرف النظام على نحو غير صحيح، يكون السؤال المفيد هو: أي طبقة بها خلل؟ هناك أربعة أخطاء مختلفة، ولكل منها إصلاح مختلف: مشغّل بدأ استجابةً للحدث الخطأ، أو حالة أصبحت قديمة، أو فحص هدف لا يمكن أن ينجح أبداً، أو درجة تكافئ النتيجة الخطأ.

أي نوع يناسب أي مهمة

• محفّز ثابت واستجابة ثابتة، من دون حاجة إلى سجل سابق: رد فعل بسيط.
• تعتمد الاستجابة الصحيحة على ما حدث سابقاً: رد فعل قائم على نموذج.
• يمكن التحقق من الحالة النهائية، لكن المسار غير معروف مسبقاً: قائم على الهدف.
• توجد عدة نتائج مقبولة مع مفاضلة حقيقية بينها: قائم على المنفعة.
• تحتاج إلى تحسين النتائج بمرور الوقت: أنشئ حلقة تقييم، وتقبّل أنك تمثّل مكوّن التعلّم.

هل يمكنك استضافة هذه الوكلاء بنفسك، وما التكلفة؟

نعم، وتنقسم التكلفة إلى جزأين. تنسيق العمليات منخفض التكلفة. يقضي مثيل n8n أو حلقة وكيل مكتوبة بلغة Python معظم وقته في انتظار استدعاءات الشبكة، لذلك يكفيه 2 vCPU و4 GB من RAM. أما النموذج فهو مصدر التكلفة الرئيسي.

إذا استدعى الوكيل واجهة API مستضافة، فلن يحتاج الخادم إلى موارد تُذكر، وتزداد الفاتورة مع عدد الرموز. بالنسبة إلى وكيل قائم على الأهداف، يعني ذلك أن التكلفة تزداد مع عدد خطوات التخطيط التي تسمح بها، لذلك حدّد عدد دورات الحلقة.

إذا شغّلت النموذج على أجهزتك، فإن RAM تحدد النماذج التي يمكنك تشغيلها أصلاً. الأرقام أدناه هي أحجام ملفات منشورة نموذجية لأوزان مكمّمة إلى 4-bit حتى August 2026، وبجانبها تقدير للتخطيط لإجمالي RAM، لأن نافذة السياق وبيئة التشغيل تحتاجان أيضاً إلى مساحة تتجاوز مساحة الأوزان.

[
  {
    "label": "3B model",
    "weights_gb": 2,
    "ram_needed_gb": 6
  },
  {
    "label": "8B model",
    "weights_gb": 4.9,
    "ram_needed_gb": 10
  },
  {
    "label": "14B model",
    "weights_gb": 9,
    "ram_needed_gb": 16
  },
  {
    "label": "32B model",
    "weights_gb": 20,
    "ram_needed_gb": 32
  },
  {
    "label": "70B model",
    "weights_gb": 43,
    "ram_needed_gb": 64
  }
]

يبلغ حجم أوزان نموذج 8B بدقة 4-bit نحو 4.9 GB، ويستطيع جهاز مزود بـ 10 GB من RAM تشغيله من دون استخدام swap. أما نموذج 70B بالكمّية نفسها، فيبلغ حجم أوزانه 43 GB ويحتاج إلى نحو 64 GB. لاحظ ما لا توضحه هذه الأرقام: السرعة. على VPS من دون GPU، ينتج نموذج 8B بدقة 4-bit عدداً أحادياً من الرموز في الثانية. وهذا مناسب لوكيل يعالج قائمة انتظار طوال الليل، لكنه بطيء ومزعج لأي مهمة ينتظر الشخص نتيجتها. استخدم الاستدلال المحلي للمهام الدفعية، واستخدم GPU أو واجهة API للأجزاء التفاعلية. يوضح الدليل المختصر للوكلاء القابلة للاستضافة محلياً بالذكاء الاصطناعي المشاريع التي تستحق مساحة القرص، بينما يوضح مسار تعلّم الوكلاء في 2026 ما ينبغي تعلّمه وبأي ترتيب.

عندما يتوقف التصنيف عن تقديم الفائدة

لا يتناول التصنيف الأدوات أو الصلاحيات. فالوكلاء في الكتب التعليمية يدركون ويتصرفون. ولم يكن مؤلفو ذلك الفصل قلقين بشأن وكيل يحمل رمز وصول إلى واجهة برمجة تطبيقات للإنتاج. يوجد الوكيل القائم على الأهداف، الذي يملك وصولاً إلى shell، والوكيل القائم على الأهداف، الذي يملك اتصالاً واحداً بقاعدة بيانات للقراءة فقط، في الصف نفسه من الجدول، لكن مستوى المخاطر مختلف تماماً. حدّد الموارد التي يُسمح للوكيل بالوصول إليها قبل أن تقرر مدى ذكائه، واقرأ كيفية إبقاء الأسرار خارج وكيل ذكاء اصطناعي قبل أن تمنحه بيانات اعتماد.

ولا يتناول التصنيف أيضاً ما يحدث عند فشل خطوة. تقضي الوكلاء الفعلية معظم وقت تشغيلها في معالجة الأخطاء: مثل تجاوز حد المعدل أو إعادة أداة لنتيجة لم يتوقعها النموذج. تحدد تلك الشفرة مدى قابلية نظامك للاستخدام، ولا يصف أي صف في التصنيف هذه الحالة.

FAQ

ما أنواع وكلاء الذكاء الاصطناعي الخمسة؟

الوكيل الانعكاسي البسيط، والوكيل الانعكاسي القائم على نموذج، والوكيل القائم على الأهداف، والوكيل القائم على المنفعة، والوكيل المتعلم. تُرتَّب هذه الأنواع وفق مقدار ما يعرفه الوكيل قبل أن يتصرف. لا يرى الوكيل الانعكاسي البسيط إلا الإدخال الحالي. يحتفظ الوكيل القائم على نموذج بحالة عن بيئته. يخطط الوكيل القائم على الأهداف للوصول إلى حالة مستهدفة. يقيّم الوكيل القائم على المنفعة عدة نتائج مقبولة ويختار أعلاها تقييماً. يغيّر الوكيل المتعلم سياسته اعتماداً على التغذية الراجعة، وهو أمر لا تفعله فعلياً معظم البيئات ذاتية الاستضافة.

ما نوع وكيل الذكاء الاصطناعي الذي ينبغي أن أستخدمه لأتمتة بسيطة؟

الوكيل الانعكاسي البسيط، وهو يعني عملياً webhook أو جدولة تشغّل تسلسلاً ثابتاً من الخطوات. إذا كانت الاستجابة الصحيحة تعتمد فقط على الإدخال الذي وصل للتو، فإن الذاكرة تضيف حالات فشل من دون إضافة قدرة. انتقل إلى تصميم قائم على نموذج عندما تتمكن من تحديد قرار واحد يجب أن يعرف ما حدث سابقاً.

هل يمكنني تشغيل وكلاء الذكاء الاصطناعي الخاصة بي على VPS؟

نعم. طبقة orchestration خفيفة، لذلك يستطيع 2 vCPU و4 GB من RAM تشغيل محرك workflow أو حلقة وكيل بسهولة. القرار الفعلي هو مكان تشغيل النموذج. تُبقي واجهة API المستضافة الخادم صغيراً وتنقل التكلفة إلى الرموز. يحتاج النموذج المحلي إلى RAM بما يتناسب مع عدد معلماته، ومن دون GPU يولّد عدداً أحادي الخانة من الرموز في الثانية، ما يناسب المعالجة الدفعية الموضوعة في قائمة انتظار أكثر من نافذة دردشة.

هل يُعد نموذج اللغة الكبير وكيلاً للذكاء الاصطناعي بحد ذاته؟

لا. يربط النموذج نص الإدخال بنص الإخراج ثم يتوقف. يصبح وكيلاً عندما يغلّفه شيء ما داخل حلقة يمكنها تنفيذ إجراءات في العالم وإعادة النتيجة إليه، وهذا يتطلب أدوات يستطيع استدعاءها وشرطاً يحدد وقت توقف الحلقة. الغلاف هو الوكيل. أما النموذج فهو مكوّن واحد داخله.

هل أحتاج إلى نظام متعدد الوكلاء؟

غالباً لا. تتولى حلقة واحدة مزودة بعدة أدوات معظم الأعمال، ويكون تصحيحها أسهل بكثير. تفيد الوكلاء المتعددة عندما تكون أجزاء المهمة مستقلة فعلياً ويمكن تشغيلها في الوقت نفسه، أو عندما يحتاج أحد الأجزاء إلى نموذج مختلف. لكن التكلفة هي التنسيق: حالة مشتركة ومشرف ينمو سياقه مع كل تقرير عامل يقرأه. أضف الوكيل الثاني عندما تتمكن من تحديد الخطوة البطيئة.