استراتيجية agents.md لمضاعفة أداء وكلاء الذكاء الاصطناعي: لماذا يعد السياق أهم من التقنية
makedream٣٠ يناير ٢٠٢٦
0
Computing/SoftwareRelated Video
5:51مهمة واحدة فشلت فيها المهارات
Better Stack
Comments (0)
Log in to leave a comment
No posts yet
makedream5:51Better Stack
Log in to leave a comment
No posts yet
نحن نعيش في عصر يقوم فيه وكلاء الذكاء الاصطناعي بكتابة الأكواد وبناء البنية التحتية. ومع ذلك، لا يزال المطورون في الميدان يشعرون بالقلق. فكثيراً ما نجد وكيلاً كان يعمل بمثالية قبل قليل، يبدأ فجأة في تقديم إجابات غريبة أو يتجاهل الأدوات التي تم توجيهه لاستخدامها بوضوح.
نتائج التجارب الأخيرة لفريق Vercel AI SDK كانت صادمة. فمعدل الفشل الذي يحدث عند ترك حرية اختيار الأدوات لوكيل الذكاء الاصطناعي، أي ما يسمى بالمهارات (Skills)، يصل إلى 56%. هذه ليست مشكلة في ذكاء النموذج، بل هي دليل على أن الطريقة التي نقدم بها المعلومات للذكاء الاصطناعي خاطئة بشكل جذري. السر في رفع نسبة نجاح الوكيل إلى 100% لا يكمن في إضافة المزيد من الأدوات، بل في استراتيجية "السياق المستمر" القائمة على ملف agents.md.
يتوقع العديد من المطورين أنه من خلال منح الوكيل وظائف استدعاء أدوات متنوعة، سيقوم الذكاء الاصطناعي باختيارها واستخدامها بأنفسهم عند الحاجة. ومع ذلك، فإن هذه الطريقة تعاني من نقطة ضعف قاتلة تسمى "ضجيج القرار".
نافذة السياق (Context Window) في نماذج الذكاء الاصطناعي تشبه الذاكرة قصيرة المدى لدى البشر. عندما تتجاوز المحادثة 5 جولات، تبدأ التعليمات المكتوبة في "برومبت النظام" الأولي في فقدان أولويتها. يُطلق على هذا "فساد السياق". في كل لحظة، يتساءل الوكيل: هل يجب أن أستخدم أداة الآن، أم أجيب فقط بما أعرفه؟ هذه النقطة من اتخاذ القرار تصبح بحد ذاتها "نقطة فشل واحدة" تؤدي إلى الأخطاء.
الحل لتحويل معدل الفشل من 56% إلى 0% بسيط. بدلاً من منح الوكيل حرية الاختيار، نقوم بتثبيت القواعد والمعلومات الأساسية للمشروع في برومبت النظام. ويأتي ملف agents.md في قلب هذه العملية.
وفقاً لاختبارات Vercel، كانت نسبة النجاح عند تقديم نفس المعلومات كـ "أدوات" هي 79%، بينما سجلت نسبة نجاح 100% عندما تم تضمينها مباشرة في شكل فهرس داخل agents.md.
| مؤشر التحليل | طريقة استدعاء الأدوات (Skills) | السياق المستمر (agents.md) |
|---|---|---|
| اتخاذ القرار | الوكيل يقرر في كل مرة ما إذا كان سيحمل المعلومة | المعلومات موجودة دائماً في النظام |
| الموثوقية | حوالي 53% ~ 79% (غير مستقر) | يمكن تحقيق حتى 100% |
| عبء الاستدلال | عبء عالٍ بسبب ضجيج القرار | عبء منخفض بسبب إلغاء اتخاذ القرار |
| الميزة | طريقة عند الطلب (On-demand) | طريقة سلبية (Passive) |
لتحقيق أقصى قدر من الأداء، يجب تصميم agents.md ليس كمجرد ملف نصي، بل كملف "README" مخصص للآلات.
القيود المحددة والمنع ترفع جودة مخرجات الوكيل بشكل فوري أكثر من المبادئ المجردة. من الضروري إعطاء أوامر محددة مثل استخدام MUI v3 واستخدام Jotai حصراً لإدارة الحالة. التوجيهات مثل "لا تستخدم alert() أبداً" واستخدام مكونات من مكتبة معينة تمنع الوكيل من الانحراف عن المسار.
لا تترك الوكيل يهدر التوكينات (Tokens) في فحص المستودع (Repository) بالكامل. يجب تقديم مواقع الملفات الأساسية كفهرس مصغر. ارسم خريطة واضحة توضح ما إذا كان يجب استخدام pnpm عند البناء، وأين تقع ملفات المسارات (Routes) وملفات المخططات (Schemas).
عندما يتضخم الملف، يتراجع الأداء. توصي Vercel بضغط المستندات التي يبلغ حجمها 40KB إلى 8KB وفهرستها. السر يكمن في تحسين المسارات التي يمكن للوكيل من خلالها الوصول إلى المعرفة، بدلاً من إطعام الوكيل المعرفة نفسها.
مثلما تتراكم الديون التقنية في الكود، تتراكم "ديون البرومبت" في استخدام الذكاء الاصطناعي. إذا اختلفت التعليمات التي يعطيها كل عضو في الفريق للوكيل، فسوف ينهار اتساق المخرجات. وضع agents.md في جذر المشروع وإدارته عبر Git يدمج التحكم في الإصدارات ويسمح بتطبيق معايير الفريق الموحدة بغض النظر عن النموذج المستخدم.
في عصر وكلاء الذكاء الاصطناعي، يتم حسم الفوز أو الخسارة من خلال هندسة السياق (Context Engineering) بدلاً من ذكاء النموذج. بناء بيئة لا يمكن للوكيل أن يخطئ فيها هو الطريق الأكثر تأكيداً لزيادة الإنتاجية بدلاً من انتظار أن يصبح الوكيل أكثر ذكاءً. ابدأ الآن بإنشاء ملف agents.md في جذر مشروعك وتدوين قواعد فريقك.