إعلان الإنجاز ليس تحققًا منه: تصميم المحطات المرحلية للوكلاء ذوي الأفق الطويل

هذه الملاحظة الثانية في سلسلة عن تصميم الوكلاء للمهام طويلة الأمد، استلهمناها من قراءة متأنية لـ BEACON (جامعة تشجيانغ، arXiv:2605.06078).

الـ الملاحظة الأولى بيّنت أن كشف الحلقات لا يمكنه رصد وكيل متعثر، لأن التكرار إشارة من جانب المدخلات، بينما التقدم إشارة من جانب المخرجات. ولا يصح هذا الطرح إلا إذا وُجد ما يمكن قياس التقدم بالاستناد إليه. هذه الملاحظة تتناول ذلك المرجع.

اطرح السؤال بالطريقة الصحيحة

السؤال ليس «كيف يعرف الوكيل أنه أنهى خطوة». بل «كيف يعرف النظام أنه أنهاها فعلًا، بدلًا من مجرد إعلان ذلك».

فرق بمقدار طبقة واحدة، وفارق هائل في المصداقية.

كان لدينا النصفان بالفعل، ولم نربط بينهما قط

كان هذا هو الجزء المفاجئ حين قرأنا تنفيذنا البرمجي.

النصف الأول. المعالم موجودة بالفعل في المنتج. تحافظ أداة على خطة مهام دائمة: كيف تتجزأ المهمة الطويلة، وما حالة كل خطوة، سواء كانت قيد الانتظار أو قيد التنفيذ أو مكتملة أو متعذرة. وغرضها المعلن هو منح المهمة الطويلة مرجعًا ثابتًا للتقدم. لكن كيف تصبح الخطوة «مكتملة»؟ يعلن النموذج ذلك.

النصف الثاني. بعد كل استدعاء أداة، يسجّل المضيف مجموعة من الحقائق الحتمية: هل تغيّرت قيمة تجزئة محتوى الملف فعلًا، وما رمز خروج الأمر، وهل انتهت مهلته. تُسجّل هذه الحقائق من جانب المضيف ولا تدخل سياق النموذج أبدًا، وهذا تحديدًا ما يمنع اختلاقها.

هنا تكمن الفجوة. يقول أحد السطرين انتهيت. ويقول الآخر تغيّرت قيمة تجزئة ملف من A إلى B. ولم يضعهما شيء جنبًا إلى جنب قط.

ما ينقص ليس بنية بيانات ولا قابلية الرصد، بل الجسر الذي يربط الاثنين.

أكثر ما يفيد في الورقة ليس المعادلة

يشتهر BEACON أكثر بميزة الأفضلية على مقياسين، لكن الجزء الجدير بالاقتباس هو كيفية تحديده لدور الكاشف Φ.

لا يحتاج Φ إلى نموذج مدرّب أو توسيم بشري. فهو يقرأ فقط تغيرات الحالة القابلة للرصد في استجابات البيئة: انتقالات حالة العناصر في ALFWorld، مثل نجاح الالتقاط وانتهاء التسخين، وانتقالات الصفحات في WebShop، أما في ScienceWorld فيستهلك ببساطة إشارة الهدف الفرعي التي تصدرها البيئة أصلًا.

لا نموذج إضافيًا، ولا تكلفة إضافية لأخذ العينات. قارن ذلك بالبدائل: يحتاج نموذج مكافأة العملية إلى توسيم مكلف ويمكن التحايل عليه، ويحتاج تقدير القيمة بطريقة Monte-Carlo إلى مسارات تنفيذ إضافية عند كل نقطة قرار. هذه هي التكلفة التي يتجنبها Φ.

لدى كل من يبني منتج وكلاء ميزة لا تتوفر في بيئات الورقة: استدعاءات الأدوات منظّمة منذ البداية، مع نجاح وفشل صريحين. اضطرت الورقة إلى استخراج الإشارات من البيئة، أما إشاراتنا فموجودة بالفعل.

ثلاث طبقات، إن أردت بناء ذلك

الطبقة الأولى: اجمع الأدلة الحتمية في تدفق واحد. دون أي حكم دلالي، مجرد سجل آلي لتغييرات غير قابلة للعكس ويمكن التحقق منها. تغيّرت قيمة تجزئة محتوى ملف. انتهى أمر برمز خروج صفر. أعاد استدعاء API خارجي نتيجة نجاح. ثُبّت صف. كل هذا موجود اليوم، لكنه مبعثر، ولم يُجمع في سجل واحد للحقائق المثبتة حتى الآن.

الطبقة الثانية: اربط النصفين. الخطوة الأعلى قيمة. عندما يعلن النموذج اكتمال خطوة، توقف عن تصديقه دون تحقق وابحث عن أدلة الطبقة الأولى خلال تلك الفترة. إن وُجد دليل، فوسمها بأنها مكتملة بعد التحقق. وإن لم يوجد دليل، فوسمها بأنها مُعلَن اكتمالها. لا يمنع هذا النموذج من إعلان أي شيء، بل يفصل فقط ما تدعمه الأدلة عما لا تدعمه.

الطبقة الثالثة: عرّف Φ لكل نوع من القدرات. يقرّ المؤلفون بأن Φ يتطلب معرفة بالمجال وأن قابليته للتعميم ضعيفة، لذا لا تتوقع كاشفًا عالميًا واحدًا. تراقب مهام البرمجة رموز خروج الاختبارات. وتراقب مهام تحليل البيانات ما إذا أُنشئ ملف المخرجات. وتراقب مهام المراسلة استجابة API. تُبنى هذه الطبقة تدريجيًا، قدرةً بعد أخرى.

معيار أضفناه: عدم قابلية العكس، لا الأهمية

هذا المعيار غير موجود في الورقة.

تنجح معالم BEACON لأنها تحدّد انتقالات في الحالة لا يمكنك الرجوع عنها. بمجرد حصولك على المفتاح، يصبح العالم مختلفًا. لذا ينبغي أن يكون المعيار هل أنتج هذا الإجراء أثرًا جانبيًا خارجيًا غير قابل للعكس، بدلًا من هل كانت هذه الخطوة مهمة.

غير قابل للعكس: كتابة ملف، أو تثبيت تغييرات برمجية، أو إرسال رسالة، أو استدعاء API مدفوع، أو تثبيت معاملة في قاعدة بيانات. قابل للعكس: قراءة ملف، أو البحث، أو جلب صفحة، أو التفكير.

تترتب على ذلك نتيجتان. يمكن حسمه آليًا لأن نوع الإجراء يحدّده، دون حاجة إلى فهم دلالي، ودون تسلل ذاتية من قبيل «رأى النموذج أن هذه الخطوة مهمة». كما أنه يتطابق مع نقاط الاستعادة: فالاستئناف من حدّ غير قابل للعكس هو النوع الوحيد ذو المعنى، إذ يمكن ببساطة إعادة الإجراءات القابلة للعكس.

رقمان: أحدهما للطمأنة، والآخر للحذر

الرقم المطمئن يأتي من تجربة التدهور. احذف نصف المعالم عشوائيًا، وتبقى النتيجة 82.8 مقابل خط أساس يبلغ 72.8، أي بفارق عشر نقاط. التدهور تدريجي، وليس انهيارًا مفاجئًا. وهذا هو المهم لكل من يطرح هذه الميزة: لا تحتاج إلى جعل Φ مثاليًا قبل أن تجرؤ على تفعيله. تغطية النصف تحقق فائدة بالفعل.

أما الرقم الداعي للحذر فيأتي من مقارنة التقسيم.

اقتبست الملاحظة الأولى هذه الأرقام أيضًا، لكن دلالتها هنا أكثر مباشرة. إذا حدّدت معالمك بالحدس، فهي تقارب تقسيمًا عشوائيًا، ويضيع الجهد. تكمن قيمة المعالم تحديدًا في توافقها مع البنية الحقيقية للمهمة.

مواضع التحفّظ على هذا الطرح

يسرد ملحق الورقة نفسه الاكتشاف التلقائي للمعالم بوصفه مسألة مفتوحة. تستمد الاختبارات المرجعية الثلاثة جميعها معالمها من قواعد: مطابقة أنماط استجابات البيئة، أو انتقالات الصفحات، أو إشارة تقدّمها البيئة مباشرةً. أما البيئات المفتوحة حقًا، مثل تشغيل المتصفح وإعادة هيكلة قواعد الشيفرة والبحث المتعمق، فلا تملك انتقالًا جاهزًا قابلًا للتحقق من هذا النوع.

إذن هذا نهج ثبتت صلاحيته داخل بيئات منظّمة، وليس حلًا يمكن نقله كاملًا كما هو. ما يجعله قابلًا للتطبيق في منتج وكلاء هو الحدّ المنظّم لاستدعاء الأداة، لا إجابة قدمتها الورقة مسبقًا.

الفخ الآخر هو مستوى التفصيل. إذا كانت المعالم متباعدة جدًا، فلن تكون قد فعلت شيئًا؛ وإذا كانت كثيفة جدًا، تصبح الإشارة على مستوى المقطع ضجيجًا. بلغة المنتج، هذا هو مستوى تفصيل تجزئة المهام، وهنا تتوفر ميزة لا تملكها بيئات الورقة. خطوات الخطة موجّهة للمستخدم بحكم تصميمها، لذا يمكن ربط مستوى التفصيل بقدرة الشخص على فهم الخطوة، بدلًا من ضبطه خوارزميًا فقط.

إذا كنت ستفعل شيئًا واحدًا فقط

نفّذ الطبقة الثانية.

تكلفتها منخفضة، لأن بيانات الطبقة الأولى موجودة بالفعل، ولا تفعل الطبقة الثانية سوى ربطها بإعلانات النموذج. ويمكن التحقق منها بصورة مستقلة، لأن نسبة ما تم التحقق منه إلى ما أُعلن اكتماله هي بحد ذاتها مقياس يستحق المتابعة. وهي الشرط المسبق لكل ما عداها: فمن دون مفهوم للمعلم المتحقق منه، لا يجد كشف التعثر في الملاحظة الأولى ولا حدّ ضغط السياق في الملاحظة التالية أساسًا يستندان إليه.

ولها خاصية مطمئنة أيضًا. طرحها لا يغيّر أي سلوك، إذ يعلن النموذج الخطوات كما كان يفعل تمامًا، مع علامة إضافية فحسب. وبعد تراكم البيانات، يمكنك أن تقرر ما إذا كنت ستتدخل عند الإعلانات التي وصلت بلا دليل.

تتناول الملاحظة التالية ضغط السياق: لماذا لا يرتبط القطع عند عتبة من الرموز كثيرًا بما يمكن نسيانه بأمان، وتصحيحًا للامتداد الأكثر بداهة لهذه الملاحظة، وهو افتراض أن التحقق من معلم يتيح طيّ كل ما سبقه.