أصدر الباحثون Yuxing Lu وYicheng Chen وShanchan Wu إطار عمل "Procedural Graph" (الرسم البياني الإجرائي) الذي يتيح لوكلاء النماذج اللغوية الكبيرة (LLM) إعادة كتابة خطط تنفيذ المهام الخاصة بهم أثناء العمل.
المشكلة في وكلاء اليوم
تعمل معظم المساعدات التي تعمل بالنماذج اللغوية الكبيرة (LLM) مثل طباخ لا يمكنه سوى تلاوة وصفة الطعام. يخزن النموذج الخطوات في ذاكرة مؤقتة، ويختار الأداة التالية، ويأمل أن تكون الرمز (token) التالية صحيحة. ومن الناحية العملية، تظهر ثلاثة أنواع من الإخفاقات بشكل متكرر:
- انحراف الهدف (Goal drift) – بعد بضع جولات، ينسى الوكيل الهدف الأصلي.
- إساءة استخدام الأدوات – استدعاء واجهة برمجة تطبيقات (API) بترتيب خاطئ أو الدخول في حلقة مفرغة من نفس الاستدعاء.
- أخطاء غير مُتعلمة – يظهر الخطأ نفسه في جلسات غير مرتبطة لأن لا شيء يسجل الفشل بشكل دائم.
ولأن الاستنتاج يظل ضمنياً، لا يستطيع المطورون معرفة سبب حدوث إجراء معين، ولا يستطيع المستخدمون تصحيح العيوب المنهجية.
تحويل الأوامر (prompts) إلى رسم بياني
تستبدل الرسوم البيانية الإجرائية (Procedural Graphs) نهج "الذاكرة فقط" بهيكل صريح وقابل للتحرير. يحدد إطار العمل ثلاثة عناصر أساسية:
| العنصر | الدور |
|---|---|
| العقدة (Node) | خطوة ملموسة مثل "البحث عن رحلة" أو "التحقق من الدفع". |
| الحافة (Edge) | التدفق بين العقد - تسلسلات خطية مستقيمة، فروع شرطية (if/then)، وحلقات تكرارية. |
| السمة (Attribute) | بيانات وصفية (Metadata) ملحقة بالعقدة أو الحافة، مثل معدل النجاح، أو متوسط وقت التنفيذ، أو درجة الثقة. |
عندما يتلقى وكيل LLM طلباً، فإنه يقوم أولاً برسم الطلب على رسم بياني موجود أو يبني واحداً جديداً فوراً. ثم يتبع التنفيذ الحواف، ويستدعي الأدوات، ويخزن النتائج في السمات. ولأن الرسم البياني يوجد خارج تدفق الرموز (token stream) الخاص بالنموذج، يمكن للأشخاص فحصه وتصويره وتعديله.
التطور الذاتي في خمس خطوات
تكمن الحداثة في الحلقة التي تسمح للوكيل بتحسين الرسم البياني الخاص به:
- التسجيل (Record): تسجيل كل مسار يسلكه الوكيل، بما في ذلك المدخلات، واستدعاءات الأدوات، والنتائج.
- المقارنة (Compare): مقارنة المسارات الناجحة بالمسارات الفاشلة، وتحديد نقاط الاختلاف.
- التشخيص (Diagnose): تشخيص الخطأ من خلال فحص سمات العقد (مثل انخفاض معدل النجاح) وشروط الحواف.
- الاقتراح (Propose): يقدم النموذج (LLM) تحليلاً للفشل ويقترح تعديلات على الرسم البياني (إضافة خطوة تحقق مفقودة، حذف حلقة مكررة، أو تشديد شرط ما).
- التحقق (Validate): التحقق من الرسم البياني المنقح على حالة اختبار؛ إذا تحسن الأداء، يتم اعتماد التغيير.
وبما أن الرسم البياني يعمل كمصدر وحيد للحقيقة، يمكن للوكيل إضافة خطوات، أو حذف المسارات المسدودة، أو إعادة صياغة المنطق دون مساعدة بشرية. حتى سير العمل الذي صممه البشر بشكل غير متقن يمكن أن يتحسن بمرور الوقت.
لماذا يمثل هذا التحول أهمية
التعميم لما وراء الحفظ
يلتقط الأمر (prompt) الثابت حالة مهمة واحدة فقط. أما الرسم البياني فيقوم بتجريد "طريقة التنفيذ" لفئة كاملة من المهام - مثل البحث والحجز، أو مسارات إدخال البيانات، أو حوارات استكشاف الأخطاء وإصلاحها - بحيث يعمل نفس الهيكل مع معلمات مختلفة. لم تعد الفرق بحاجة إلى إعادة إعطاء الأوامر للنموذج لكل تغيير بسيط.
اتخاذ قرارات شفاف
يبدو الرسم البياني مثل المخطط الانسيابي. يمكن لأصحاب المصلحة تتبع أي عقدة بالضبط أدت إلى استدعاء أداة ولماذا تم اتخاذ فرع معين.
التآزر العصبي الرمزي (Neuro-symbolic synergy)
تجمع الرسوم البيانية الإجرائية بين التعرف على الأنماط عبر التعلم العميق (فهم اللغة في LLM) والاستدلال الرمزي (منطق الرسم البياني الصريح). يوفر الـ LLM الحدس لتوليد أو تعديل الخطوات، بينما يفرض الرسم البياني الاتساق المنطقي. يصف المؤلفون هذا بأنه منح نماذج LLM دماغ "النظام 2" (System 2) — وهو متحكم مدروس وقابل للفحص يكمل "النظام 1" (System 1) السريع والترابطي للتنبؤ بالرموز الخام.
الخلاصة
تمنح الرسوم البيانية الإجرائية وكلاء LLM عموداً فقرياً قابلاً للتعديل والفحص يتيح لهم التعلم من كل عملية تنفيذ. ومن خلال تحويل الأوامر العابرة إلى هياكل دائمة، يعد هذا النهج بمساعدين يعملون بالذكاء الاصطناعي يصعب كسرهم، ويسهل فهمهم، ويكونون أكثر قدرة على التكيف مع التحديات الجديدة.