حلقة الوكيل الخارجية: بناء أنظمة الذكاء الاصطناعي في عام 2026

هندسة البرمجيات تمر بمرحلة تحول.

لم يعد المهندسون الأكثر إنتاجية يكتبون الأوامر (prompts) للنماذج يدويًا، بل يصممون أنظمة تقوم بكتابة الأوامر نيابة عنهم. إنهم يبنون أطر عمل (harnesses)، ويكتبون حلقات (loops).

لبناء ذكاء اصطناعي جاهز للإنتاج، يجب أن تفهم الفرق بين حلقتين:

الحلقة الداخلية تعيش هذه الحلقة داخل سياق النموذج. يقوم النموذج اللغوي الكبير (LLM) باستدعاء أداة، والحصول على نتيجة، ثم يكرر العملية حتى يعتقد أنه انتهى. إنها قوية ولكنها محدودة بنوافذ السياق (context windows) وانحراف الانتباه (attention drift).

الحلقة الخارجية هذا هو إطار العمل (harness). يعيش خارج سياق النموذج. إنه الكود الذي تكتبه لتغليف الـ LLM. وهو الذي يقرر ما إذا كان العمل جيدًا، أو ما إذا كان يحتاج إلى إعادة محاولة، أو ما إذا كان يجب على الإنسان التدخل.

تحتاج الحلقة الخارجية ذات المستوى الإنتاجي إلى هذه المكونات الستة:

  • طوابير المهام (Task Queues): استخدم Redis أو SQS لإدارة العمل. يضمن ذلك بقاء المهام حتى في حالة حدوث أعطال ويسمح بتحديد معدل الطلبات (rate limiting).
  • بناة السياق (Context Builders): تقوم هذه المكونات بإعداد أمر النظام (system prompt) والقيود. السياق السيئ يؤدي إلى تكرارات سيئة.
  • إدارة الجلسات (Session Management): تتبع تاريخ المحادثة حتى لا يفقد الوكيل مكانه.
  • إشارات الإكمال (Completion Signals): تحتاج إلى طريقة لمعرفة متى تتوقف. استخدم الاختبارات الميكانيكية، أو تحليل JSON، أو استخدام نموذج لغوي كحكم (LLM-as-judge).
  • ضوابط الميزانية (Budget Enforcers): ضع حدودًا صارمة لعدد التكرارات والرموز (tokens) لمنع الحلقات اللانهائية التي تستنزف الأموال.
  • المنفذون (Committers): هذا هو الحد الفاصل الذي يكتب المخرجات النهائية في ملف أو طلب سحب (pull request).

استخدم LLM-as-judge للمهام التي لا تستطيع الاختبارات رصدها. استخدم نموذجًا سريعًا ورخيصًا لتقييم مخرجات نموذجك المكلف المخصص للاستنتاج. هذا هو التوزيع الفعال لموارد الحوسبة.

احذر من فخ الديون المعمارية (architecture debt).

غالبًا ما تحاول النماذج اللغوية الكبيرة إصلاح الأخطاء عن طريق إضافة كود دفاعي مثل كتل try/except. إذا عملت الحلقة عدة مرات، فقد تملأ قاعدة الكود الخاصة بك ببدائل (fallbacks) فوضوية. بدلاً من ذلك، وجه وكيلك لإصلاح السبب الجذري والحفاظ على ثوابت النظام (system invariants).

الهدف ليس تحقيق أقصى قدر من الاستقلالية، بل بناء حلقات تظل قابلة للصيانة ومفهومة من قبل البشر.

ابنِ حلقاتك بتعمد.

المصدر: https://dev.to/monuminu/the-outer-agent-loop-how-engineers-are-building-production-agentic-ai-systems-in-2026-4b5g

مجتمع تعليمي اختياري: https://t.me/GyaanSetuAi