تخطيط الوكيل (Agent Planning)
تخطيط الوكيل هو العملية التي من خلالها يقوم وكيل الذكاء الاصطناعي بتقسيم هدف معقد إلى سلسلة مرتبة من المهام الفرعية أو الإجراءات، واختيار وجدولة الخطوات لتحقيق هدف لا يمكن إنجازه في استدلال نموذج واحد.
يشير تخطيط الوكيل إلى قدرة وكيل الذكاء الاصطناعي على تقسيم هدف عالي المستوى إلى سلسلة منظمة من الخطوات الوسيطة، وتحديد الترتيب والتبعيات بين تلك الخطوات، وتكييف الخطة عند وصول معلومات جديدة أثناء التنفيذ. إنها شرط أساسي لأي مهمة تتطلب أكثر من إجراء واحد لإكمالها وهي ما يميز الوكلاء المستقلين عن chatbots البسيطة.
تتراوح آليات التخطيط من تحليل السلسلة البسيطة المدفوعة بالموجهات—حيث يسرد النموذج الخطوات المقصودة قبل تنفيذها—إلى الأساليب المنظمة مثل شبكات المهام الهرمية والبحث عن شجرة الفكر والبحث عن lookahead المستند إلى Monte Carlo Tree Search (MCTS). تستخدم الأطر مثل LangGraph وطبقة تنسيق الوكلاء المتعددين من OpenAI تمثيلات خطة صريحة يمكن فحصها أو تعديلها أو الموافقة عليها من قبل مشغل بشري قبل بدء التنفيذ. تفصل بعض البنى نموذج مخطط مخصص عن نموذج واحد أو أكثر من نماذج التنفيذ لتخصيص كل دور وتقليل التداخل بين تحديد الأهداف واتخاذ الإجراءات.
يحدد جودة التخطيط النطاق العملي لما يمكن لوكيل إنجازه. بدونها، يمكن للنموذج فقط التعامل مع المهام التي تناسب داخل زوج واحد من prompt-response. معها، يمكن للوكلاء تنسيق سير عمل طويل—الكتابة والاختبار والتصحيح والنشر عبر ملفات متعددة؛ والقيام بالبحث متعدد الخطوات عبر عشرات المصادر؛ أو إدارة العمليات التجارية التي تمتد لساعات. تشمل أنماط الفشل فقدان تتبع المهام الفرعية المكتملة وإنشاء خطوات متناقضة بشكل متبادل والفشل في الكشف عندما تحتاج الخطة إلى مراجعة بعد نتيجة أداة غير متوقعة.
اعتبارًا من 2026، تعتبر قدرة التخطيط مميزًا أساسيًا بين الوكلاء الموثوقين وغير الموثوقين. نماذج مثل Claude Opus 4 و o3 توضح تخطيطًا قويًا متعدد الخطوات على المعايير القياسية بما في ذلك SWE-bench Verified و GAIA، بينما تفشل النماذج الأصغر غالبًا في الخطط التي تحتوي على أكثر من أربع أو خمس تبعيات متسلسلة. تشمل مجالات البحث النشطة النماذج العالمية المتعلمة لتقييم الخطة وإعادة التخطيط الانعكاسي الذاتي بعد الفشل والمخططات الهجينة الرمزية والعصبية للمجالات التي لها قيود منطقية أو امتثال صارمة.