كيفية بناء مساحة عمل للوكلاء على QwenPaw بمهارات مخصصة وواجهة برمجية للبث

QwenPaw — هي بيئة أداتية لتطوير واختبار وكلاء الذكاء الاصطناعي مع الدعم لمزودي نماذج قابلين للتوصيل والمهارات المخصصة للمستخدم وقاعدة معرفة محلية. يوضح درس تعليمي جديد كيفية نشر مساحة عمل كاملة مباشرة في Google Colab.

التثبيت وهيكل المشروع

تبدأ العملية بتثبيت الحزمة عبر pip وتهيئة دليل عمل باستخدام الأمر `qwenpaw init`. ينشئ الإطار تلقائياً شجرة مجلدات منظمة: مجلدات منفصلة للمهارات وملفات المعرفة والتكوين. يسمح لك هذا بفهم تنظيم المشروع فوراً وعدم إضاعة الوقت في اختراع بنية من الصفر. بعد التهيئة، تنشئ الأداة تكويناً أساسياً `config.yaml` يقوم المطور بتكييفه مع المشروع المحدد. يصف التكوين مزودي النماذج ومعاملات الوكيل والمسارات إلى الموارد الإضافية. يتم تكوين المصادقة من خلال متغيرات البيئة. للتطوير المحلي، يكفي ملف `.env`، لكن الدرس التعليمي يوصي باستخدام مدير Colab Secrets المدمج — بهذه الطريقة لا تدخل مفاتيح API الكود ولا تتسرب عند نشر دفتر الملاحظات.

توصيل مزودي النماذج

تتمثل إحدى نقاط قوة QwenPaw في دعم عدة مزودي نماذج لغوية دون تغيير الكود الأساسي للوكيل. يوضح الدرس التعليمي توصيل المزودين التاليين:

• OpenAI (GPT-4o، GPT-4-turbo وغيرها)
• Anthropic (Claude 3.5 Sonnet، Claude 4)
• Alibaba Qwen (عبر API Dashscope)
• Ollama (نماذج مفتوحة المصدر محلية بدون تكاليف API)
• أي نقطة نهاية متوافقة مع OpenAI

يتم تكوين كل مزود بكتلة منفصلة في `config.yaml`. إذا أردت، يمكن للوكيل أن يتبديل تلقائياً بين المزودين حسب نوع المهمة أو القيود المالية.

المهارات المخصصة وقاعدة المعرفة

يتمثل الميزة الرئيسية لـ QwenPaw في نظام المهارات المعياري. كل مهارة (skill) عبارة عن ملف Python منفصل مع وصف الوظيفة بلغة طبيعية وخطة JSON لمعاملات الإدخال ومنطق التنفيذ. يختار الوكيل تلقائياً المهارة المطلوبة من خلال استدعاءات الأدوات (tool calls). يوضح الدرس التعليمي إنشاء عدة أمثلة: البحث على الويب والعمل مع نظام الملفات والحسابات المخصصة. يتم اختبار كل مهارة بشكل منعزل قبل توصيلها بالوكيل — وهذا يبسط بشكل كبير تصحيح الأخطاء وتحديد موقع الأخطاء. بالإضافة إلى المهارات، يمكن لمساحة العمل أن تحتوي على ملفات معرفة محلية: مستندات markdown وخطط JSON وجداول CSV. يصل الوكيل إليها من خلال آلية RAG المدمجة بدون تكوين إضافي، مما يجعل QwenPaw مريحة لإنشاء مساعدين متخصصين لمجالات محددة.

«الهدف من

QwenPaw هو إعطاء المطور سقالة جاهزة، حيث يكون كل مكون من مكونات الوكيل معزولاً وسهل الاختبار بشكل منفصل،» — تنص وثائق المشروع.

وحدة التحكم والاختبار مع البث

بعد إعداد مساحة العمل، يوضح الدرس التعليمي كيفية تشغيل وحدة تحكم الوكيل المدمجة. تقبل طلبات نصية وتمررها إلى الوكيل وتعيد استجابة في وضع البث — يظهر النص أثناء توليده، تماماً كما في واجهات ChatGPT أو Claude. يكون وضع البث مفيداً بشكل خاص للتصحيح: تعرض وحدة التحكم خطوات الوكيل الوسيطة — اختيار المهارة وحجج الاستدعاء والنتائج الوسيطة والإجابة النهائية. هذا يسرع من العثور على المشاكل في منطق الوكيل مقارنة بفحص المخرجات النهائية. بالإضافة إلى وضع وحدة التحكم، توفر QwenPaw نقاط نهاية API REST للتكامل مع التطبيقات الخارجية. يتم دعم كل من طلب الاستجابة المتزامن وأحداث الخادم المرسلة للبث في الوقت الفعلي.

ما الذي يعنيه هذا

تحل QwenPaw مشكلة شائعة في تطوير الوكلاء: يتم قضاء الكثير من الوقت في البنية الأساسية بدلاً من منطق التطبيق. تسمح السقالة الجاهزة مع الدعم لعدة مزودين والبث والمهارات المعيارية و RAG المدمج بالانتقال إلى اختبار الأفكار في ساعات بدلاً من الأيام. يقلل تنسيق Google Colab من حاجز الدخول إلى الحد الأدنى — بدون تثبيتات محلية وإعداد البيئة المطلوب.