LangChain تحدّث LangSmith: مساعد مناوبة لتنبيهات الأعطال، وتصحيح صوتي للتتبعات، وأداة Deep Agents Rubrics

نشرت LangChain نشرتها الشهرية لشهر يونيو، وجمعت فيها أهم تحديثات منصة LangSmith، ونظام تقييم الوكلاء الجديد Deep Agents Rubrics، ودورة تعليمية حول النشر والتشغيل، وإعلانًا عن فعاليات حضورية في النصف الثاني من العام.

مساعد مناوبة لتنبيهات الأعطال

التحديث المحوري في LangSmith هذا الشهر هو Fleet on-call copilot، وهو أداة لفرز التنبيهات بسرعة في الأنظمة القائمة على الوكلاء. تساعد الأداة مهندس المناوبة على الوصول إلى جوهر الحادث بسرعة: فهي تجمع السياق من التتبعات، وتحلل أنماط الأخطاء، وتقترح السبب الأرجح للعطل دون الحاجة إلى مراجعة مئات الأسطر من السجلات يدويًا.

وهذه مشكلة مألوفة لأي فريق يشغّل وكلاء في بيئة الإنتاج: كلما زاد تعقيد النظام القائم على الوكلاء، صعب تحديد موضع الخلل بدقة. فقد ينشأ الخطأ في الموجّه (prompt)، أو في إحدى الأدوات، أو في آلية الذاكرة طويلة الأمد، أو في منطق تنسيق عدة وكلاء في وقت واحد. ويضيّق Fleet on-call copilot نطاق البحث، ويقلّص الوقت بين أول تنبيه وفهم سببه.

ميزات جديدة للمطورين

إلى جانب مساعد المناوبة، أضافت LangSmith أربع ميزات عملية:

• Computer use للوكلاء — بات بإمكان الوكلاء التفاعل مع واجهة الحاسوب مباشرة: النقر على الأزرار، وملء حقول النماذج، وقراءة محتوى الشاشة في الوقت الفعلي
• تصحيح التتبعات صوتيًا — يستطيع المطورون إعادة تشغيل التفاعلات الصوتية داخل واجهة LangSmith مباشرة، ومعرفة الموضع الدقيق الذي أخطأ فيه الوكيل في تفسير الكلام
• تتبع حالة التجارب — تعرض لوحة معلومات جديدة سير عمليات الاختبار الطويلة دون الحاجة إلى فحص كل تشغيل يدويًا
• الوكلاء الفرعيون البرمجيون — إمكانية تشغيل سلاسل وكلاء متداخلة مباشرة من الشيفرة دون إعداد طبقة التنسيق يدويًا

تلبّي التحديثات الأربعة احتياجات هندسية محددة، وجاءت بناءً على طلبات فرق تشغّل أنظمة الوكلاء فعليًا في بيئة الإنتاج، لا فرق تكتفي ببناء نماذج أولية.

Deep Agents Rubrics والتدريب

أعلنت LangChain عن Deep Agents Rubrics، وهو نظام معايير منظّمة لتقييم الوكلاء المعقّدين متعددي الخطوات. ويأتي ذلك استجابةً لمشكلة قديمة في القطاع: كيف نقيس جودة وكيل يحل مهمة غير خطية على عدة مراحل بموضوعية؟ فالمقاييس البسيطة من نوع «نجح / لم ينجح» لا تكفي هنا.

تقترح الرُّبريكات تقسيم السيناريو المعقّد إلى مهام فرعية قابلة للتقييم، ومنح درجات عن كل منها. وهذا مفيد بوجه خاص عند المقارنة بين إصدارات مختلفة من الوكيل، أو عند الاختيار بين مقاربات معمارية، مثل وكيل منسّق كبير واحد في مقابل عدة وكلاء منفّذين متخصصين. ويساعد التقييم المنظّم على اتخاذ قرارات هندسية مدروسة، بدل الاعتماد على انطباع ذاتي من نوع «يبدو أنه يعمل بشكل أفضل».

وبالتوازي صدرت دورة جديدة حول نشر LangSmith لمن يريد الانتقال من النموذج الأولي الأول إلى نشر إنتاجي متكامل. وتقرر تنظيم فعاليات حضورية في النصف الثاني من عام 2026 في شيكاغو وبرلين وواشنطن ولاس فيغاس.

ماذا يعني ذلك

تؤكد تحديثات LangSmith في يونيو تحوّلًا مهمًا: ينتقل مركز ثقل القطاع من تطوير الوكلاء إلى تشغيلهم بموثوقية. فمساعد المناوبة، وتتبع الصوت، ورُّبريكات التقييم ليست أدوات لبناء النماذج الأولية، بل بنية تشغيلية لفرق تعمل وكلاؤها في بيئة إنتاج حقيقية. وينتقل وكلاء الذكاء الاصطناعي من مرحلة التجربة إلى مرحلة الانضباط الهندسي.