Cisco تطلق FAPO مفتوح المصدر: تحسين تلقائي لمسارات LLM مع تشخيص عند كل خطوة
أتاحت Cisco Foundation AI الشيفرة المصدرية لـ FAPO، وهو نظام لتحسين مسارات LLM متعددة الخطوات تلقائيًا. تعمل الأداة عبر Claude Code: فهي تشغّل سلسلة من الموجّهات (prompts)، وتحدد الخطوة التي تتراجع فيها الدقة، وتقترح حلولًا على مستوى الموجّه أو المعلمات أو بنية السلسلة، ثم يتحقق من النتيجة مراجع مستقل. وفي اختبارات Cisco، تفوّق FAPO على GEPA في 15 مقارنة من أصل 18.
معالج بواسطة الذكاء الاصطناعي من MarkTechPost؛ بتحرير Hamidun News
أتاحت Cisco Foundation AI نظام FAPO مفتوح المصدر، وهو نظام لتحسين الموجّهات (prompts) تلقائيًا يعمل على مستوى المسار الكامل لا على مستوى طلب واحد. ويتولى Claude Code عملية التنسيق (orchestration)، فتتحول عملية الضبط إلى حلقة مستقلة بالكامل.
لماذا لا يكفي موجّه واحد
معظم منتجات الذكاء الاصطناعي الحديثة ليست طلبًا واحدًا إلى نموذج لغوي، بل سلسلة من الخطوات المترابطة: خطوة تستخرج البيانات، وثانية تصنّفها، وثالثة تستدل، ورابعة تولّد الإجابة النهائية. وعندما تنخفض الجودة الإجمالية، يصبح تحديد الخطوة التي تضيع فيها الدقة يدويًا مهمة طويلة وغير واضحة.
أنظمة تحسين الموجّهات القائمة، ومنها GEPA الشائع، تتعامل مع كل موجّه بمعزل عن غيره. فهي لا تأخذ في الحسبان كيف يؤثر تغيير خطوة واحدة في المدخلات وفي جودة الخطوات اللاحقة. أما FAPO فمبني على مبدأ مختلف جذريًا: إذ يرى المسار كاملًا ويحسّنه بوصفه منظومة مترابطة.
كيف تعمل حلقة التحسين
يعمل FAPO على أربع مراحل تتكرر على نحو تكراري:
- التشخيص: يشغّل النظام المسار على عيّنة اختبار ويقيس الدقة عند كل خطوة. وهكذا تُحدَّد الخطوة التي تفقد الجودة، وهو ما يسميه المطورون step-level failure attribution.
- توليد البدائل: للخطوة المشكلة، يقترح FAPO إصلاحات على ثلاثة مستويات في آن واحد: الموجّه (صياغة جديدة للتعليمات)، والمعلمات (temperature وtop-p)، وبنية السلسلة (إضافة خطوة أو حذفها).
- التحقق المستقل: يقيّم كل بديل وكيل LLM مراجع منفصل، يتخذ قراره بالاستناد إلى المقاييس فقط، بعيدًا عن انحياز صاحب التعديل.
- التكرار: تتكرر الحلقة حتى بلوغ الدقة المستهدفة أو نفاد ميزانية المحاولات.
ويؤدي Claude Code دور المنسّق: فهو يشغّل التشخيص بالتسلسل، ويستدعي مولّدات البدائل، ويمرّر البيانات إلى المراجع، ويطبّق التعديلات المعتمدة. وكل ذلك يجري دون تدخل بشري.
الاختبارات المعيارية: FAPO مقابل GEPA
قارنت Cisco بين FAPO وGEPA، وهو أحد الأساليب الرائدة في التحسين التلقائي للموجّهات. وجاءت النتيجة مقنعة: فاز FAPO في 15 مقارنة من أصل 18 بحسب تركيبات «النموذج + المهمة».
«يكون نهج إسناد الأخطاء على مستوى الخطوات فعالًا بصورة خاصة حيث لا
تكون المشكلة محصورة في موجّه واحد، بل موزعة على عدة انتقالات في السلسلة»، بحسب ما يشير إليه المطورون في الوثائق التقنية.
وتكمن الميزة الأساسية لـ FAPO في السياق متعدد الخطوات تحديدًا: فـ GEPA وما يشبهه ينظر إلى كل موجّه على حدة. أما FAPO فيدرك أن مخرجات خطوة ما هي مدخلات الخطوة التالية، فيحسّن السلسلة مراعيًا هذه الاعتماديات. وهذا أمر حاسم في الأنظمة الوكيلية (agentic)، حيث يؤثر تغيير خطوة مبكرة تأثيرًا متسلسلًا في جميع الخطوات اللاحقة.
ماذا يعني ذلك
نشرت Cisco نظام FAPO بترخيص مفتوح، ويمكن نشره على مساراتك الخاصة منذ الآن. وبالنسبة للفرق التي تبني وكلاء ذكاء اصطناعي متعددي الخطوات، فهو وسيلة لأتمتة ما كان يستغرق أسابيع من التجريب اليدوي.
واختيار Claude Code محركًا للتنسيق إشارة لافتة: فأدوات الذكاء الاصطناعي المؤسسية تُبنى على نحو متزايد فوق منظومة Claude.
- 24 أكتوبر 2026مؤشر Harvey LAB-AA v1.1: نموذج Grok 4.7 يتصدر بنسبة 9.4% بعد إخضاعه لتدقيق الهلوسة
- 24 أكتوبر 2026وكلاء Anthropic يقدّمون 20 طلب تأشيرة عبر موقع وزارة الخارجية الأمريكية
- 24 أكتوبر 2026Meta تطلق Muse Wonder وWonder Full: مؤشر الذكاء يرتفع من 48 إلى 56
- 24 أكتوبر 2026Moonshot تطلق Kimi K3.1 Pro: نموذج مفتوح الأوزان بحجم 3T ونافذة سياق 1 مليون رمز
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول لماذا لا يكفي موجّه واحد؟
معظم منتجات الذكاء الاصطناعي الحديثة ليست طلبًا واحدًا إلى نموذج لغوي، بل سلسلة من الخطوات المترابطة: خطوة تستخرج البيانات، وثانية تصنّفها، وثالثة تستدل، ورابعة تولّد الإجابة النهائية. وعندما تنخفض الجودة الإجمالية، يصبح تحديد الخطوة التي تضيع فيها الدقة يدويًا مهمة طويلة وغير واضحة. أنظمة تحسين الموجّهات القائمة، ومنها GEPA الشائع، تتعامل مع كل موجّه بمعزل عن غيره. فهي لا تأخذ في الحسبان كيف يؤثر تغيير خطوة واحدة في المدخلات وفي جودة الخطوات اللاحقة. أما FAPO فمبني على مبدأ مختلف جذريًا: إذ يرى المسار كاملًا ويحسّنه بوصفه منظومة مترابطة.
ما أبرز التفاصيل حول كيف تعمل حلقة التحسين؟
يعمل FAPO على أربع مراحل تتكرر على نحو تكراري: التشخيص: يشغّل النظام المسار على عيّنة اختبار ويقيس الدقة عند كل خطوة. وهكذا تُحدَّد الخطوة التي تفقد الجودة، وهو ما يسميه المطورون step-level failure attribution. توليد البدائل: للخطوة المشكلة، يقترح FAPO إصلاحات على ثلاثة مستويات في آن واحد: الموجّه (صياغة جديدة للتعليمات)، والمعلمات (temperature وtop-p)، وبنية السلسلة (إضافة خطوة أو حذفها). التحقق المستقل: يقيّم كل بديل وكيل LLM مراجع منفصل، يتخذ قراره بالاستناد إلى المقاييس فقط، بعيدًا عن انحياز صاحب التعديل. التكرار: تتكرر الحلقة حتى بلوغ الدقة المستهدفة أو نفاد ميزانية ال
ما أبرز التفاصيل حول الاختبارات المعيارية: FAPO مقابل GEPA؟
قارنت Cisco بين FAPO وGEPA، وهو أحد الأساليب الرائدة في التحسين التلقائي للموجّهات. وجاءت النتيجة مقنعة: فاز FAPO في 15 مقارنة من أصل 18 بحسب تركيبات «النموذج + المهمة». «يكون نهج إسناد الأخطاء على مستوى الخطوات فعالًا بصورة خاصة حيث لا تكون المشكلة محصورة في موجّه واحد، بل موزعة على عدة انتقالات في السلسلة»، بحسب ما يشير إليه المطورون في الوثائق التقنية. وتكمن الميزة الأساسية لـ FAPO في السياق متعدد الخطوات تحديدًا: فـ GEPA وما يشبهه ينظر إلى كل موجّه على حدة. أما FAPO فيدرك أن مخرجات خطوة ما هي مدخلات الخطوة التالية، فيحسّن السلسلة مراعيًا هذه الاعتماديات. وهذا أمر حاسم ف
Build & Ship Production AI Apps with Vibe Coding
Join Zhemal Khamidun's hands-on Vibe Coding Intensive at hamidun.com/vibecoding — master Claude Code, Cursor, and autonomous agentic workflows.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.