تبدأ 23 نوفمبرالدفعة المباشرة 3 من Vibe Coding ووكلاء الذكاء الاصطناعي: 3 أسابيع و9 جلسات حيةالدفعة 3 (23.11) →
إصدارتحليل · على الرادارLangChain Blog→ المصدر

New Computer ترفع دقة البحث في ذاكرة الوكيل الذكي بنسبة 50% بفضل LangSmith

New Computer شركة ناشئة تبني مساعدًا شخصيًا بالذكاء الاصطناعي يتمتع بذاكرة طويلة الأمد. ورفع فريقها دقة البحث في هذه الذاكرة بنسبة 50% باستخدام أداة المراقبة LangSmith. يكمن السر في وضع مقارنة الاختبارات، إذ ساعد الفريق على رصد حالات التراجع قبل وصول التغييرات إلى بيئة الإنتاج، وعلى تعديل البرومبتات بسرعة. والنتيجة أن الوكيل صار أكثر موثوقية بمرتين في العثور على السياق المطلوب من المحادثات السابقة.

معالج بواسطة الذكاء الاصطناعي من LangChain Blog؛ بتحرير Hamidun News
New Computer ترفع دقة البحث في ذاكرة الوكيل الذكي بنسبة 50% بفضل LangSmith
المصدر: LangChain Blog. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليLangChain Blog ↗
رئيس التحرير
Comparison View — مقارنة بصرية بين تشغيلينيظهر فيها أي السيناريوهات تحسّنت وأيها تراجعت
حقيقة رئيسية #2تتبع حالات التراجع — رصد تلقائي للحالات التي يخسر فيها الإصدار الجديد أمام السابق
حقيقة رئيسية #3دورة تكرار سريعة — تعديل البرومبت ← تشغيل الاختبار ← مقارنة النتائج ← قبول التغيير أو التراجع عنه

حققت شركة New Computer الناشئة زيادة بنسبة 50% في دقة البحث ضمن نظام ذاكرة الوكيل الذكي، بعد أن اعتمدت على أداة المراقبة LangSmith. ولا يعود هذا النجاح إلى بنية جديدة، بل إلى منهجية منضبطة في اختبار البرومبتات.

لماذا تحتاج الوكلاء إلى ذاكرة طويلة الأمد

منتج New Computer هو مساعد شخصي بالذكاء الاصطناعي يتذكر المستخدم فعلًا: تفضيلاته ومحادثاته السابقة وعاداته وسياق حياته. ويختلف هذا النهج جوهريًا عن روبوت الدردشة التقليدي الذي يبدأ في كل مرة من الصفر.

يمثل تنفيذ الذاكرة طويلة الأمد مهمة معقدة من الناحية التقنية. فلا يمكن ببساطة حفظ كل ما يقوله المستخدم وإرساله في كل مرة إلى سياق النموذج، لأن حجم البيانات يتزايد، وتكلفة الطلبات تجعل هذا الأسلوب غير قابل للاستمرار. لذلك تُبنى أنظمة الذاكرة على مبدأ البحث: إذ تُستخرج من القاعدة المتراكمة المقاطع ذات الصلة فقط.

ومن هنا يبرز مقياس recall (اكتمال الاسترجاع): أي عدد المرات التي ينجح فيها النظام في إيجاد الذكريات التي يحتاجها المستخدم في تلك اللحظة تحديدًا. ويعني انخفاض recall أن الوكيل «لا يتذكر» تفاصيل مهمة حتى حين تكون موجودة في القاعدة. وبالنسبة إلى مساعد شخصي، تُعد هذه مشكلة حرجة.

ما الذي قدمته LangSmith

LangSmith أداة مراقبة من LangChain: فهي تسجل كل خطوة في عمل تطبيق LLM، وتتيح إنشاء مجموعات بيانات اختبارية، ومقارنة إصدارات النظام عبر واجهة واضحة. وبنى فريق New Computer عملية تكرارية حول عدة وظائف:

  • Comparison View — مقارنة بصرية بين تشغيلين: يظهر فيها أي السيناريوهات تحسّنت وأيها تراجعت
  • تتبع حالات التراجع — رصد تلقائي للحالات التي يخسر فيها الإصدار الجديد أمام السابق
  • دورة تكرار سريعة — تعديل البرومبت ← تشغيل الاختبار ← مقارنة النتائج ← قبول التغيير أو التراجع عنه
  • تسجيل المحادثات — ساعد السجل الكامل للطلبات في كشف الأنماط التي فشل فيها البحث في الذاكرة

أهم ما اكتشفه الفريق أنه من دون مقارنة منظمة كانت حالات التراجع غير مرئية. فحين كان البرومبت يحسّن بعض السيناريوهات، كان يُفسد غيرها دون أن يلاحظ أحد. وجعلت LangSmith هذه الأعطال ظاهرة فورًا، قبل وصول التغييرات إلى بيئة الإنتاج.

من الحدس إلى نتائج قابلة للقياس

قبل اعتماد LangSmith، كان الفريق يعمل بمبدأ «جرّبنا — يبدو أنه أفضل». ولم تسمح التقييمات الذاتية بمقارنة الإصدارات بثقة: متغيرات كثيرة جدًا وبيانات قابلة للقياس قليلة جدًا.

وبعد الانتقال إلى الاختبار المقارن، صار كل تغيير في البرومبت يمر عبر مجموعة من السيناريوهات الاختبارية. وكانت النتائج تُسجَّل وتُقارَن بالإصدار السابق، ولا تُعتمد التغييرات إلا بعد تأكيد التحسن. وهكذا تحولت حالات التراجع من «شيء ما تعطل» عشوائيًا إلى مشكلة يمكن تشخيصها والتحكم فيها.

وكانت النتيجة ارتفاع recall بنسبة 50%: فقد صار الوكيل يعثر على الذكريات ذات الصلة من المحادثات السابقة أكثر بمرة ونصف. وبالنسبة إلى مساعد شخصي تُقاس قيمته بجودة ذاكرته، يمثل هذا تحسنًا جوهريًا في المنتج.

ماذا يعني ذلك

تُظهر حالة New Computer أن جودة منتج الذكاء الاصطناعي اليوم لا تحددها البنية أو اختيار النموذج الأساسي فحسب، بل نظام المراقبة أيضًا. فالفرق التي ترى حالات التراجع لديها في الوقت الفعلي تكرر أسرع، وينعكس ذلك مباشرة على المقاييس. وتنقل أدوات مثل LangSmith تطوير تطبيقات LLM من وضع «يبدو أنه يعمل» إلى وضع التحسينات القابلة للقياس وإعادة الإنتاج.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول لماذا تحتاج الوكلاء إلى ذاكرة طويلة الأمد؟

منتج New Computer هو مساعد شخصي بالذكاء الاصطناعي يتذكر المستخدم فعلًا: تفضيلاته ومحادثاته السابقة وعاداته وسياق حياته. ويختلف هذا النهج جوهريًا عن روبوت الدردشة التقليدي الذي يبدأ في كل مرة من الصفر. يمثل تنفيذ الذاكرة طويلة الأمد مهمة معقدة من الناحية التقنية. فلا يمكن ببساطة حفظ كل ما يقوله المستخدم وإرساله في كل مرة إلى سياق النموذج، لأن حجم البيانات يتزايد، وتكلفة الطلبات تجعل هذا الأسلوب غير قابل للاستمرار. لذلك تُبنى أنظمة الذاكرة على مبدأ البحث: إذ تُستخرج من القاعدة المتراكمة المقاطع ذات الصلة فقط.

ما أبرز التفاصيل حول ما الذي قدمته LangSmith؟

LangSmith أداة مراقبة من LangChain: فهي تسجل كل خطوة في عمل تطبيق LLM، وتتيح إنشاء مجموعات بيانات اختبارية، ومقارنة إصدارات النظام عبر واجهة واضحة. وبنى فريق New Computer عملية تكرارية حول عدة وظائف: Comparison View — مقارنة بصرية بين تشغيلين: يظهر فيها أي السيناريوهات تحسّنت وأيها تراجعت تتبع حالات التراجع — رصد تلقائي للحالات التي يخسر فيها الإصدار الجديد أمام السابق دورة تكرار سريعة — تعديل البرومبت ← تشغيل الاختبار ← مقارنة النتائج ← قبول التغيير أو التراجع عنه تسجيل المحادثات — ساعد السجل…

ما أبرز التفاصيل حول من الحدس إلى نتائج قابلة للقياس؟

قبل اعتماد LangSmith، كان الفريق يعمل بمبدأ «جرّبنا — يبدو أنه أفضل». ولم تسمح التقييمات الذاتية بمقارنة الإصدارات بثقة: متغيرات كثيرة جدًا وبيانات قابلة للقياس قليلة جدًا. وبعد الانتقال إلى الاختبار المقارن، صار كل تغيير في البرومبت يمر عبر مجموعة من السيناريوهات الاختبارية. وكانت النتائج تُسجَّل وتُقارَن بالإصدار السابق، ولا تُعتمد التغييرات إلا بعد تأكيد التحسن. وهكذا تحولت حالات التراجع من «شيء ما تعطل» عشوائيًا إلى مشكلة يمكن تشخيصها والتحكم فيها.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…