Design Anything يحافظ على البريف في المشاريع الكبيرة: +25% على 24 مخرجًا

الوكيل القادر على رسم شعار جيد واحد لا يُعد مصممًا بعد. فالمشروع الحقيقي يتألف من عشرات المخرجات المترابطة: شعار، ولوحة ألوان، وتغليف، ومحتوى لشبكات التواصل الاجتماعي، وعرض تقديمي. ويستند كل مخرج لاحق إلى قرارات المخرجات السابقة. وهنا تحديدًا تتعثر الوكلاء عادةً: عند الملف العشرين يكون البريف قد نُسي، ولم تعد الألوان متطابقة. اقترح فريق مؤلفي Design Anything إطار عمل يعالج هذه المشكلة على مستوى البنية. ومع نموذج LLM ثابت، ينفذ الإطار 85,0% من القيود الواقعية للبريف مع DeepSeek V4.1 Flash High، و92,5% مع GPT-5.6 Sol High. أما أقوى المخططات الأساسية على النماذج نفسها فتتأخر بنسبة 15,4% و14,4%. وفي أطول المهام يتسع الفارق إلى 25,1% و23,0%.

ذاكرة البريف تعيش في الرسم البياني لا في السياق

الفكرة بسيطة: لا ينبغي ترك القصد التصميمي داخل نافذة السياق الخاصة بالنموذج. فالنافذة تمتلئ، وتتلاشى التفاصيل، وتحل القرارات الحديثة محل القرارات المبكرة. لذلك ينقل Design Anything القصد إلى الخارج ويخزّنه في intent-execution graph. ويربط هذا الرسم البياني كل نتيجة بخطوة العملية التي أنتجتها.

تتكون الآلية من ثلاثة أجزاء:

• task contract يحفظ قيود المشروع والقرارات المتخذة فيه؛
• تصبح خيارات التصميم المختارة مدخلات صريحة للتوليدات اللاحقة؛
• وحدة تحكم حتمية تعتمد على الروابط وسجلات التنفيذ، فتتحقق من أنواع الملفات الناتجة وعددها، وتكشف البنود غير المكتملة، وتوجّه الخطوة التالية للوكيل.

الكلمة المفتاحية هنا هي «حتمية». فوحدة التحكم لا تطلب من النموذج أن يقيّم بصدق ما إذا كان كل شيء قد أُنجز، بل تعتمد على الحساب من السجلات. فإذا طلب البريف ستة مخرجات من نوع معين ولم يضم الرسم البياني إلا خمسة، يُسمّى المخرج الناقص ويُدرج في العمل. وبذلك يخرج من التحقق من الاكتمال أكثر عناصره اعتمادًا على غير الموثوق، أي التقرير الذاتي لنموذج LLM.

228 مهمة ومشاريع تصل إلى 24 مخرجًا

لإجراء الاختبار، أنشأ المؤلفون معيار DesignAnything-Bench. يضم المعيار 228 مهمة في 19 مجالًا تصميميًا، تشمل 38 عائلة مشاريع. وتتوفر كل عائلة بثلاثة أحجام: 6 و14 و24 مخرجًا. وتتيح هذه الشبكة رؤية كيف تتراجع الجودة مع نمو المشروع، بدلًا من الاكتفاء بمقارنة النماذج على صور منفردة.

جاءت النتيجة دالة. فكلما طال المشروع زاد مكسب إطار العمل: عند 24 مخرجًا يبلغ التفوق على أفضل مخطط أساسي 25,1% مع DeepSeek V4.1 Flash High و23,0% مع GPT-5.6 Sol High. فالمناهج الأساسية تتراجع مع زيادة عدد الملفات، بينما يحافظ الرسم البياني على المستوى. وإضافة إلى ذلك، يتصدر Design Anything مع كل من النموذجين، أو يتقاسم المركز الأول، في تنفيذ القيود في 18 مجالًا من 19. وهذا يشير إلى أن المكسب لا يعتمد على بضع فئات مناسبة.

وتتسم المقارنة بالإنصاف من زاوية مهمة: نموذج LLM ثابت. فلم يتحقق التحسن بتغيير النموذج، بل بفضل إطار العمل المحيط به وحده. ويبقى الفارق بين نموذج Flash وGPT-5.6 Sol قائمًا (85,0% مقابل 92,5%)، ما يعني أن القاعدة القوية لا تزال مهمة، لكن النموذج الأضعف مع إطار عمل جيد يقلّص المسافة بشكل ملحوظ.

وشمل التقييم البشر أيضًا. ففي تقييم أعمى، اختار مصممون محترفون مجموعات Design Anything الكاملة في أغلب الحالات، لا نتائج المخططات الأساسية على النماذج نفسها. أي أن المقاييس الآلية للقيود الواقعية تؤكدها أحكام المحترفين.

ما الذي يمكن نقله إلى خطوط الوكلاء لديكم

الاستنتاج العملي الرئيسي أوسع من التصميم. فأي عملية وكيلية طويلة تتألف نتيجتها من أجزاء متعددة متسقة تستفيد من الحالة الخارجية. وينطبق هذا على توليد الحملات التسويقية، والتوثيق، والواجهات، والدورات التعليمية، ومجموعات الاختبار. وتنتقل ثلاثة أساليب من هذا العمل تقريبًا دون تغيير:

• ثبّتوا القيود والقرارات المتخذة في عقد صريح، لا في سجل المحادثة؛
• مرّروا المخرجات المعتمدة إلى الخطوات التالية كمدخلات منظمة؛
• تحققوا من الاكتمال بالشيفرة، بمطابقة أنواع النتائج وعددها مع الخطة، لا بسؤال النموذج.

وبالنسبة لفرق المنتجات، هذه أيضًا حجة في نقاش الميزانية. فإذا رفع إطار العمل نموذج Flash المدمج إلى 85% من تنفيذ القيود، فيمكن عدم إسناد بعض المهام إلى أغلى نموذج. أما بالنسبة للاستوديوهات والوكالات فالاستنتاج مختلف: إذ تنتقل القيمة من التوليد الجميل المنفرد إلى إدارة المشروع بأكمله. والرابح هو من يستطيع ضمان أن جميع الملفات الـ24 المطلوبة في البريف قد أُنجزت وأنها متسقة فيما بينها.