JEV يستبدل التوليد متعدد الخطوات بقرار واحد مُصنَّف الأنواع

غالبًا ما يعمل النموذج اللغوي الكبير داخل وكيل الذكاء الاصطناعي كأنه أستاذ جامعي استُدعي لفرز الطلبات في ثلاثة مجلدات. فهو يتلقى سجل المهمة، ويعيد قراءة السياق، ثم يولّد الإجابة تباعًا، مع أن النظام لا يحتاج سوى اختيار واحد: استدعاء البحث، أو فحص واجهة API، أو تحويل الطلب إلى إنسان.

يقترح JEV من TypeSafe AI فصل هذه القرارات القصيرة عن توليد النصوص. يتلقى النموذج حالة النظام ومجموعة أسئلة موصوفة مسبقًا، ويعيد إجابات مُصنَّفة الأنواع: خيارًا محددًا، أو تقييمًا على مقياس، أو احتمال «نعم». والمهم للمطوّر هنا ليس سحرًا جديدًا، بل أسلوب معماري: يتولى النموذج اللغوي الكبير المكلف التحليل والنص، بينما يتولى مكوّن مدمج التوجيه.

كيف يبدو ذلك في حلقة الوكيل

لنتخيل دعم متجر إلكتروني. يكتب عميل: «Stripe لا يتصل منذ ثلاثة أيام، وأنا أخسر مبيعات». على الوكيل تحديد درجة الاستعجال والخطوة التالية.

قد يتلقى النموذج اللغوي التقليدي موجّه نظام ووصفًا للأدوات ومخطط JSON، ثم يولّد كائنًا مثل urgent مع تفسير. أما JEV فيعمل بطريقة مختلفة: يمرّر المطوّر السياق وأسئلة مع الأنواع المتوقعة. تختار الأداة الأولية Choice خيارًا واحدًا من قائمة، وتضع Score تقييمًا، وتعيد Noul احتمال صحة عبارة ما. ويمكن معالجة عدة أسئلة مستقلة حول سياق واحد في طلب واحد.

تدخل النتيجة مباشرة في المنطق البرمجي المعتاد. فإذا تجاوز احتمال وجود حادث حرج العتبة المحددة، يُحوَّل الطلب إلى مشغّل بشري. وإذا كان أقل منها، يبحث الوكيل عن الإجابة في قاعدة المعرفة. وفي المنطقة الحدّية يمكن استدعاء النموذج اللغوي الكبير أو طلب معلومات إضافية.

لا يحل هذا المكوّن محل الوكيل بأكمله. فهو يتولى تفرعًا ضيقًا داخل حلقة «الملاحظة — القرار — الإجراء»، وبعده تواصل العمل واجهات API وRAG والأدوات أو النموذج التوليدي.

أين تظهر الفائدة العملية

المرشح الرئيسي هو العمليات ذات المجموعة المحدودة من النتائج الممكنة: تصنيف التذاكر، واختيار الأداة، وتقييم الاستعجال، وفحص الحاجة إلى التصعيد. وهنا يكون التوليد الحر زائدًا عن الحاجة فعلًا.

تتكوّن الفائدة من ثلاثة أجزاء. أولًا، للإجابة نوع محدد مسبقًا، فلا حاجة إلى استخراج JSON من النص. ثانيًا، يمكن طلب عدة تقييمات معًا. ثالثًا، لا يُستدعى النموذج الكبير إلا حيث يلزم الاستدلال أو التركيب أو نص جيد.

لا ينبغي خلط JEV مع RAG أو reranker. فـ RAG مخطط لجلب سياق خارجي، وreranker يرتب المستندات المعثور عليها بحسب صلتها بالاستعلام، بينما يختار JEV إجراءً أو يقيّم حالة. ويمكن للمكوّنات الثلاثة العمل في نظام واحد: يقرر JEV الرجوع إلى قاعدة المعرفة، ويجد RAG المقاطع، ويختار reranker أفضلها.

ما الذي يجب فحصه قبل الاعتماد

الإجابة المُصنَّفة الأنواع لا تعني إجابة صحيحة. يبدو الرقم 92% مقنعًا، لكنه من دون معايرة على بياناتكم قد لا يعكس جيدًا معدل الأخطاء الفعلي. ويزداد الخطر عند ربط هذا التقييم تلقائيًا بالمدفوعات أو حظر الحسابات أو غيرها من الإجراءات التي لا رجعة فيها.

ابدؤوا بالوضع الخفي: سجّلوا قرارات JEV دون تنفيذها تلقائيًا. وقارنوا النموذج بقواعد بسيطة وبنموذج لغوي كبير مدمج وبجهاز التوجيه الحالي من حيث الدقة وزمن الاستجابة والتكلفة ونسبة التصعيد. وقيسوا الأخطاء بشكل منفصل في السيناريوهات النادرة والمكلفة.

إذا كان if/else يحل المهمة بموثوقية، فلا حاجة إلى شبكة عصبية. أما إذا كانت الخيارات قليلة لكن القواعد تتضخم وتعتمد على معنى النص، فيصبح النموذج المتخصص مثيرًا للاهتمام. والخلاصة العملية بسيطة: ينبغي النظر إلى JEV لا بوصفه «قاتل النماذج اللغوية الكبيرة»، بل موجّهًا ضيق النطاق يعفي النموذج الكبير من القرارات الروتينية.