مطوّر يحبس وكيل البرمجة في «قفص» YAML: 18 أداة و12 مهارة
يكتب وكيل البرمجة الكود جيدًا، لكنه يفسد أتمتة الأعمال بصمت عند التعديل العاشر: كأن يعيد كتابة الـ prompt دون أن يلاحظ أحد. وصف مؤلف AQVEN الـ workflow بصيغة YAML فوق Pydantic AI، ولم يسمح للوكيل بالوصول إلى الرسم البياني (graph) إلا عبر خادم MCP: 18 أداة و12 مهارة (تعليمات جاهزة). وتظهر الأخطاء منذ مرحلة البناء، كما في أدوات فحص الأنواع. وإذا كان الوكيل يكتب لكم خطوط عمل الذكاء الاصطناعي، فابنوا له أولًا بيئة صارمة.
معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
تخيّلوا أنكم كلّفتم وكيل برمجة ببناء أتمتة بالذكاء الاصطناعي لخدمة الدعم. تمرّ التعديلات الأولى بسلام. لكن عند التعديل العاشر أو الخامس عشر يعيد الوكيل كتابة الـ prompt دون أن يلاحظ أحد، أو يكسر خطوة مجاورة، ثم تعلمون بذلك من العميل.
قرر مؤلف أداة AQVEN معالجة هذه المشكلة على النحو الآتي. وُصف الـ workflow كله في ملفات YAML وMarkdown فوق إطار Pydantic AI (وهي مكتبة Python للعمل مع LLM). ولم يحصل الوكيل على إمكانية الوصول إلى الرسم البياني إلا عبر خادم MCP، أي مجموعة أدوات قياسية لوكلاء الذكاء الاصطناعي.
عدد هذه الأدوات 18، إضافة إلى 12 مهارة، أي تعليمات جاهزة للمهام النمطية. ويشكّل ذلك كله بيئة صارمة لا يخرج منها الوكيل. هذه تجربة هندسية شخصية وليست اختبار أداء (benchmark)، وهي مفيدة لمن يطلقون خطوط LLM إلى الإنتاج.
تنبيه مهم: المؤلف نفسه هو من يطوّر AQVEN. وهي wrapper فوق Pydantic AI بترخيص source-available. ولا توجد في المادة أرقام من قبيل «انخفضت الأخطاء بنسبة N%»، لذا فما يلي وصف لنهج، لا لأثر مثبت.
لماذا لا تنقذنا الأُطر الجاهزة
تدعم LangGraph وPydantic AI وCrewAI وMastra وVoltAgent البث (streaming) والفروع المتوازية والمخرجات المهيكلة بصيغة JSON ومخططات الإدخال. وتتوافر أيضًا أدوات المراقبة (observability)، أي تتبّع الاستدعاءات: Langfuse وLangSmith وArize Phoenix وBraintrust. ويرى المؤلف أن ذلك لا يكفي حين يكتب الوكيل الـ workflow.
يُبنى خط المعالجة المعقّد من أنماط مثل: map-reduce، وLLM-as-a-judge (يقيّم فيه نموذج ردود نموذج آخر)، وحلقة repair (إصلاح الرد الفاشل)، والتوليد المتفرّع والمتجمّع. وكل نمط يضاعف عدد الاستدعاءات. وبعد عدة تكرارات يضم الـ trace آلاف السجلات، وتقبل استدعاءات النماذج متعددة الوسائط أنواعًا مختلفة من البيانات. ويكاد يستحيل فهم ما تلقّاه النموذج فعليًا في المدخلات، خاصة حين يُجمَع الـ prompt من كمّ كبير من السياق. يعطيك الإطار الـ trace، لكنه لا يمنح الإنسان وسيلة لقراءته.
ثلاث طبقات: YAML وharness وStudio
الطبقة 1: workflow تصريحي. يقع الـ flow كله في ملفات Markdown وYAML، ولا يُستدعى الكود إلا حيث تدعو الحاجة. يُوصف الرسم البياني في ملف Flow: المدخل والمخرج والسياق وترتيب العقد. وفي مثال المؤلف حالة دعم لعلامة تجارية للإضاءة الذكية من 17 عقدة. وفيها تحليل المرفقات، والتصويت على نية العميل، ونموذج مع repair، وردّ من قاعدة المعرفة، ولوحة من القضاة (judges).
كل عقدة مجلد من ثلاثة ملفات. يحتوي .node.yaml على الروابط، ويحتوي .inference.yaml على عقد المدخل والمخرج بأنواعه وحدوده (مثلًا: نص لا يزيد على 4000 حرف، وما لا يزيد على 20 إشارة). ويُحفظ الـ prompt في *.prompt.md كقالب مع تفرّعات ومقاطع قابلة لإعادة الاستخدام. ولذلك تظهر الأخطاء في مرحلة البناء، كما في أداة فحص الأنواع الساكنة. ويتحقق الأمر aqven check من كل ملف، ويحاكي تشغيل كل flow باستخدام بدائل وهمية بدل النماذج. فلا حاجة إلى مفاتيح أو شبكة، ولا تُستهلك توكنات، ما يتيح تشغيل الفحص بعد كل تعديل.
الطبقة 2: harness للوكيل. هي البيئة التي يعيش فيها الوكيل ولا يخرج منها. وتشمل خادم MCP بـ18 أداة و12 مهارة. لا يعدّل الوكيل الرسم البياني بالكتابة المباشرة في الملفات، بل عبر الأداة flow_patch مع CAS: التعديل المبني على نسخة قديمة لا يُطبَّق ببساطة. وتشغّل hooks في Claude Code الأوامر aqven check وpyright وpytest تلقائيًا بعد كل تغيير. وتعرض الأداة prompt_preview الـ prompt الدقيق الذي جُمع للعقدة. أما أمثلة الاختبار المخصصة لتقييم النتيجة فلا تُسلَّم إلى الوكيل، ولا يمكنه تفصيل التعديل على مقاس الاختبارات. ويُنشئ الأمر aqven new مشروعًا جاهزًا مع AGENTS.md وCLAUDE.md و.mcp.json، فيصبح الوكيل جاهزًا للعمل دون إعداد.
الطبقة 3: Studio. قد يغيّر الوكيل ألف سطر دفعة واحدة، ويتعذّر مراجعة ذلك يدويًا. لذلك لا يعرض المصحّح (debugger) شجرة spans، بل بنية الـ flow: يظهر لكل عقدة نوعها وحالتها وتكلفتها ووقتها. وتتوسع الفروع المتداخلة على هيئة مصفوفات استدعاءات، وفي كل خلية النموذج والمدخل والـ prompt والمخرج ونتيجة التحقق.
ماذا يعني ذلك عمليًا
من زاوية التكاليف، ثمة أمران مفيدان. أولًا، يمكن تشغيل نطاق من العقد بدل الـ flow كله، بما في ذلك من المنتصف اعتمادًا على مخرجات التشغيلات السابقة. وهكذا تُعاد مراجعة خطوة واحدة دون دفع تكلفة خط المعالجة بأكمله. ثانيًا، تتيح لوحات التجارب مقارنة النماذج من حيث الجودة والسعر والسلوك في مواقف مختلفة. وهذا مهم للمدخلات متعددة الوسائط: فالنماذج تتصرف فيها بشكل مختلف ولها أعطالها الخاصة.
القيود واضحة. الأداة مرتبطة بمنظومة Pydantic AI ولغة Python، ومضبوطة أساسًا على Claude Code. والترخيص source-available، وليس open source تقليديًا. ولا توجد قياسات علنية للموثوقية. لكن الفكرة نفسها قابلة للنقل إلى مجموعات تقنية أخرى. فإذا كان الوكيل يكتب أتمتتكم، فامنحوه قناة تعديل ضيقة مع إدارة إصدارات، وفحصًا لا يستدعي النموذج، ومجموعة اختبارات مخفية عنه، وتحليلًا للتشغيل مقروءًا للإنسان. عندها يتحول إفساد الـ prompt الصامت إلى حالة حمراء عند البناء.
الكود والتوثيق متاحان على GitHub (lastonoga/AQVEN) وعلى موقع aqvenstudio.com.
- 21 نوفمبر 2026رياضي في Anthropic يعلن: Claude ساعد في إثبات فرضية ريمان خلال 6 أسابيع
- 21 نوفمبر 2026OpenAI تتيح ChatGPT Spaces لمشتركي Plus: مستندات تعاونية مع الذكاء الاصطناعي
- 21 نوفمبر 2026عمالقة التقنية الصينية تضاعف إنفاقها على الذكاء الاصطناعي إلى 139 مليار دولار، ومختبراتها تغطي أقل من 8% منه
- 21 نوفمبر 2026متصفح Ego lite يمنح كل وكيل ذكاء اصطناعي مساحة عمل خاصة به باسم Space
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول لماذا لا تنقذنا الأُطر الجاهزة؟
تدعم LangGraph وPydantic AI وCrewAI وMastra وVoltAgent البث (streaming) والفروع المتوازية والمخرجات المهيكلة بصيغة JSON ومخططات الإدخال. وتتوافر أيضًا أدوات المراقبة (observability)، أي تتبّع الاستدعاءات: Langfuse وLangSmith وArize Phoenix وBraintrust. ويرى المؤلف أن ذلك لا يكفي حين يكتب الوكيل الـ workflow. يُبنى خط المعالجة المعقّد من أنماط مثل: map-reduce، وLLM-as-a-judge (يقيّم فيه نموذج ردود نموذج آخر)، وحلقة repair (إصلاح الرد الفاشل)، والتوليد المتفرّع والمتجمّع. وكل نمط يضاعف عدد الاستدعاءات.
ما أبرز التفاصيل حول ثلاث طبقات: YAML وharness وStudio؟
الطبقة 1: workflow تصريحي. يقع الـ flow كله في ملفات Markdown وYAML، ولا يُستدعى الكود إلا حيث تدعو الحاجة. يُوصف الرسم البياني في ملف Flow: المدخل والمخرج والسياق وترتيب العقد. وفي مثال المؤلف حالة دعم لعلامة تجارية للإضاءة الذكية من 17 عقدة. وفيها تحليل المرفقات، والتصويت على نية العميل، ونموذج مع repair، وردّ من قاعدة المعرفة، ولوحة من القضاة (judges). كل عقدة مجلد من ثلاثة ملفات.
ما أبرز التفاصيل حول ماذا يعني ذلك عمليًا؟
من زاوية التكاليف، ثمة أمران مفيدان. أولًا، يمكن تشغيل نطاق من العقد بدل الـ flow كله، بما في ذلك من المنتصف اعتمادًا على مخرجات التشغيلات السابقة. وهكذا تُعاد مراجعة خطوة واحدة دون دفع تكلفة خط المعالجة بأكمله. ثانيًا، تتيح لوحات التجارب مقارنة النماذج من حيث الجودة والسعر والسلوك في مواقف مختلفة. وهذا مهم للمدخلات متعددة الوسائط: فالنماذج تتصرف فيها بشكل مختلف ولها أعطالها الخاصة. القيود واضحة. الأداة مرتبطة بمنظومة Pydantic AI ولغة Python، ومضبوطة أساسًا على Claude Code.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
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.