AWS توضح كيف تؤتمتة Amazon Nova Act مراقبة أسعار المنافسين
عرضت AWS حالة استخدام لـ Amazon Nova Act حيث يقوم الوكيل بفتح مواقع المنافسين بشكل مستقل والبحث عن المنتج المطلوب وجمع الأسعار مع العروض الترويجية في جدول…
معالج بواسطة الذكاء الاصطناعي من AWS Machine Learning Blog؛ بتحرير Hamidun News
مراقبة أسعار المنافسين لم تعد بحاجة إلى أن تتم يدويًا: أظهرت AWS كيفية بناء وكيل بناءً على Amazon Nova Act يفتح تلقائيًا مواقع تجار التجزئة، ويجد المنتج المطلوب، ويستخرج الأسعار والشروط الترويجية ويجمع كل شيء في نتيجة منظمة. الفكرة بسيطة: بدلاً من الموظفين الذين يقضون ساعات في التبديل بين علامات التبويب والجداول الإلكترونية، تحصل الشركة على حلقة مراقبة سوق شبه مستمرة ويمكنها اتخاذ قرارات التسعير بناءً على بيانات حديثة. تصف AWS المشكلة النموذجية التي تواجهها فرق التجارة الإلكترونية: لفهم كيفية تصرف المنافسين، يجب التحقق بشكل منتظم من عشرات صفحات المنتجات، وتسجيل الأسعار والخصومات وفترات الترويج يدويًا، ثم نقل هذه البيانات إلى جداول البيانات.
هذه العملية بطيئة، ولا تتسع بكفاءة، وتنتج حتماً أخطاء في إدخال البيانات. إذا تغيرت أسعار السوق عدة مرات يوميًا، فحتى التأخير لبضع ساعات يحول التحليل إلى سجل تاريخي بدلاً من أداة لاتخاذ قرارات سريعة. تشير AWS بشكل خاص إلى أن المشكلة نفسها موجودة ليس فقط بالنسبة لتجار التجزئة عبر الإنترنت، بل أيضًا لشركات التأمين والبنوك وشركات السفر والفنادق، حيث توجد حاجة مستمرة لمقارنة عروض المنافسين.
العنصر الأساسي للحل هو Amazon Nova Act، وهي مجموعة أدوات مفتوحة المصدر لأتمتة المتصفح تتحكم بها تعليمات اللغة الطبيعية. يقوم المطور بتجميع سير عمل في Python من إجراءات صغيرة: فتح موقع ويب، البحث عن منتج، الانتقال إلى صفحة المنتج، استخراج الحقول المطلوبة، التحقق من الشروط، معالجة الأخطاء أو إضافة توقف. بخلاف السيناريوهات الصارمة القائمة على محددات CSS، تم تصميم هذا الأسلوب للمواقع المباشرة حيث تتغير الصور الإعلانية والكتل الترويجية وترتيب العناصر والملاحة باستمرار.
لاستخراج البيانات، توصي AWS باستخدام act_get() مع مخطط Pydantic بحيث يعيد الوكيل هيكلاً تم التحقق من صحته وتحديد نوعه، مناسباً للتحميل لاحقاً في الأنظمة الداخلية أو لوحات معلومات أو نماذج تسعير. يتم التركيز بشكل خاص على قابلية التوسع. تعمل نسخة واحدة من Nova Act مع متصفح واحد، لكن يمكن تشغيل نسخ متعددة بالتوازي.
في مثال AWS، يتم استخدام ThreadPoolExecutor وتوزيع التحقق عبر مصادر متعددة في نفس الوقت. من الناحية العملية، هذا يعني أن الوكيل يمكن أن يغطي Amazon و Target و Best Buy و Costco أو أي مجموعة أخرى من مواقع الويب في مسار واحد، ثم يجمع النتيجة الإجمالية في جدول واحد. في السيناريو التوضيحي، يوفر المستخدم اسم المنتج ورمز SKU، وعندها يبحث الوكيل عن بطاقة منتج ذات صلة، ويميز نتائج الإعلانات عن النتائج العضوية، ويستخرج السعر وتفاصيل العرض الترويجي والتوفر والبيانات الوصفية الإضافية.
يتم تسجيل النتيجة في ملف CSV بحيث يمكن تغذيتها لنظام ذكاء الأعمال أو واجهة برمجة تطبيقات داخلية أو منطق التسعير الديناميكي. لا تتجاهل AWS القيود العملية. إذا عرض الموقع اختبار CAPTCHA، لا تحاول Nova Act حله تلقائياً.
بدلاً من ذلك، يمكن لسير العمل اكتشاف وجود اختبار CAPTCHA والتوقف حتى يتمكن الإنسان من إكمال التحقق يدويًا. للتنفيذ المحلي، يتم تقديم وضع الواجهة الظاهرة، وفي السيناريو السحابي — تدخل بشري عبر أداة مستعرض AgentCore مع تحكم الواجهة في وحدة تحكم AWS. بالإضافة إلى ذلك، تعيد الخدمة الأخطاء كـ ActError، مما يتيح إعادة المحاولات وفروع بديلة والتسجيل السليم.
للتطوير، توصي AWS باستخدام امتدادات Kiro و VS Code و Cursor، وللمراقبة — وحدة تحكم Nova Act مع تتبعات وصور شاشة وسجلات وقطع أثرية في Amazon S3. ما يعنيه هذا: تسوق AWS لـ Nova Act ليس كعرض توضيحي "لوكيل من أجل الوكيل"، بل كطبقة تطبيق لعمليات ويب روتينية حيث تهم السرعة والقابلية للتكرار والحجم. بالنسبة للتجزئة، هذا طريق مباشر من المراقبة اليدوية إلى المراقبة الشبه المستمرة لأسعار المنافسين.
بالنسبة للصناعات الأخرى، الرسالة هي نفسها: إذا كانت بيانات المنافسين لا تزال يتم جمعها من خلال علامات التبويب و Excel، فإن وكلاء المتصفح بدأت تبدو ليس كتجربة، بل كأداة عملية.
هل تريد التوقف عن قراءة الذكاء الاصطناعي والبدء باستخدامه؟
AI News هو موجز منسق لأخبار الذكاء الاصطناعي. تعلمك Hamidun Academy استخدام الذكاء الاصطناعي في عملك.