حزمة مفتوحة المصدر من 6 نماذج و9 وكلاء تُظهر كيف تُبنى فرقة ذكاء اصطناعي على خادم واحد

يستطيع فريق مستقل من تسعة وكلاء ذكاء اصطناعي أن يصمّم وكلاء جدداً ويكتبهم ويختبرهم وينشرهم دون تدخل بشري. ولا يحتاج هذا إلى مجموعة من واجهات API المغلقة: فالمخطط مبني على ستة نماذج مفتوحة المصدر، ويتسع في صيغته الأساسية لخادم GPU واحد.

كيف يعمل الفريق

بدلاً من نموذج «شامل» واحد، بنى المؤلف خط إنتاج من تسعة أدوار. يتولى بعض الوكلاء صياغة المهمة والبنية المعمارية، ويتولى آخرون كتابة الشيفرة وفحص الجودة والاختبار والنشر. والنتيجة ليست مساعداً واحداً كبيراً، بل مؤسسة هندسية صغيرة ينجز كل عضو فيها جزءاً ضيقاً من العمل.

ويقلّل هذا النهج الفوضى: فلا يحتاج الوكيل إلى تخطيط النظام وكتابة الوحدات وتشغيل الاختبارات وتقييم أخطائه في آنٍ واحد. والفكرة المحورية أن الاستقلالية لا تتحقق بالسحر، بل بتقسيم العملية إلى مراحل. فإذا كان الوكيل يفهم مرحلته فقط، ويتلقى مهمة منظّمة مسبقاً، تصبح متطلبات النموذج أوضح. فالمنسّق يجب أن يجيد الاستدلال والاحتفاظ بالسياق، والباني أن يولّد الشيفرة بثبات، والناقد أن يرصد المشكلات في استخدام الأدوات وفي سيناريوهات التنفيذ. لذلك لا يأتي المكسب من نموذج خارق واحد، بل من تجميع دقيق للأدوار في خط إنتاج عملي.

الأدوار والمعايير المرجعية

يرفض المؤلف صراحةً فكرة «أفضل نموذج على الإطلاق». وبدلاً من ذلك تُختار الأدوار بحسب ما تؤكده المعايير المرجعية (benchmarks). فالمنسّق يحتاج إلى الاستدلال، لذا يُعتمد معيار GPQA بنتيجة 88,4%. أما الباني فتوليد الشيفرة حاسم لديه، ويُنظر هنا إلى HumanEval بنتيجة 92,7%. وللناقد يكتسب فهم استخدام الأدوات وسلوك الوكلاء في المهام أهمية أكبر، لذلك يُؤخذ في الحسبان tau-bench بنتيجة 87,4%. ولهذا التخصص تحديداً تُستخدم ستة نماذج مفتوحة المصدر مختلفة بدلاً من نموذج واحد من فئة GPT لكل الحالات.

• المنسّق — استدلال قوي، وترتيب الأولويات، وتفكيك المهام
• الباني — توليد الشيفرة وإنجاز سريع للتعديلات الهندسية
• الناقد — فحص استخدام الأدوات وجودة الحلول ونقاط الضعف في خط الإنتاج
• بقية الأدوار — الاختبارات والنشر والمراحل المساندة، حيث يمكن إعادة استخدام نسخ مشتركة

ومع ذلك، لا يعني وجود تسعة وكلاء وجود تسعة نماذج كاملة في الذاكرة في الوقت نفسه. ومن الحيل العملية مشاركة النسخ: إذ تتشارك عدة أدوار النموذج نفسه إذا تشابهت أحمال عملها وطبيعة مهامها. وبذلك يمكن لنظام من تسعة وكلاء أن يعمل على ثلاث أو أربع نسخ نماذج فقط. وهذا يخفّض استهلاك VRAM بشكل حاد، ويبسّط الصيانة، ويقرّب البنية من الإنتاج الفعلي بدلاً من عرض توضيحي بميزانية مفتوحة.

العتاد والتشغيل

ويلفت الجانب المتعلق بالبنية التحتية الانتباه بصورة مستقلة. يصف المؤلف ثلاث تهيئات للنشر: من بطاقة RTX 4090 واحدة بذاكرة 24 غيغابايت إلى عنقود من A100 بإجمالي 211 غيغابايت. وبين هذين الطرفين يمكن اختيار التوازن بين السرعة والجودة والتوازي.

ولخفض التكلفة تُستخدم الكمّية (quantization)، وبنية استدلال (inference) مدروسة، ولوحة معلومات تفاعلية تساعد على متابعة الأدوار والأحمال وسير المهام. أي أن الأمر لا يقتصر على اختيار النماذج، بل يشمل بيئة تشغيل سليمة لها.

والخلاصة العملية بسيطة: لم تعد الوكالة (agentic) المفتوحة المصدر لعبة مختبرات. فبعد أن ارتبطت مثل هذه المخططات إما بواجهات API باهظة وإما بعناقيد ثقيلة، يعرض هذا النموذج مساراً أكثر واقعية للانطلاق. يمكن لفريق صغير أن يبدأ بخادم واحد، ويتحقق من جدوى خط الإنتاج، ثم يوسّعه مع نمو المهام. وقد باتت التكلفة تبدو خياراً هندسياً، لا عائقاً يُقصي معظم الفرق منذ البداية.

ماذا يعني ذلك

يتحرك السوق من فكرة نموذج «سحري» واحد نحو أنظمة موجّهة بالأدوار، حيث يهمّ التركيب الصحيح أكثر من الاسم اللامع في واجهة API. وهذه إشارة للشركات: يمكن اليوم بناء فرق ذكاء اصطناعي مستقلة من مكوّنات مفتوحة المصدر، شرط التعامل معها بوصفها بنية تحتية وعملية، لا نافذة دردشة واحدة.