أضافت OpenClaw «dreaming» إلى وكلاء AI وقرّبتهم من الموظفين الرقميين

أضافت OpenClaw وضع "الأحلام" إلى وكلائها الذكية، والذي يعمل وفقاً لجدول زمني ويحول الملاحظات اليومية إلى ذاكرة طويلة المدى. تبدو الفكرة كاستعارة فعالة، لكنها في الأساس خطوة نحو وكلاء لا يستجيبون فقط للطلبات، بل يراكمون الخبرة ويغيرون السلوك بمرور الوقت.

لماذا تكون الذاكرة مهمة

كانت النقطة الضعيفة الرئيسية لمعظم وكلاء الذكاء الاصطناعي محبطة وغير سارة بطريقة إنسانية جداً: فقدان الذاكرة بعد كل جلسة. يمكن لنموذج حل مهمة، لكنه لا يتذكر ما حدث بالأمس، والحلول التي نجحت بالفعل، والتفضيلات التي يملكها المستخدم، والأخطاء التي من الأفضل عدم تكرارها. تجاوز المطورون هذه المشكلة برقع — غذوا المحادثات القديمة في السياق، وخزنوا الملاحظات في قواعس البيانات الخارجية، وجمعوا موجهات نظام طويلة مع تعليمات حول النمط والنبرة والسجل الوظيفي.

المشكلة هي أن هذا النهج لا يتسع بشكل جيد. نوافذ السياق في النماذج تستمر في النمو، لكن سجل العمل للوكيل ينمو بشكل أسرع. إذا ساعد وكيل لأسابيع أو أشهر، فلا يمكنك الاستمرار في "إعادة بنائه" من السجلات الخام.

بهذا المعنى، تتوقف الذاكرة عن كونها ميزة اختيارية وتصبح طبقة بنية أساسية إلزامية. هذا هو السبب في أن مؤلف المقال يعتبر "أحلام" OpenClaw ليست كخدعة واجهة مستخدم جميلة، بل كإشارة على تحول أكثر أهمية: يبدأ الوكلاء في الحفاظ على الحالة بين الجلسات والتصرف ليس كأداة يمكن التخلص منها، بل كمساعد رقمي دائم.

كيف تعمل الأحلام

في OpenClaw، يتم تقسيم آلية الحلم إلى ثلاث مراحل، مستوحاة من كيفية وصف نوم الإنسان عادة. في الليل، يراجع الوكيل كل شيء تعلمه خلال اليوم ويختار المرشحين للذاكرة طويلة المدى. ثم يقيّم كل جزء حسب الفائدة والحداثة والتكرار. بعد ذلك، يدخل في الذاكرة الدائمة فقط ما يتجاوز حد الأهمية، بينما يبقى الباقي في الملاحظات التشغيلية ويفقد الوزن تدريجياً.

• في مرحلة "النوم الخفيف"، يبحث الوكيل عن الحقائق المتكررة وتفضيلات المستخدم والحلول التي أثرت على الأعمال اللاحقة.
• في مرحلة "النوم العميق"، يقوم بتصفية الضوضاء والتحقق من أن النتيجة مهمة حقاً للمهام المستقبلية.
• في مرحلة REM، ينقل الوكيل الملاحظات الناجية إلى الذاكرة الدائمة.
• يتم حفظ النتيجة في ملف dreams.md — وهذا ليس تفريغ سجلات، بل ملخص نصي قصير للمعرفة.

يختلف هذا النهج عن تحميل السجل الطبيعي في أن الوكيل ينسق ذاكرته الخاصة. لا يحتاج إلى الحصول على أرشيف المحادثة الكامل في كل مرة أو انتظار قيام المطور بتحديد الرؤى المهمة يدويًا. في المقال، يوصف هذا بأنه اللحظة التي يستيقظ فيها الوكيل "أذكى قليلاً من الأمس": ليس بسبب نموذج جديد، بل بسبب عمل أفضل مع الخبرة المتراكمة.

"وكلاء الذكاء الاصطناعي الذين ينسون كل شيء هم ألعاب. وكلاء الذكاء

الاصطناعي الذين يتذكرون ويتعلمون هم موظفون."

لماذا يهم هذا للأعمال التجارية

إذا كانت الذاكرة تعمل بشكل مستقر، فإن فئة المهام التي يمكن تكليفها للوكيل تتغير. الوكيل بدون حالة جيد للعمليات لمرة واحدة: الإجابة حسب النموذج، ملء نموذج، جمع ملخص أساسي، إجراء بحث قصير. يمكن لوكيل بذاكرة طويلة المدى بالفعل مراعاة السياق القرارات السابقة والتكيف مع نمط الفريق وتذكر التجارب التي أنتجت نتائج وأيها فشلت.

بالنسبة للتسويق، يعني هذا تراكم المعرفة حول الحملات؛ وبالنسبة للمحتوى، التعلم التدريجي لصوت العلامة التجارية؛ وللبحث، القدرة على بناء استنتاجات جديدة على نتائج سابقة بدلاً من البدء في كل مهمة من الصفر. يربط المؤلف هذا التطور بالانتقال من "المساعدين" إلى "الموظفين الرقميين." الفرق هنا ليس في الاسم اللامع، بل في القدرة على الاحتفاظ بالذاكرة المؤسسية: معرفة كيف يتم تنسيق النتائج في الشركة وما هي القيود التي تم تحديدها بالفعل ولماذا تم اتخاذ قرارات معينة في الماضي.

هذا مهم بشكل خاص للمطورين المستقلين والفرق الصغيرة، حيث يصبح الوكيل تدريجياً ليس نافذة دردشة، بل عملية خلفية تراقب الخلاصات وتكتب المحتوى وتساعد في الجدولة وتقدم تقارير يومية عن العمل المنجز. لكن مع الفوائد تأتي مخاطر هندسية جديدة. يمكن للذكريات القديمة أن تتداخل إذا غير المستخدم رأيه، لكن الوكيل يستمر في الاعتماد على الإعدادات القديمة.

تصبح الهلوسة أكثر خطورة عندما تدخل حقيقة غير صحيحة في الذاكرة طويلة المدى وتبدأ في إدراكها كحقيقة. هناك أيضاً مسألة الخصوصية: كلما طالت مدة تذكر الوكيل، زاد تفصيل ملف تعريف المستخدم الذي يحتفظ به. هذا هو السبب في أن المهمة التالية للسوق ليست مجرد تعليم الوكلاء التذكر، بل إعطاؤهم آليات النسيان والتحقق من الحقائق والإدارة الآمنة للذاكرة.

ما يعنيه هذا

تُظهر قصة الأحلام في OpenClaw إلى أين يتجه سوق وكلاء الذكاء الاصطناعي: من توليد الإجابات إلى إدارة الخبرة. لن تكون الفائزون هي الأنظمة التي تتمتع ببساطة بنوافذ سياق أكبر، بل تلك التي يمكنها تمييز المهم عن الضوضاء وتحديث المعرفة وتذكر بالضبط ما هو مطلوب للعمل المفيد.