كيف تبني وكيلًا بثّيًّا لاتخاذ القرار مع إعادة تخطيط فورية في بيئة ديناميكية

يصف الدليل بنية وكيل بثّي لاتخاذ القرار يعمل في بيئة متغيّرة باستمرار، ويبثّ استدلالاته الجزئية في الوقت الفعلي، دون أن ينتظر الإجابة النهائية قبل أن يتصرّف.

البيئة والمهمة

لأغراض العرض، يستخدم الدليل شبكة ديناميكية: تتحرّك فيها العوائق وفق قواعدها الخاصة، وتنتقل نقطة الهدف عشوائيًا كل فترة زمنية ثابتة. لا يعرف الوكيل مسبقًا ما الذي سيتغيّر في الخطوة التالية، وهذا هو الفارق الجوهري عن مسائل البحث التقليدية عن المسار.

أبرز معاملات البيئة:

• شبكة N×N تحتوي على عوائق متحرّكة
• ينتقل الهدف عشوائيًا كل K خطوة
• يرى الوكيل نطاقًا محدودًا فقط حوله
• البيئة غير حتمية: فقد تفشل الخطة نفسها مرّتين

هذا الإعداد معقّد عن قصد، لأنه يحاكي سيناريوهات واقعية: ملاحة روبوت ذاتي داخل مستودع، وتخطيط مسار سيارة ذاتية القيادة وسط حركة المرور، وإدارة خط إنتاج عند تعطّل المعدّات.

مخطِّط الأفق المتحرّك

تقوم نواة الوكيل على خوارزمية A*، لكنها تُستخدم بطريقة غير معتادة. فبدل حساب المسار الكامل حتى الهدف، يعتمد الوكيل الأفق المتراجع (receding horizon): يخطّط H خطوة قريبة فقط، وينفّذ بعضها، ثم يعيد التخطيط من موقعه الجديد مع مراعاة الحالة المحدَّثة للبيئة.

يغيّر هذا منطق العمل جذريًا. ففي بيئة ديناميكية تتقادم الخطة الكاملة أسرع مما يستطيع الوكيل تنفيذها: يتحرّك عائق أو ينتقل الهدف، فيصبح المسار غير صالح. أما الأفق القصير فيجنّب الوكيل التمسّك ببيانات متقادمة.

«لا يحتفظ الوكيل بخطة واحدة كبيرة، بل ينشئ خططًا صغيرة ويتخلّص منها

باستمرار كلما تقدّم» — هذه خلاصة نهج الأفق المتراجع.

يصبح المعامل H (طول الأفق) عنصر الضبط الأهم: فإذا كان قصيرًا جدًا، يتحرّك الوكيل بنظرة قصيرة ويعلق في الحدود الدنيا المحلية؛ وإذا كان طويلًا جدًا، يهدر الوقت في تخطيط مسارات سيضطر إلى التخلّي عنها على أي حال.

بثّ الاستدلالات الجزئية

الوكيل التقليدي يلتزم الصمت حتى يجد الإجابة النهائية. أما الوكيل البثّي فيبثّ الحالات الوسيطة في الوقت الفعلي، فتصبح كل خطوة استدلال مهمّة متاحة فورًا:

• اكتشاف عائق جديد ← تُرسَل الإشارة فورًا
• انتقال الهدف ← تُهمَل الخطة القديمة وتبدأ خطة جديدة
• العثور على مسار وسيط ← يُبثّ حتى لو لم يكن مثاليًا بعد
• الوصول إلى نقطة الأفق وبدء إعادة التخطيط ← تُحدَّث الحالة

يمنح ذلك قابلية للمراقبة: فالنظام المنسِّق أو المستخدم يعرف دائمًا النيّة الحالية للوكيل. وفي الأنظمة الإنتاجية، يتيح هذا التدخّل قبل أن يصل الوكيل إلى طريق مسدود.

وهناك أثر آخر، هو تمكين نظام خارجي من تعديل السلوك أثناء التنفيذ: إذا اتجهت الخطة المبثوثة في اتجاه غير مرغوب فيه، يمكن إرسال إشارة مقاطعة فورًا.

من الناحية التقنية، يُنفَّذ البثّ عبر مولِّدات Python: كل `yield` يبثّ خطوة استدلال، وهذا متوافق مع واجهات البثّ في نماذج LLM الحديثة.

التكيّف التفاعلي

المكوّن الثالث هو مقاطعة الخطة الحالية عند تغيّر البيئة أثناء تنفيذ الخطوة نفسها. لا ينتظر الوكيل دورة إعادة التخطيط التالية: تفحص آلية المقاطعات حالة البيئة بعد كل إجراء، وتطلق إعادة تخطيط طارئة عند الحاجة.

أُدخل مستوى لتصنيف خطورة التغيّرات: إزاحة طفيفة لعائق ← يواصل الوكيل الخطة الحالية؛ انسداد الخطوة الأقرب ← إعادة تخطيط فورية؛ تغيّر كامل في موضع الهدف ← إعادة بدء من أفق جديد. تزيد هذه الاستجابة متعدّدة المستويات من العبء الحسابي، لكنها حاسمة حيث تكون كلفة الخطأ مرتفعة.

ماذا يعني ذلك

تمثّل البنية الموصوفة قالبًا عمليًا لمطوّري وكلاء AI الذين يعملون في ظروف من عدم اليقين الحقيقي. بثّ الاستدلالات، والأفق التخطيطي القصير، والمقاطعات التفاعلية: ثلاثة أنماط تشكّل معًا هيكلًا جاهزًا لمهام الروبوتات والأتمتة الصناعية والأنظمة الوكيلة المبنية على LLM.

ومع انتشار الأنظمة الوكيلة في الصناعة، تتحوّل الفجوة بين «التفكير في فراغ» و«التصرّف في العالم الحقيقي» إلى التحدي الهندسي الأبرز، ويقدّم هذا الدليل نقطة انطلاق ملموسة لمواجهته.